Feed-Optimierung ist die fortlaufende Praxis, die Daten in einem Produktfeed – Titel, Beschreibungen, Bilder und Attribute – so zu verbessern, dass Shopping-Plattformen und Suchmaschinen Angebote besser ranken, zuordnen und darstellen. Sie reicht vom Verfassen keywordstarker Titel bis zum Befüllen optionaler Felder, die Plattformen für das Matching nutzen, und wird kontinuierlich statt als einmalige Bereinigung betrieben, da sich sowohl Ranking-Algorithmen als auch Angebote der Wettbewerber ständig verändern. Während das Feed-Management sicherstellt, dass die Daten korrekt sind, sorgt die Feed-Optimierung dafür, dass sie wettbewerbsfähig sind.
Warum Feed-Optimierung wichtig ist
Zwei Feeds können gleich korrekt sein und in bezahlten wie organischen Shopping-Ergebnissen dennoch sehr unterschiedlich abschneiden, denn Plattformen belohnen Angebote, die ihnen mehr Material liefern: Vollständige Attribute, gut strukturierte Titel und Bilder, die Qualitätsanforderungen erfüllen, beeinflussen, ob ein Produkt bei einer relevanten Suche erscheint und wie viel es kostet, eine Auktion zu gewinnen. Ein dünner oder generischer Titel mag das Produkt technisch korrekt beschreiben und trotzdem jede Impression an den detaillierteren Titel eines Wettbewerbers verlieren. Optimierung wirkt zudem kumulativ, wie es viele andere Feed-Aufgaben nicht tun – eine bessere Titelvorlage oder Attributzuordnung gilt für jedes Produkt, das sie nutzt, sodass sich der Nutzen über den gesamten Katalog statt über ein einzelnes Angebot vervielfacht.
Wie sie funktioniert
Feed-Optimierung beginnt meist mit einer Bestandsaufnahme, oft durch Feed-Benchmarking gegenüber Wettbewerbern oder Kategorienormen. Anschließend werden Geschäftsregeln angewendet, die Titel systematisch umschreiben, fehlende Attribute befüllen und die Kategorisierung im gesamten Katalog statt Produkt für Produkt anpassen. Solche Regeln können etwa Größe und Farbe an Titel anhängen, denen sie fehlen, Material oder Muster in ein eigenes Attribut übernehmen oder Beschreibungen so umstrukturieren, dass sie mit den meistgesuchten Begriffen beginnen. Plattformen spiegeln die Ergebnisse über Signale wie den Qualitätsfaktor zurück, der zeigt, wie relevant und vollständig eine Anzeige oder ein Angebot im Verhältnis zur Suchanfrage wirkt – und geben Teams so eine Feedbackschleife, um Regeln weiter zu verfeinern. Da die Regeln auf Feed-Ebene greifen, kann eine einzige Änderung die Leistung von Tausenden SKUs gleichzeitig steigern.
Beispiel
<item>
<g:id>SKU-40218</g:id>
<title>Nordwool Merino Wool Beanie - Slate Grey, One Size</title>
<g:description>Soft 100% merino wool beanie in slate grey, ribbed knit, machine washable, one size fits most.</g:description>
<g:color>Slate Grey</g:color>
<g:material>Merino Wool</g:material>
<g:size>One Size</g:size>
</item>Im Vergleich zu einem bloßen Titel wie „Wool Beanie“ ergänzt diese Version Marke, Farbe und Größe direkt im Titel und befüllt zusätzlich die eigenen Attribute color, material und size – eine Kombination, die Plattformen sowohl für das Text-Matching als auch für strukturierte Filter in Shopping-Ergebnissen nutzen.
Verwandte Begriffe
Feed-Optimierung ist am wirkungsvollsten, wenn sie auf Feed-Benchmarking folgt, denn das Wissen um die Schwachstellen eines Feeds lenkt die Arbeit auf die Felder, die die Leistung tatsächlich verändern. Umgesetzt wird sie über dieselben Engines für Geschäftsregeln, die auch andere automatisierte Feed-Änderungen abwickeln. Ihre Ergebnisse zeigen sich am direktesten im Qualitätsfaktor und ähnlichen Plattformkennzahlen – deshalb übertrifft fortlaufende Optimierung in der Regel einmalige Korrekturen. Einen tiefergehenden strategischen Rahmen bietet Power Up Performance Max: The Strategic Guide to Feed Optimization.
