Shopify-Produktsuche: Suche, Filter oder KI?

Die Produktsuche auf Shopify funktioniert am besten, wenn jede Oberfläche eine klare Aufgabe hat: Die Suche ruft ab, Filter grenzen ein, Empfehlungen führen weiter und Gespräche klären. Der beste Weg hängt davon ab, wie viel der Shopper bereits weiß.

Ein Shopper, der eine genaue Modellnummer eingibt, braucht kein Interview. Jemand, der sagt: „Ich brauche etwas Leichtes zum Pendeln, das Regen aushält und unter einen Flugzeugsitz passt“, wahrscheinlich schon.

Dieser Leitfaden richtet sich an Shopify-Teams für Merchandising, E-Commerce und Conversion-Optimierung. Danach kannst du vier verbreitete Absichtszustände der passenden Suchoberfläche zuordnen und ein kurzes Audit durchführen, das eine konkrete nächste Änderung mit einer verantwortlichen Person hervorbringt.

Umfang: Produktsuche in deinem Onlineshop

Dieser Leitfaden behandelt die Produktsuche in der Shopify-Storefront eines Händlers: Suche, Filter, Empfehlungen auf Produktseiten und einen Onsite-KI-Shop-Agenten. Shopifys Agentic Storefronts, über die geeignete Produkte in externen KI-Kanälen auffindbar werden können, sind eine eigene Oberfläche mit kanalspezifischer Verfügbarkeit und eigenen Kontrollen. Eine ausführlichere Abgrenzung findest du unter KI-Shop-Agent vs. Chatbot vs. KI-Einkaufsassistent.

Mit vier Zuständen der Shopper-Absicht beginnen

Produktsuche beginnt mit dem, was der Shopper bereits weiß:

1. Genaue Absicht: „Trail Pack 28L in Schwarz.“
2. Kategorieabsicht: „Handgepäck-Rucksäcke.“
3. Anforderungsbasierte Absicht: „Ein Handgepäck-Rucksack unter 150 US-Dollar, in den ein 16-Zoll-Laptop passt.“
4. Erkundende Absicht: „Ich reise zweimal im Monat beruflich und brauche etwas, das weniger anstrengend zu tragen ist als meine aktuelle Tasche.“

Für die ersten beiden Zustände ist die Suche meist effizient. Filter helfen, eine bekannte Kategorie einzugrenzen. Empfehlungen helfen, nachdem ein relevantes Produkt bereits angezeigt wird. Gespräche werden nützlicher, wenn die Anfrage von Kontext, Zielkonflikten oder Rückfragen abhängt.

Das Ziel ist nicht, jeden Shopper in einen Chat zu schicken. Eine schwierige Anfrage soll nur nicht zur Sackgasse werden, weil sie zu keinem Suchbegriff oder Filterlabel passt.

Die Suche ruft bekannte Produkte und Kategorien ab

Shopifys aktuelle Dokumentation zur Storefront-Suche beschreibt eine integrierte KI-gestützte Suchinfrastruktur. Funktionen wie Suchvorschläge und Tippfehlertoleranz sind standardmäßig verfügbar.

Die reguläre Suche liefert Ergebnisse, nachdem der Shopper eine Anfrage abgeschickt hat. Suchvorschläge zeigen Ergebnisse bereits während der Eingabe. Beide sind effizient für Anfragen wie:

• Ein Produkttitel: „Alpine Shell“
• Ein Modell oder eine SKU: „TS-240“
• Ein Produkttyp: „Woll-Overshirt“
• Ein bekanntes Merkmal: „wasserdichte Wanderjacke“
• Shop-Inhalt: „Rückgaberichtlinie“

Shopifys Dokumentation zum Suchverhalten erklärt, dass die Relevanz unter anderem davon abhängen kann, wo ein Begriff vorkommt, wie lang ein Feld ist und welche Beliebtheitssignale vorliegen. Sie dokumentiert außerdem Wortstammbildung, Tippfehlertoleranz, Präfixabgleich und Lockerung von Suchanfragen. Die Details unterscheiden sich je nach Sprache und Kontext.

Die Suche bleibt von der Sprache des Katalogs abhängig. Sagen Shopper Weekender, während der Shop nur Reisetasche verwendet, sind passende Produkte möglicherweise schwerer zu finden. Tauchen Modellnummer, Material oder Verwendungszweck nie in durchsuchbaren Informationen auf, kann die Suche diese Information nicht erschließen.

Teste mit der Sprache der Shopper – einschließlich Tippfehlern, alternativen Bezeichnungen, Modellnummern und Anwendungsfällen – und nicht nur mit den Produktnamen, die das Merchandising-Team intern verwendet.

