Metadaten sind beschreibende Informationen, die einem Produkt zugeordnet sind und es beschreiben – Attribute wie Marke, Material, Kategorie oder benutzerdefinierte Labels. Sie helfen einer Plattform, den Artikel korrekt zu interpretieren, zu klassifizieren und zu ranken. Sie bilden die zusätzliche Ebene eines Produktfeeds, die über die reinen Fakten wie Preis und Verfügbarkeit hinausgeht und einem Shopping-Algorithmus oder einer Suchmaschine den Kontext liefert, den sie benötigt, um ein Angebot der richtigen Suchanfrage oder dem passenden Regal zuzuordnen. Ein Produkt mit umfassenden und präzisen Metadaten wird in der Regel bei relevanteren Suchanfragen angezeigt als ein ansonsten identisches Produkt mit spärlichen Metadaten.
Warum Metadaten für die Sichtbarkeit von Feeds wichtig sind
Shopping-Plattformen bewerten und ordnen Angebote maßgeblich danach, wie gut deren Metadaten mit den Suchanfragen der Käufer übereinstimmen. Das bedeutet, dass zwei ansonsten identische Produkte in Google Shopping oder Meta völlig unterschiedlich abschneiden können, allein aufgrund der Vollständigkeit ihrer Metadaten. Felder wie Produktkategorie, benutzerdefinierte Labels und Material- oder Musterattribute sind nicht nur Dekoration – sie sind Eingaben, die der Matching-Algorithmus einer Plattform tatsächlich auswertet, und Lücken in diesen Feldern führen direkt zu verlorenen Impressionen. Hier kommt auch die Automatisierung ins Spiel: Fehlende Metadaten manuell in einem großen Katalog zu ergänzen, ist langsam und fehleranfällig. Daher verwenden viele Feed-Management-Workflows mittlerweile Regeln oder KI-gestützte Anreicherung, um Kategorie-, Attribut- oder Labelfelder in großem Umfang automatisch zu ergänzen, anstatt sie leer zu lassen.
So funktionieren Metadaten
Metadaten stammen typischerweise aus einem Quellsystem – einem PIM- oder ERP-System – und gelangen entweder direkt in den Feed, wenn sie bei der Produkterstellung korrekt erfasst wurden, oder über Anreicherungsschritte, die sie aus Titel oder Beschreibung ableiten, falls dies nicht der Fall war. Nach der Erfassung werden die Metadatenfelder normalisiert, um der vom Zielkanal erwarteten Taxonomie oder Enumeration zu entsprechen. So wird beispielsweise eine interne Kategoriebezeichnung der Produkttaxonomie von Google zugeordnet und benutzerdefinierte Bezeichnungen werden standardisiert, um eine konsistente Segmentierung im späteren Verlauf einer Kampagne zu ermöglichen. Feed-Management-Tools bieten Händlern häufig die Möglichkeit, alternative Metadatenregeln zu konfigurieren – beispielsweise die Farbableitung aus dem Titel, wenn das Feld leer ist –, da fehlende Metadaten zu den häufigsten Qualitätsproblemen in Datenfeeds zählen.
Beispiel: Metadatenfelder eines Feed-Elements
<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 den Preis oder die Verfügbarkeit der Tasse – es handelt sich dabei ausschließlich um Metadaten, die der Shopping-Plattform jeweils eine andere Möglichkeit bieten, dieses Angebot zu klassifizieren, abzugleichen oder zu segmentieren.
Verwandte konzepte
Metadaten sind erst dann nützlich, wenn sie in die vom jeweiligen Kanal erwarteten Werte normalisiert wurden. Sie gelangen typischerweise als Teil einer umfassenderen Produktdaten- Pipeline aus einem PIM-System in den Feed, bevor sie die Regale des Kanals erreichen. Praktische Hinweise zum Schließen von Metadatenlücken im großen Maßstab finden Sie unter „ Automatisierte Produktdatenanreicherung mit KI für Feeds“.