Produktdaten pflegen: der unterschätzte Erfolgsfaktor im Onlineshop

Wenn ein Onlineshop nicht so verkauft wie erhofft, richtet sich der Blick meist zuerst auf das Design, dann auf den Traffic und schließlich auf den Preis. Deutlich seltener fällt er dorthin, wo die Ursache in vielen Fällen tatsächlich liegt: auf die Produktdaten. Sie sind unspektakulär, ihre Pflege ist mühsam, und sie tauchen in keiner Marketingpräsentation als Erfolgsgeschichte auf. Trotzdem entscheiden sie darüber, ob ein Artikel gefunden, verstanden und gekauft wird.

## Produktdaten sind mehr als Text und Bild

Ein Produkt besteht im Shop aus mehreren Datenschichten, die unterschiedliche Aufgaben erfüllen.

1. Die identifizierenden Daten – Artikelnummer, EAN, Herstellernummer – sorgen dafür, dass ein Artikel eindeutig referenzierbar ist. Sie sind Voraussetzung für Preisvergleiche, Marktplatzanbindungen und eine saubere Warenwirtschaft.

2. Die beschreibenden Daten – Name, Kurz- und Langbeschreibung, Bilder, Videos – erledigen die Verkaufsarbeit. Sie ersetzen das, was im stationären Handel das Anfassen und das Beratungsgespräch leisten.

3. Die strukturierenden Daten – Kategorien, Eigenschaften, Varianten, Filterwerte – bestimmen, ob ein Artikel in der Navigation, in der Suche und in Filtern auffindbar ist. Sie sind die am häufigsten vernachlässigte Schicht und gleichzeitig die mit dem größten Hebel.

4. Die kaufmännischen Daten – Preise, Staffelpreise, Steuersätze, Lieferzeiten, Versandarten – steuern Warenkorb und Checkout.

Ein Artikel kann eine hervorragende Beschreibung haben und trotzdem unsichtbar bleiben, weil ihm die Filtereigenschaften fehlen. Umgekehrt nützt die beste Filterstruktur nichts, wenn die Beschreibung nach einem Datenblatt klingt.

## Der häufigste Fehler: Herstellertexte ungeprüft übernehmen

Viele Shops übernehmen Texte und Attribute direkt aus den Datenfeeds ihrer Lieferanten. Das ist effizient und im ersten Schritt völlig legitim. Problematisch wird es, wenn dieser Import das Ende der Bearbeitung darstellt.

Herstellertexte sind für den Hersteller geschrieben, nicht für Ihren Shop. Sie richten sich an ein Fachpublikum, nutzen interne Bezeichnungen und beschreiben Eigenschaften, ohne den Nutzen zu erklären. Hinzu kommt: Wenn zwanzig Händler denselben Text verwenden, entsteht identischer Inhalt an zwanzig Stellen im Netz. Für Suchmaschinen ist das kein Ausschlusskriterium, aber es gibt auch keinen Grund, ausgerechnet Ihre Seite zu bevorzugen.

Der pragmatische Mittelweg lautet: Herstellerdaten als Rohmaterial importieren, dann die umsatzstärksten Artikel manuell veredeln. Eine Sortimentsanalyse zeigt in der Regel, dass zwanzig Prozent der Artikel achtzig Prozent des Umsatzes tragen. Diese zwanzig Prozent verdienen echte Redaktionsarbeit, der Rest kommt zunächst mit sauberen Basisdaten aus.

## Eigenschaften richtig modellieren

Die Modellierung von Eigenschaften ist eine Entscheidung mit langer Halbwertszeit. Wer sie früh sauber trifft, spart später aufwendige Migrationen.

Eine praktikable Faustregel: Alles, wonach jemand filtern könnte, ist eine Eigenschaft. Alles, was nur zur Information dient, ist ein Attribut oder Teil der Beschreibung. Die Farbe eines Artikels ist eine Eigenschaft. Die Angabe "Made in Germany" kann eine sein, wenn Herkunft ein Kaufkriterium ist – sonst gehört sie in den Fließtext.

Drei Regeln haben sich bewährt:

1. Werte normalisieren. "Rot", "rot", "Rot metallic" und "RAL 3020" sind vier Filterwerte für eine Farbe. Legen Sie ein verbindliches Vokabular fest und pflegen Sie Synonyme in einer Mappingtabelle.

2. Einheiten trennen. Speichern Sie "1,5" und "l" getrennt, nicht "1,5 Liter" als Text. Nur so lassen sich Bereichsfilter und Sortierungen umsetzen.

