Metadaten sind beschreibende Informationen zu einem Produkt, die nicht das Produkt selbst sind, sondern es beschreiben – Attribute wie Marke, Material, Kategorie oder Custom Labels, die einer Plattform helfen, den Artikel richtig zu interpretieren, einzuordnen und zu ranken. Sie bilden die Ebene eines Produktfeeds, die über die reinen Fakten zu Preis und Verfügbarkeit hinausgeht und einem Shopping-Algorithmus oder einer Suchmaschine den Kontext liefert, um einen Eintrag der richtigen Suchanfrage oder dem richtigen Regal zuzuordnen. Ein Produkt mit umfangreichen, korrekten Metadaten erscheint in der Regel bei mehr relevanten Suchen als ein ansonsten identisches Produkt mit lückenhaften Metadaten.
Warum Metadaten für die Sichtbarkeit im Feed wichtig sind
Shopping-Plattformen ranken und ordnen Einträge weitgehend danach zu, wie gut ihre Metadaten zu dem passen, wonach ein Käufer sucht. Zwei ansonsten identische Produkte können in Google Shopping oder bei Meta deshalb sehr unterschiedlich abschneiden – allein abhängig davon, wie vollständig ihre Metadaten gepflegt sind. Felder wie Produktkategorie, Custom Labels oder Material- und Musterattribute sind keine Dekoration – sie sind Eingaben, die der Matching-Algorithmus einer Plattform tatsächlich auswertet, und Lücken darin zeigen sich direkt als verlorene Impressionen. Genau hier setzt auch viel Automatisierung an: Fehlende Metadaten in einem großen Katalog von Hand zu ergänzen, ist langsam und fehleranfällig, daher nutzen viele Feed-Management-Workflows heute Regeln oder KI-Anreicherung, um Kategorie-, Attribut- oder Label-Felder in großem Umfang nachzufüllen, statt sie leer zu lassen.
Wie Metadaten funktionieren
Metadaten entstehen typischerweise in einem Quellsystem – einem PIM oder ERP – und gelangen in den Feed entweder direkt, wenn sie bei der Produktanlage korrekt erfasst wurden, oder über Anreicherungsschritte, die sie aus Titel oder Beschreibung ableiten, wenn nicht. Sobald sie befüllt sind, durchlaufen Metadatenfelder eine Normalisierung, damit sie der Taxonomie oder den Wertelisten entsprechen, die der Zielkanal erwartet: Ein internes Kategorielabel wird der Google-Produkttaxonomie zugeordnet, und Custom Labels werden vereinheitlicht, damit sie später in einer Kampagne eine konsistente Segmentierung ermöglichen. Feed-Management-Tools erlauben Händlern oft, Fallback-Regeln für Metadaten zu konfigurieren – etwa die Farbe aus dem Titel abzuleiten, wenn das Feld leer ist –, gerade weil Lücken in den Metadaten zu den häufigsten Qualitätsproblemen in einem Datenfeed gehören.
Beispiel: Metadatenfelder eines Feed-Artikels
<item>
<g:id>SKU-63120</g:id>
<title>Hand-Thrown Stoneware Mug - Speckled Blue</title>
<g:brand>Kiln & Co.</g:brand>
<g:google_product_category>Home & Garden > Kitchen & Dining > Tableware</g:google_product_category>
<g:product_type>Mugs > Ceramic</g:product_type>
<g:material>Stoneware</g:material>
<g:color>Speckled Blue</g:color>
<g:custom_label_0>Bestseller</g:custom_label_0>
</item>Keines dieser Felder beschreibt Preis oder Verfügbarkeit des Bechers – jedes einzelne ist Metadatum, und jedes gibt der Shopping-Plattform eine andere Möglichkeit, genau diesen Eintrag einzuordnen, zuzuordnen oder zu segmentieren.
Verwandte Begriffe
Metadaten sind erst dann nützlich, wenn sie in die Werte normalisiert wurden, die ein Kanal tatsächlich erwartet, und sie gelangen meist als Teil einer umfassenderen Produktfeed-Pipeline aus einem PIM in den Feed, bevor sie überhaupt die Regale eines Kanals erreichen. Einen praktischen Blick darauf, wie sich Metadatenlücken in großem Umfang schließen lassen, bietet How to Automate Product Data Enrichment with AI for Feeds.
