Die drei Quellen für Amazon-Listings

Quelle 1: Was Käufer suchen

Welche Begriffe in ein Amazon-Listing gehören, entscheidet das Suchvolumen der richtigen Nische. Genau daran wäre der Praxisfall fast gescheitert. Listimo ordnete mein Garn zunächst der Nische „Garn“ zu, weil das Wort in Produktname und Kategorie steckte. Dort suchen Käufer vor allem Makramee- und T-Shirt-Garn. Ich habe die Nische von Hand auf „Wolle“ umgestellt. Es war der wichtigste Handgriff des ganzen Laufs. Nach dem Praxisfall habe ich die Nischenwahl in Listimo überarbeitet. Sie richtet sich jetzt nach dem Suchvolumen, das zum Produkt passt, und wählt für dieses Garn von sich aus „Wolle“. Ein prüfender Blick auf die Nische lohnt trotzdem, denn von ihr hängen alle Suchbegriffe danach ab.

Der Vergleich mit den Suchdaten der Nische zeigte dann die Lücke. Für die Messung habe ich die 15 meistgesuchten Begriffe aus den Nischen Wolle, Häkeln und Stricken genommen, die zum Produkt passen. Zusammen kommen sie auf rund 69.000 Suchanfragen im Monat. Mein altes Listing enthielt 3 davon. An der Spitze fehlten „Wolle“ mit gut 20.500 Suchanfragen, „Wolle zum Häkeln“ mit 18.800 und „Wolle zum Stricken“ mit 13.700. Ich hatte „Garn“ und „Baumwolle“ geschrieben. Das neue Listing enthält 12 der 15 Begriffe. Listimo hat dabei jeden Begriff einem Feld zugeordnet und die Wahl mit dem Suchvolumen begründet. „Wolle“ steht im Titel, „Stricken“ mit rund 14.000 Suchanfragen in den Artikel-Highlights, „Häkelgarn“ mit rund 7.200 in der Beschreibung. So lässt sich jede Platzierung nachprüfen. Grafik 2 stellt den alten und den neuen Titel nebeneinander.

Nicht jeder gefragte Begriff gehört ins Listing. „Stricken Buch“ wird rund 3.300 mal im Monat gesucht und steht in den Daten der Nische, beschreibt aber ein Buch. Die KI hat den Begriff bewusst weggelassen. Wer über einen unpassenden Begriff kommt, kauft nicht oder schickt die Ware zurück.

Wer ohne solche Software arbeitet, findet vergleichbare Zahlen in der Seller Central. Markeninhaber sehen in Brand Analytics, wie oft nach einem Begriff gesucht wird und wie oft ihr Produkt dabei erscheint.

Für deutsche Listings kommt eine Besonderheit hinzu. In den versteckten Suchbegriffen wertet Amazon höchstens 249 Byte aus, nicht 249 Zeichen. Jeder Umlaut und jedes ß belegt zwei Byte. „Häkelgarn“ hat neun Buchstaben und braucht zehn Byte, „Größe“ braucht sieben. Im Praxisfall nutzte die KI 208 der 249 Byte und schrieb dort auch Varianten ohne Umlaut wie „haekelwolle“ hinein.

Plattform-Wettbewerb

Same same, but teurer: Das Duplikat-Geschäft bei Temu, Shein & Amazon

Quelle 2: Was Käufer sagen

Rezensionen zeigen, welche Frage ein Listing vor dem Kauf nicht beantwortet hat. Am aufschlussreichsten sind die Bewertungen der Konkurrenz mit drei Sternen und weniger. Dort steht, was Käufer anders erwartet hatten.

Diese Lesearbeit übernimmt Listimo. Das Werkzeug fasst Kritik und Rücksende-Gründe der Kategorie zusammen und prüft, auf welche Punkte das Listing eingeht. Mein altes Listing ging auf 3 von 6 Kritikpunkten ein. Bei Farbverlaufsgarn ist der wichtigste davon die Farbe. Unter den Rücksendegründen der Kategorie Häkeln und Stricken taucht sie am häufigsten auf. Mein altes Listing hatte dazu nur einen Hinweis, dass die Farbe je nach Bildschirm abweichen kann. Die KI hat aus dem Produktfoto abgelesen, welche Töne der Verlauf hat, und schreibt nun: Hellgrau, Hellblau, Dunkelblau.

