Die Onsite-Suche ist die Fläche mit der höchsten Kaufabsicht in einer Storefront. Wer wasserdichte wanderschuhe größe 43 eintippt, stöbert nicht; diese Person hat einen Kauf im Sinn und Ihnen genau gesagt, welchen. Genau deshalb ist Keine Ergebnisse gefunden die teuerste Seite, die ein Onlineshop ausliefern kann.
Die Antwort der Branche darauf ist, Ihnen eine KI-Such-App zu verkaufen. Das kann durchaus die richtige Antwort sein — aber nicht, bevor Sie sich angesehen haben, woran es tatsächlich scheitert. Ein erheblicher Teil der Suchen ohne Treffer geht auf fehlende Produktdaten zurück, und keine Suchtechnologie findet ein Attribut, das Sie nie gepflegt haben.
Beginnen Sie beim Suchprotokoll
Holen Sie sich vor jeder Tool-Entscheidung 90 Tage Suchabfragen samt Trefferzahl. Die Analytics von Shopify zeigt Ihnen die häufigsten Suchen und die Suchen ohne Treffer; die meisten Such-Apps liefern ausführlichere Protokolle. Für den Anfang genügt beides.
Sortieren Sie nach Volumen, nehmen Sie die 200 häufigsten Abfragen ohne Treffer und kategorisieren Sie jede einzelne von Hand. Das dauert einen Nachmittag, und es ist der wertvollste Nachmittag dieser ganzen Übung. Jede Abfrage fällt in eine von fünf Kategorien:
- Wir verkaufen es nicht. Echte Nachfrage nach Produkten, die Sie nicht führen. Das ist ein Signal fürs Sortiment und kein Suchproblem — und oft das kommerziell interessanteste Ergebnis der Analyse.
- Wir verkaufen es, aber wir nennen es anders. Der Kunde sagt Turnschuhe, Ihr Katalog sagt Sneaker. Ein Vokabularproblem.
- Wir verkaufen es, aber das Attribut fehlt. Eine Suche nach wasserdicht läuft ins Leere, weil das Attribut „wasserdicht“ nur bei 40 % der SKUs gepflegt ist. Ein Datenproblem.
- Tippfehler und Beinahe-Treffer. Mit einfachem Fuzzy Matching zu beheben; wenn das ein großer Anteil ist, ist Ihre aktuelle Suche sehr schwach.
- Gar keine Produktsuche. Bestellstatus, Lieferzeiten, Retouren. Diese Abfragen gehören sinnvoll weitergeleitet, nicht auf ein Produktraster.
Die Verteilung sagt Ihnen, was Sie kaufen sollten. Dominieren die Kategorien 2 und 3, haben Sie ein Datenproblem im Gewand eines Suchproblems, und eine KI-Such-App wird auf Ihrem Katalog schlechter abschneiden als in ihrer Demo.
Zuerst die günstigen Ursachen beheben
Ungefähr in dieser Reihenfolge, denn jeder Schritt ist günstiger als der nächste und verringert die Arbeit, die der nächste noch leisten muss.
Synonyme
Jedes ernstzunehmende Such-Tool unterstützt Synonymlisten, und die meisten Shops pflegen nie eine. Kategorie 2 aus Ihrer Analyse ist Ihre Synonymliste — sie ist bereits geschrieben, in den Worten Ihrer Kunden. Ergänzen Sie Spitznamen von Marken, regionale Varianten, gängige Abkürzungen und die Begriffe, die Ihr Kundenservice am Telefon hört.
Vollständigkeit der Attribute
Kategorie 3 ist ein Katalogprojekt und kein Suchprojekt. Eine Suche kann nur gegen Daten abgleichen, die vorhanden sind, und in den meisten Katalogen sind ausgerechnet die Attribute, nach denen Kunden suchen — Material, Fassungsvermögen, Kompatibilität, Passform, technische Daten — am lückenhaftesten gepflegt.
Das ist wenig glamourös und meist der wertvollste Punkt auf der Liste. Wir haben die Pipeline beschrieben, mit der wir einen großen Katalog per KI anreichern — das Beispiel ist Magento, aber die Methode lässt sich über metafields direkt auf einen Shopify-Katalog übertragen.
