Schema-Markup für Modeprodukte: Welche strukturierten Daten liest die KI-Suche?

DAS WICHTIGSTE Zusammenfassung der Redaktion

1. Googles Markup für Händlereinträge verlangt ein Product mit name und image sowie ein Offer mit Preis und Währung und empfiehlt für Bekleidung relevante Eigenschaften wie color, size, material, gtin und audience.
2. Googles Markup für Produktvarianten verwendet ProductGroup mit variesBy, hasVariant und productGroupID und unterstützt Varianten nach Farbe, Grösse, Material, Muster, empfohlenem Alter und empfohlenem Geschlecht.
3. Laut Google ist kein spezielles schema.org-Markup nötig, um in AI Overviews oder im AI Mode zu erscheinen, strukturierte Daten sollten aber mit dem sichtbaren Text auf der Seite übereinstimmen.
4. OpenAI nennt strukturierte Metadaten von eigenen und externen Anbietern, etwa Preis und Produktbeschreibung, als Grundlage für Shopping-Ergebnisse in ChatGPT.
5. Strukturierte Daten sind nur so gut wie die Produktinformationen dahinter; PIM-Qualität, konsistente Identifikatoren und korrekte Verfügbarkeit sind daher wichtiger als das Markup selbst.

Bei Modeprodukten sind die strukturierten Daten, die Suchmaschinen und KI-Shopping-Funktionen lesen, das Product- und Offer-Markup von schema.org, ergänzt um ProductGroup für Grössen- und Farbvarianten. Es gibt Preis, Währung, Verfügbarkeit, Identifikatoren, Materialien, Grössen und Retourenbedingungen in maschinenlesbarer Form an. Es garantiert keine Sichtbarkeit, beseitigt aber Unklarheiten über Fakten, die Assistenten sonst aus der Seite ableiten müssten.

Welche strukturierten Daten nutzen KI-Suchfunktionen tatsächlich?

Google stellt klar, dass AI Overviews und AI Mode kein spezielles Markup benötigen. Laut den Richtlinien gibt es keine speziellen strukturierten Daten nach schema.org, die für diese Funktionen ergänzt werden müssten, und strukturierte Daten sollten mit dem sichtbaren Text auf der Seite übereinstimmen. Produkt-Markup bleibt dennoch wichtig, weil Google es für Händlereinträge nutzt und im Rahmen derselben Grundlagen empfiehlt, die Informationen im Merchant Center aktuell zu halten.

OpenAI beschreibt für ChatGPT eine ähnliche Logik. Die Hilfeseite zu Shopping-Ergebnissen nennt «strukturierte Metadaten von eigenen und externen Anbietern (z. B. Preis, Produktbeschreibung)» als Grundlage und hält fest, dass Händler beantragen können, einen direkten Produkt-Feed bereitzustellen. In der Praxis müssen dieselben sauberen Produktfakten in das Markup auf der Seite, in Händler-Feeds und in allfällige direkte Feeds an Assistenten fliessen.

Welche Eigenschaften sollte eine Produktseite für Mode auszeichnen?

Googles Dokumentation zu Händlereinträgen legt die Mindestfelder und die empfohlenen Felder fest. Bei Bekleidung liefern die empfohlenen Produkteigenschaften den grössten Teil des Nutzens.

Google empfiehlt, Retouren- und Versandrichtlinien einmal auf Organisationsebene festzulegen und Markup auf Offer-Ebene nur zu verwenden, um sie zu übersteuern. So wird vermieden, dass dieselbe Richtlinie auf Tausenden von Produktseiten wiederholt wird und sich dabei widerspricht.

Lesen Sie auch

PIM erklärt: Warum Produktdaten der verborgene Wert einer Modemarke sind

Wie zeichnen Sie Grössen und Farben als Varianten aus?

Eine ProductGroup fasst die Varianten eines übergeordneten Produkts zusammen, sodass gemeinsame Fakten einmal und die Unterschiede pro Variante angegeben werden. Googles Richtlinien zu Varianten legen fest, wie das geht:

• ProductGroup enthält gemeinsame Informationen wie Name, Marke, Beschreibung und Bewertungen.
• variesBy listet die Dimensionen auf, die sich unterscheiden, anhand von schema.org-URLs; Google unterstützt color, size, material, pattern, suggestedAge und suggestedGender.
• hasVariant verschachtelt jedes Varianten-Product, oder jede Variante verweist mit isVariantOf auf ihr übergeordnetes Produkt.
• productGroupID enthält den Identifikator des übergeordneten Produkts (den Style oder die Parent-SKU); Varianten können mit inProductGroupWithID darauf verweisen, und die Werte müssen übereinstimmen, wenn beide verwendet werden.
• Jede Variante braucht einen eigenen eindeutigen Identifikator, etwa eine sku oder gtin.