Filter grenzen eine nützliche Ergebnismenge ein

Filter beantworten die Frage: „Welche Produkte in dieser Gruppe erfüllen meine bekannten Anforderungen?“

Bei einer Jackenkollektion können Größe, Preis, Farbe, Material, Isolierung, Wasserdichtigkeit und Aktivität nützliche Filter sein. Bei Elektronik brauchen Shopper möglicherweise Marke, Anschluss, Gerätekompatibilität, Leistung und Maße.

Shopifys Filterfunktionen in Search & Discovery unterstützen Standardfilter sowie individuelle Filter auf Grundlage von Produktoptionen, Metafeldern, Metaobjekten und Kategorieattributen. Theme-Kompatibilität und aktuelle Plattformgrenzen gelten weiterhin.

Filter sind stark, wenn:

• Der Shopper das Merkmal versteht.
• Produkte das Merkmal einheitlich verwenden.
• Nach der Anwendung eine überschaubare Vergleichsmenge bleibt.

Sie sind schwach, wenn sich der Bedarf keinem Merkmal sauber zuordnen lässt. „Gut für die erste eigene Wohnung“ und „professionell aussehend, aber bequem auf einem Nachtflug“ sind sinnvolle Ziele, jedoch keine offensichtlichen Filterwerte. Zusätzliche Filter können die Komplexität des Katalogs einfach auf den Shopper übertragen.

Verwende verständliche Bezeichnungen und vereinheitliche gleichbedeutende Werte. Wasserfestigkeit ist klarer als ein interner Metafeldname. Drei Schreibweisen desselben Materials sollten nicht zu drei Filtern werden.

Produktempfehlungen begleiten die Entscheidung auf der Produktseite

Empfehlungen auf Produktseiten beginnen mit einem Kontext, den die Storefront bereits kennt: dem angezeigten Produkt. Gib jeder Platzierung eine Aufgabe:

• Alternative: Ein ähnlicher Artikel, der möglicherweise besser passt.
• Ergänzung: Ein Zusatz, der den ausgewählten Artikel nützlicher macht.
• Weiterführung: Ein relevanter Weg, die Kategorie oder den Stil weiter zu erkunden.

Shopify ermöglicht Händlern, verwandte und ergänzende Produkte über Empfehlungen in Search & Discovery zu konfigurieren. Automatisch erzeugte verwandte Produkte können aggregierte Kaufmuster, ähnliche Produktbeschreibungen oder verwandte Kollektionen nutzen. Händler können Empfehlungen auch manuell hinzufügen. Damit die Empfehlungen erscheinen, ist ein kompatibler und aktivierter Theme-Abschnitt erforderlich.

Eine aktuelle Einschränkung wird leicht übersehen: Shopify dokumentiert, dass die auf Produktbeschreibungen basierende Strategie für automatisch erzeugte Empfehlungen ausschließlich Händlern mit einer englischsprachigen Storefront zur Verfügung steht. Strategien anhand des Kaufverlaufs und verwandter Kollektionen haben eigene Anforderungen. Prüfe das aktuelle Verhalten für deine Sprache und deinen Katalog, statt davon auszugehen, dass jede Erzeugungsstrategie gilt.

Eine Produktbeziehung ist nicht zwangsläufig Personalisierung. Ein verwandter Artikel kann relevant sein, weil er dem Produkt auf der Seite ähnelt. Konversationelle Personalisierung ist etwas anderes: Sie kann Bedürfnisse und Einschränkungen berücksichtigen, die der aktuelle Shopper nennt. Der Leitfaden zu konversationellen KI-Produktempfehlungen erklärt, welche Signale eine Empfehlung beeinflussen sollten und wann der Agent eine Frage stellen sollte.

Gespräche klären komplexe Absichten

Gespräche verdienen ihren Platz, wenn Shopper ihren Bedarf nicht auf eine Suchanfrage oder wenige Filter reduzieren können. Sie können Kontext erfassen, Mehrdeutigkeit auflösen, Zielkonflikte vergleichen und erklären, warum eine kurze Auswahl passt.

Der BuyScout® KI-Shop-Agent kann Shopper anhand ihrer Aussagen sowie relevanten Surf- und Warenkorbkontexts beraten. Seine veröffentlichte Skill-Bibliothek beschreibt Produktempfehlungen, Vergleiche, Hilfe beim Hinzufügen zum Warenkorb und relevante Bundles oder Ergänzungen sowie eingerichteten Verkauf und Support über die erste Produktauswahl hinaus.