Eine brauchbare Seite für Suchen ohne Treffer
Was auch immer Sie tun: Manche Suchen bleiben ohne Treffer. Eine Seite, die keine Ergebnisse meldet und damit endet, ist eine Sackgasse; eine Seite, die die nächstliegende Kategorie, die beliebtesten Produkte aus der nächstbesten Übereinstimmung, einen Korrekturvorschlag und einen Kontaktweg anbietet, rettet einen spürbaren Teil dieser Sessions. Das ist eine Theme-Änderung im Umfang von Stunden.
Abfragen ohne Produktbezug
Leiten Sie Kategorie 5 zu Antworten weiter. Erkennen Sie Anliegen rund um Bestellstatus, Lieferung und Retouren und zeigen Sie die passenden Hilfeinhalte über dem Produktraster. Wer solche Fragen stellt, ist in der Regel bereits Kunde, und ihn auf eine leere Ergebnisseite zu schicken, ist ein Support-Ticket, das Sie selbst erzeugt haben.
Wann sich semantische Suche wirklich lohnt
Die semantische Suche — oder Vektorsuche — gleicht Bedeutung ab statt Keyword-Überschneidungen, sodass etwas warmes für winterwanderungen Produkte liefern kann, deren Titel keines dieser Wörter enthält. Das ist real, es funktioniert, und es ist nicht umsonst.
Sie rechnet sich, wenn:
- Ihr Katalog groß ist — ab mehreren tausend SKUs, wo die Keyword-Suche mit der Relevanzsortierung tatsächlich Mühe hat
- Kunden nach einem Problem statt nach einem Produkt suchen — üblich in den Bereichen Beauty, Gesundheit, Hobby, Technik und Geschenke
- Ihre Produkte über ausführliche beschreibende Texte verfügen, mit denen das Modell arbeiten kann
- die Suche eine wichtige Traffic-Fläche ist — prüfen Sie den Anteil der Sessions mit Suche, bevor Sie investieren
Sie enttäuscht, wenn der Katalog klein ist, wenn nach exakter Artikelnummer oder SKU gesucht wird oder wenn die Attributdaten dünn sind. Im letzten Fall enttäuscht sie nicht nur — sie kann schlechter sein als die Keyword-Suche, weil sie mit großer Sicherheit semantisch benachbarte Produkte liefert, die funktional falsch sind. Wer eine bestimmte Filterkartusche sucht, will nichts konzeptionell Ähnliches.
Bei Katalogen für Ersatzteile, Kompatibilität und Spezifikationen muss die exakte Übereinstimmung Vorrang vor semantischer Ähnlichkeit haben. Ein hybrider Aufbau, der bei Abfragen in Identifier-Form auf die Keyword-Suche zurückfällt, ist die richtige Auslegung — und nicht immer die Voreinstellung.
Such-Tools richtig bewerten
Anbieter-Demos laufen auf dem Katalog des Anbieters, wo alles funktioniert. Bewerten Sie auf Ihrem eigenen:
- Bauen Sie ein Abfrage-Set aus 100 echten Suchen aus Ihren Protokollen — gemischt aus erfolgreichen Suchen, Suchen ohne Treffer und Long-Tail-Suchen — und notieren Sie zu jeder die richtige Antwort, bevor Sie das Ergebnis irgendeines Tools sehen.
- Lassen Sie das Set durch jeden Kandidaten laufen, auf Ihrem echten Katalog, und bewerten Sie die ersten drei Ergebnisse jeder Abfrage. Urteilen Sie nicht nach Gefühl.
- Testen Sie Identifier-Abfragen gezielt — SKUs, Artikelnummern, Modellcodes — um zu sehen, wie das Tool exakte Übereinstimmungen behandelt.
- Prüfen Sie die Merchandising-Steuerung. Können Sie ein Produkt fixieren, eine Margenklasse hochgewichten, nicht lieferbare Artikel abwerten? Relevanz, die Sie nicht übersteuern können, wird während einer Aktion zum Risiko.
- Prüfen Sie, was mit der Latenz der Indizierung passiert, wenn sich Preise und Lagerbestand ändern. Ein Suchindex, der Ihrem Katalog eine Stunde hinterherhinkt, zeigt Kunden nicht lieferbare Produkte.