3. Nicht jede Eigenschaft muss filterbar sein. Ein Filter mit vierzig Werten, von denen jeder einmal vorkommt, hilft niemandem. Filter brauchen Trennschärfe.

## Bilder sind Daten

Bilder werden selten als Datenqualitätsthema betrachtet, verhalten sich aber genau so. Uneinheitliche Freisteller, wechselnde Seitenverhältnisse und unterschiedliche Bildausschnitte lassen eine Kategorieseite unruhig wirken, selbst wenn jedes einzelne Bild für sich in Ordnung ist.

Definieren Sie deshalb einen verbindlichen Bildstandard: Seitenverhältnis, Mindestauflösung, Hintergrund, Position des Objekts im Bild, Anzahl der Ansichten pro Artikel und eine Namenskonvention, die Artikelnummer und Bildposition enthält. Ergänzen Sie Alternativtexte – nicht nur wegen der Barrierefreiheit, sondern auch, weil sie in der Bildersuche als Beschreibung dienen.

## Verantwortlichkeiten festlegen

Datenqualität scheitert selten am Werkzeug und fast immer an unklaren Zuständigkeiten. Klären Sie deshalb schriftlich, wer welche Felder pflegt und wer sie freigibt.

In vielen Teams hat sich eine einfache Aufteilung bewährt: Der Einkauf verantwortet identifizierende und kaufmännische Daten, die Redaktion die beschreibenden, das E-Commerce-Team die strukturierenden. Eine Person hat die Endfreigabe und prüft vor dem Livegang eine kurze Checkliste. Diese Checkliste darf ruhig banal wirken – gerade die banalen Fehler sind die teuren.

## Qualität messbar machen

Datenqualität lässt sich überraschend gut in Kennzahlen fassen. Nützlich sind unter anderem:

- Vollständigkeitsquote je Pflichtfeld über das gesamte Sortiment

- Anteil der Artikel ohne Bild oder mit weniger als der Mindestanzahl an Bildern

- Anteil der Artikel ohne Filtereigenschaften in ihrer Hauptkategorie

- Suchanfragen ohne Treffer – oft ein direkter Hinweis auf fehlende Synonyme

- Rückgabequote je Artikel – auffällige Ausreißer deuten häufig auf irreführende Beschreibungen oder falsche Maßangaben hin

Ein einfaches Dashboard mit diesen fünf Werten ist wirkungsvoller als ein umfangreiches Qualitätshandbuch, das niemand liest. Entscheidend ist, dass die Zahlen regelmäßig betrachtet und einzelnen Personen zugeordnet werden.

## Pflege als laufender Prozess

Produktdaten sind nie fertig. Sortimente ändern sich, Lieferanten passen Feeds an, saisonale Artikel kommen und gehen. Sinnvoll ist deshalb ein fester Rhythmus statt gelegentlicher Großaktionen: ein wöchentlicher Blick auf neue Artikel, ein monatlicher Report zur Vollständigkeit und ein jährlicher Durchgang durch die Kategoriestruktur.

Wer diesen Rhythmus etabliert, merkt nach wenigen Monaten einen doppelten Effekt. Die Suche liefert bessere Ergebnisse, weil sie mit besseren Daten arbeitet. Und der Support bekommt weniger Anfragen, weil die Antworten bereits auf der Produktseite stehen.

## Werkzeuge kommen zuletzt

Die Frage nach dem passenden PIM-System wird meist zu früh gestellt. Ein eigenes System lohnt sich, sobald mehrere Kanäle bespielt werden, mehrere Personen gleichzeitig pflegen oder Übersetzungen ins Spiel kommen. Solange ein einzelner Shop im Zentrum steht und zwei Personen pflegen, reicht die Datenhaltung im Shopsystem selbst, ergänzt um dokumentierte Importvorlagen und eine versionierte Mappingtabelle. Wer ein PIM einführt, ohne vorher Struktur und Zuständigkeiten geklärt zu haben, bekommt dieselben Probleme in einer teureren Oberfläche.

## Fazit

Produktdatenpflege ist kein Projekt mit Anfang und Ende, sondern eine Betriebsdisziplin. Sie liefert keine spektakulären Vorher-Nachher-Bilder, verbessert aber gleichzeitig Auffindbarkeit, Conversion und Retourenquote. Für einen Onlineshop gibt es wenige Investitionen, die auf so vielen Ebenen gleichzeitig wirken – und kaum eine, die so zuverlässig unterschätzt wird.