Betrachte diese Frage:

„Ich brauche ein Geschenk für einen Kaffeefan, der bereits eine Espressomaschine besitzt. Mein Budget beträgt 80 US-Dollar, und ich weiß nicht, welches Zubehör zu seinem Gerät passt.“

Die Suche kann Espressozubehör abrufen. Filter können die Auswahl auf das Budget eingrenzen. Empfehlungen auf Produktseiten können Ergänzungen vorschlagen. Ein Gespräch kann nach der Maschine des Empfängers fragen, Kompatibilität als entscheidendes Muss-Kriterium erkennen und erklären, warum eine kurze Auswahl passt.

Wenn die Kompatibilität nicht dokumentiert ist, sollte der Agent die Unsicherheit benennen oder einen Menschen hinzuziehen. Er darf keine Kompatibilität erfinden, nur um das Gespräch fortzuführen. Die Shopify-Produktdaten-Checkliste für KI-Beratung hilft, solche Lücken aufzudecken, bevor Shopper es tun.

Shopper nach Absicht statt Technologie leiten

Das ist eine Orientierungshilfe für die Wahl des passenden Wegs, keine Hierarchie. Die Suche ist oft das bessere Erlebnis, weil sie eine klare Absicht respektiert und weniger Schritte verlangt.

Stell dir einen Shopper auf der Suche nach Handgepäck vor, der sich durch eine zusammenhängende Journey bewegt:

1. Die Suche ruft die Rucksackkategorie ab.
2. Filter grenzen nach Preis und Laptopgröße ein.
3. Das Gespräch behandelt den Zielkonflikt zwischen Gewicht und Regenschutz.
4. Auf der Produktseite prüft der Shopper Spezifikationen, Bilder und Richtlinien.
5. Eine Empfehlung bietet einen kompatiblen Organizer an.
6. Im Warenkorb bleiben genaue Variante, Menge und Preis unter der Kontrolle des Shoppers.

Der Katalog verbindet jeden Schritt: Titel unterstützen die Suche, Merkmale versorgen Filter, Produktbeziehungen verbessern Empfehlungen und dokumentierte Details ermöglichen vertrauenswürdige Erklärungen. Eine zusätzliche Oberfläche repariert weder widersprüchliche Merkmale noch eine unklare Rückgaberichtlinie.

Das Problem messen, das jede Oberfläche lösen soll

Shopify stellt Search-&-Discovery-Berichte zu Aktivitäten bei Suchanfragen, Suchen ohne Ergebnis, Suchen ohne Klick, Klickrate, Kaufrate und Interaktion mit Empfehlungen bereit. Shopify weist darauf hin, dass Interaktionen mit Suchvorschlägen in diesen Berichten zu Suchergebnisseiten nicht enthalten sind.

Kein einzelner Bericht beschreibt die gesamte Journey. Nutze jedes Signal, um ein bestimmtes Problem zu untersuchen:

Eine häufige Suche ohne Klick zusammen mit wiederholten Fragen zum selben Merkmal ist ein stärkerer Beleg als jedes Signal für sich. Ordne nicht jeder Oberfläche, die denselben Kauf berührt hat, den vollständigen Bestellwert zu.

Ein vierstufiges Produktsuche-Audit durchführen

1. Sprache der Shopper beobachten. Prüfe Suchbegriffe, Anfragen ohne Ergebnis oder Klick, Supportfragen und angemessen verfügbare aggregierte Gesprächsthemen.
2. Kataloggrundlage reparieren. Vereinheitliche Produktnamen, Merkmale, Varianten, Metafelder, Bilder und entscheidungskritische Beschreibungen.
3. Jeder Oberfläche eine Aufgabe geben. Die Suche ruft ab, Filter grenzen ein, Empfehlungen führen weiter und Gespräche klären.
4. Den kombinierten Weg testen. Verwende genaue, Kategorie-, anforderungsbasierte und erkundende Prompts auf Mobilgeräten und Desktop. Stelle sicher, dass Shopper die zugrunde liegende Produktseite und den Warenkorb prüfen können.

Nimm jeweils eine wesentliche Änderung vor, wenn du ihre Wirkung verstehen musst. Fehlt eindeutig ein Synonym oder ist ein Filter defekt, behebe das direkt. Nicht jeder Mangel braucht ein Experiment.

Kopiere diese Tabelle und ersetze die Beispielanfragen durch echte Formulierungen aus deinen Such-, Support- oder Gesprächsdaten. Führe jede Anfrage auf einem Mobilgerät und Desktop aus, erfasse den ersten wesentlichen Fehler, benenne einen Verantwortlichen und wähle eine nächste Änderung.

Führe das 20-minütige Produktsuche-Audit durch: Behebe den wirkungsstärksten Fehler mit einer klar verantwortlichen Person und führe dieselbe Anfrage erneut aus. Wenn Suche und Filter bei klarer Absicht funktionieren, komplexe Fragen aber weiterhin scheitern, teste den BuyScout® KI-Shop-Agenten nur an dieser Lücke.