- Kalkulieren Sie den Preis für Ihre Kataloggröße und Ihr Abfragevolumen, nicht anhand des beworbenen Einstiegstarifs.
Messen, ob es gewirkt hat
Verbesserungen der Suche lassen sich ungewöhnlich leicht messen — und werden ungewöhnlich oft schlecht gemessen. Verfolgen Sie diese Kennzahlen, segmentiert auf Nutzer der Suche:
- Anteil der Suchen ohne Treffer — die Leitkennzahl, und die, die zuerst sinken sollte
- Klickrate von der Suche zum Produkt — haben sie etwas gefunden, das sich zu öffnen lohnt?
- Conversion von der Suche zum Kauf, im Vergleich zu Sessions ohne Suche
- Anteil nachgeschärfter Suchen — wer dreimal hintereinander sucht, sagt Ihnen, dass die ersten beiden Versuche gescheitert sind
- Umsatz pro Session mit Suche — die Zahl, die das Tool bezahlt
Erheben Sie vier Wochen lang eine Ausgangsbasis, bevor Sie etwas aktivieren. Ohne sie diskutieren Sie später darüber, ob sich die Suche verbessert hat oder einfach nur der November.
Genau solche Mandate führt unser Team für KI und Machine Learning von Anfang bis Ende durch, und die größere Frage, wo KI in einer Storefront wirklich hingehört, beantwortet unsere Praxis für KI-Integration. Für Kataloge im Einzelhandel ist die Suche meist das KI-Projekt mit dem höchsten Ertrag — gerade weil die Kaufabsicht bereits da ist und nur der Abgleich scheitert.
Häufige Fragen
Wie viel unseres Traffics nutzt die Onsite-Suche tatsächlich?
Das schwankt stark je nach Kategorie — oft zwischen 10 % und 40 % der Sessions. Prüfen Sie Ihren eigenen Wert, bevor Sie investieren: Suchende konvertieren in der Regel um ein Vielfaches besser als Stöbernde, und genau deshalb lohnt sich für dieses Segment ein Aufwand, der über seinen Anteil hinausgeht.
Ist semantische Suche immer besser als Keyword-Suche?
Nein. In Katalogen, in denen nach Artikelnummer, SKU oder exakter Spezifikation gesucht wird, schadet semantische Ähnlichkeit sogar — sie liefert mit großer Sicherheit die falschen Nachbarn. Für die meisten Shops ist ein hybrider Aufbau richtig: Bei Abfragen in Identifier-Form gewinnt die exakte Übereinstimmung, beschreibende Abfragen übernimmt die semantische Suche.
Lässt sich die native Suche von Shopify auch ohne App verbessern?
Deutlich. Pflegen Sie die metafields, nach denen Kunden tatsächlich suchen, schreiben Sie echte Produktbeschreibungen und bauen Sie eine brauchbare Seite für Suchen ohne Treffer. Diese drei Punkte decken einen großen Teil der Fehlschläge ab und kosten keine monatliche Gebühr.
Was ist eine gute Quote an Suchen ohne Treffer?
Unter etwa 5 % der Suchen ist für die meisten Kataloge gesund, über 15 % deutet auf ein echtes Problem hin. Die absolute Zahl sagt allerdings weniger aus als die kategorisierte Aufschlüsselung: Wenn die Treffer fehlen, weil Kunden Produkte suchen, die Sie nicht führen, ist das eine Erkenntnis fürs Sortiment und kein Defekt.
Wie lange dauert ein Suchprojekt?
Die Analyse und die günstigen Korrekturen — Synonyme, Seite ohne Treffer, Routing von Abfragen — sind eine Sache von Wochen. Die Anreicherung der Attribute ist der längste Posten und hängt von der Kataloggröße ab. Ein Tool für semantische Suche einzusetzen geht vergleichsweise schnell; die Daten darunter in Ordnung zu bringen nicht.
Beginnen Sie bei Ihrem Suchprotokoll
Schicken Sie uns 90 Tage Suchabfragen, und wir kategorisieren den Long Tail ohne Treffer und sagen Ihnen, ob Sie ein Suchproblem oder ein Katalogproblem haben. Meist ist es das zweite. Sprechen Sie mit unserem Team; wir antworten innerhalb eines Werktags.