Dual Optimized Content GEO-Optimierung im E-Commerce: So erreichen Produkttexte Menschen und KI zugleich

Anbieter zum Thema

Arvato Systems GmbH

Descartes Systems (Germany) GmbH

GEO-Optimierung im E-Commerce entscheidet, ob Marken in KI-Empfehlungen auftauchen. Doch wie gelingt das, ohne Menschen mit nüchternen Produktdaten zu verlieren? Das Antwort-Beleg-Prinzip zeigt, wie.

„32 Liter Volumen, 750 Gramm Gewicht, wasserdichtes 600D-Polyester, TÜV-geprüfte Rückenbelüftung“: Diese Produktmerkmale eines Rucksacks mögen für ChatGPT&Co. relevant sein. Menschen lassen sich eher durch eine reale Produktbewertung überzeugen, wie beispielsweise „Dieser Rucksack hat ausreichend Platz für Wechsel-Klamotten und Verpflegung und hat uns auf vielen Wochenend-Wanderungen – selbst auf den Großglockner – nie im Stich gelassen“.

Nicht nur bei Rucksäcken, bei zunehmend mehr Kaufentscheidungen fragen Menschen „ihre“ KI, den Shopping-Assistenten oder Preisvergleichs-Agenten um Rat, bevor sie überhaupt einen Onlineshop oder Laden betreten. Laut David Dugan, OpenAI’s Head of Global Ads Solutions, haben bereits jetzt rund 20 Prozent aller Anfragen an die KI einen kommerziellen Hintergrund im weiteren Sinne. Der Anteil konkreter „Shopping“-Anfragen liegt allerdings deutlich darunter. Auch wenn die KI empfiehlt, am Ende entscheidet noch der Mensch, ob und was er kauft. Wer als Marke in der KI-Empfehlung aber nicht mehr auftaucht, fällt schnell aus dem Relevant Set.

So wie das SEO-Ranking in der klassischen Google-Suche über Sichtbarkeit entscheidet, so entscheidet die GEO-Optimierung darüber, ob Marken in den KI-Antworten auftauchen. Mit der exponentiell wachsenden Nutzung der Large Language Models und der Generativen künstlichen Intelligenz muss das Marketing also ab sofort zwei Zielgruppen im Blick haben: Menschen und die KI. Das „Share of Model“ kommt als neue, wichtige Kennzahl hinzu – neben dem Share of Market, Voice oder Search. 

Produktseiten, die Kunden emotional abholen, sind für KI-Systeme oft schwer lesbar. Seiten, die für Maschinen sauber strukturiert sind, wirken auf Menschen schnell so attraktiv wie eine Excel-Tabelle.

Stephan Kopp, Managing Director bei Mediaplus Performance

Der Konflikt der zwei Audiences: Mensch und Maschine ticken unterschiedlich

Die Cannes Lions prämieren seit 70 Jahren die beste Werbung der Welt. Als eine aktuelle Studie von Jellyfish und Insead in Partnerschaft mit Brandtech, kürzlich vor Ort in Cannes präsentiert, dieselben preisgekrönten Kampagnen durch eine KI bewerten ließ, kam praktisch keine Übereinstimmung mit dem menschlichen Jury-Urteil heraus. Null Korrelation.

Mensch und Maschine verarbeiten und bewerten Kreativität und Information demnach fundamental unterschiedlich: Inhalte, die Menschen wirklich bewegen, sind emotional, heuristisch und erzählen Geschichten. Für Maschinen ist dieser Content oft unlesbar. Inhalte, die nur für LLMs produziert werden (systematisch, faktenfokussiert und ranking-orientiert), bewegen Menschen nicht genug.

Um in beiden Zielgruppen relevant zu bleiben, braucht es eine starke Markenführung. Was für Menschen gilt, spiegeln auch LLMs als Kernwerte einer Marke wider: eine langfristige Positionierung, ein konsequentes Branding und Assets, die Marken einzigartig machen. Das Gros der Sichtbarkeit von Marken in der KI speist sich aus diesen Quellen. Aber: LLMs sind keine Menschen und „lesen“ Kreativität anders. Menschen und Maschinen haben unterschiedliche „Wahrnehmungen“. Gehirne und Prozessoren arbeiten anders. 

Für Markeninhalte ist das, gerade im E-Commerce, ein Zielkonflikt: Produktseiten, die Kunden emotional abholen, sind für KI-Systeme oft schwer lesbar. Seiten, die für Maschinen sauber strukturiert sind, wirken auf Menschen schnell so attraktiv wie eine Excel-Tabelle. Wer weiterhin nur emotional textet, wird von der KI nicht mehr empfohlen. Wer nur noch für die KI optimiert, läuft Gefahr, den Kunden vor dem Kauf zu verlieren.

ChatGPT & Co.

KI-Kaufberatung: Mit diesem Fahrplan bleiben Händler sichtbar