Seit es Amazons Einkaufs-KI Rufus gibt, wird diese Quelle wichtiger. In Deutschland ist Rufus seit Ende Oktober 2024 in der Amazon-App verfügbar, inzwischen auch im Browser. Käufer tippen dort keine Suchbegriffe, sie stellen Fragen. Rufus antwortet nach Amazons Angaben auf Grundlage des Produktkatalogs, der Rezensionen und der Kundenfragen. Was im Listing fehlt, kann Rufus aus dem Listing nicht beantworten.

Gemessen habe ich das mit zwölf typischen Käuferfragen je Listing. Eine Frage gilt nur als beantwortet, wenn die Antwort wörtlich im Text steht. Das alte Listing beantwortete 7 von 12, das neue 9. Eine der sieben alten Antworten war allerdings die unbelegte Behauptung zur Formstabilität. Sie fehlt im neuen Text, und das ist richtig so. Offen blieben im neuen Listing drei Fragen: Wie wird das Garn gewaschen? Ist es auf Schadstoffe geprüft? Bleibt der Farbverlauf beim Waschen farbecht?

Pünktliche Lieferungen

Amazon zieht die Daumenschrauben weiter an: Neue Lieferregeln setzen Seller unter Druck

Quelle 3: Was das Produkt wirklich ist

Am gefährlichsten an KI-Texten sind erfundene Eigenschaften. Ein Sprachmodell ergänzt Merkmale, die plausibel klingen, aber in keiner Produktangabe stehen. Bei einer Halskette, die eine Händlerin mit Listimo überarbeiten ließ, stand auf der Rückseite die Gravur „In Liebe“. Die KI machte daraus eine „Wendebotschaft“, ein Merkmal, das es so nicht gibt.

Deshalb arbeitet das Prinzip rückwärts: Zu jedem Kaufargument muss die KI angeben, aus welcher Quelle es stammt. Im Praxisfall begründete sie den neuen Titel so: Nach der Marke steht „Wolle“, weil es der meistgesuchte passende Begriff der Nische ist, danach Serie, Bobbel, Farbverlauf, Farbnummer, Gewicht und Lauflänge. Die beiden beanstandeten Stellen aus dem alten Listing kamen nicht wieder vor. Wo Angaben fehlten, hat die KI nicht ergänzt, sondern nachgefragt: Welche Wasch-, Trocken- und Bügelhinweise gelten? Gibt es eine Maschenprobe und eine Verbrauchsangabe? Die Frage nach der Pflege zeigt auch die Messung der Käuferfragen als offen.

Seit dem 27. September 2026 hat diese Kontrolle zusätzlich eine rechtliche Seite. Das geänderte UWG setzt die EU-Richtlinie zur Stärkung der Verbraucher (EmpCo) um. Allgemeine Umweltaussagen wie „umweltfreundlich“ oder „nachhaltig“ sind gegenüber Verbrauchern seitdem nur noch mit anerkanntem Nachweis zulässig. Das e-commerce magazin hat die neuen Regeln im Beitrag zur EmpCo-Richtlinie zusammengefasst. Für Listings heißt das: Ein Wort, das ein Sprachmodell aus Gewohnheit einsetzt, kann abgemahnt werden.

Für Bilder gilt dieselbe Regel. Bildmodelle verändern gern das Produkt: Ein Etikett sieht plötzlich anders aus, eine Form stimmt nicht mehr. Bei der Halskette erschien das Schmuck-Etui auf jedem Bild, sogar auf dem Hauptbild. Der Grund: Das Markenlogo stand nur auf dem Etui, und die KI sollte die Marke zeigen. Was auf dem Referenzfoto liegt, hält eine KI für einen Teil des Produkts. Im Praxisfall prüfte eine Endkontrolle jedes der neun neuen Bilder, bevor es ausgeliefert wurde, und alle neun kamen durch. Die Farbfolge des Verlaufs habe ich danach selbst auf jedem Bild verglichen, sie stimmt überall.

EU-Regeln gegen Greenwashing

EmpCo-Richtlinie: Belege statt grüner Versprechen – was Shops jetzt ändern müssen