Für einen typischen Style in vier Farben und sieben Grössen bedeutet das eine ProductGroup und 28 Varianten-Products, jedes mit eigenem Identifikator, Preis und eigener Verfügbarkeit. Genau hier zeigen viele Mode-Websites Schwächen: Das Markup beschreibt oft nur die Standardfarbe und -grösse oder meldet «auf Lager», obwohl die meisten Grössen ausverkauft sind.

Woher sollten die Daten stammen?

Zwei modespezifische Details verursachen die meisten Probleme. Farbnamen sind oft kreativ («Midnight», «Forest») und unterscheiden sich je nach Saison, während Kundinnen, Kunden und Assistenten nach einfachen Farben filtern; behalten Sie beides bei, mit einem normalisierten Wert in Markup und Feeds. Auch Grössensysteme variieren je nach Markt; geben Sie daher an, ob es sich um eine EU-, UK-, US- oder Buchstabengrösse handelt, und halten Sie die Grössenbezeichnungen zwischen Grössenauswahl, Grössentabelle und Markup identisch. Dieselbe Disziplin hilft auch bei Filtern auf der Website und bei Marktplatz-Feeds, nicht nur bei der KI-Suche.

Die Verfügbarkeit erfordert dieselbe Sorgfalt. Markup und Feeds sollten den aktuellen Bestand pro Grösse widerspiegeln und so oft aktualisiert werden wie der Shop selbst, damit ein Assistent keine Grösse empfiehlt, die schon vor Tagen ausverkauft war.

Das Markup sollte aus dem Product-Information-Management-System (PIM) und der Commerce-Plattform generiert und nicht in Vorlagen eingetippt werden. Dieselbe Quelle sollte den Händler-Feed speisen, damit Markup auf der Seite und Feed übereinstimmen. Die Regeln des Merchant Center zeigen, warum Konsistenz wichtig ist: Das Attribut gender ist zum Beispiel für kostenlose Einträge von Produkten der Kategorie Bekleidung und Accessoires sowie für Shopping-Anzeigen mit Ausrichtung auf Brasilien, Frankreich, Deutschland, Japan, das Vereinigte Königreich und die USA erforderlich.

1. Vereinbaren Sie ein einheitliches Schema für Style- und Varianten-Identifikatoren über PIM, ERP, Shop und Feeds hinweg.
2. Normalisieren Sie Farbnamen in eine kontrollierte Liste und behalten Sie den Marketing-Farbnamen für die Anzeige bei.
3. Speichern Sie Faserzusammensetzung und Grössensysteme als strukturierte Attribute, nicht als Freitext.
4. Generieren Sie JSON-LD serverseitig aus diesen Attributen sowie aus aktuellem Preis und Bestand.
5. Validieren Sie mit Googles Test für Rich-Suchergebnisse und überwachen Sie die Berichte der Search Console auf Fehler.

Braucht es llms.txt oder anderes neues Markup?

llms.txt ist ein Vorschlag aus der Community für eine Markdown-Datei, die KI-Agenten einen Überblick über eine Website mit Links zu detaillierten Inhalten gibt. Es ist kein anerkannter Standard für die Aufnahme in die Suche, und Google hält fest, dass keine neuen maschinenlesbaren Dateien oder KI-Textdateien nötig sind, um in seinen KI-Funktionen zu erscheinen. Für die Produktentdeckung haben vollständiges Product- und Offer-Markup sowie korrekte Feeds weiterhin Priorität.

Lesen Sie auch

KI bei Schuhen: Passform, Grössendaten und schnellere Produktentwicklung

Wo liegen die Grenzen strukturierter Daten?

Strukturierte Daten klären Fakten; sie schaffen weder Nachfrage noch Autorität. Eine perfekt ausgezeichnete Seite mit dünnen Beschreibungen, schlechten Bildern oder ohne Bewertungen wird trotzdem überholt oder ausgelassen. Markup macht Fehler zudem schneller sichtbar: Wenn Bestand, Preis oder Grössen im Quellsystem falsch sind, verbreiten strukturierte Daten den Fehler auf jede Oberfläche, die sie liest. Behandeln Sie das Markup-Projekt als Projekt zur Produktdatenqualität mit SEO-Nutzen, für das E-Commerce, Produktdaten und IT gemeinsam verantwortlich sind.

Häufige Fragen

Welches Schema-Markup sollte eine Produktseite für Bekleidung haben?

Mindestens ein Product mit name und image sowie ein Offer mit price und priceCurrency. Ergänzen Sie bei Bekleidung availability, color, size, material, brand, gtin oder sku, audience sowie Retouren- und Versandrichtlinien, und verwenden Sie ProductGroup für Varianten.

Wie zeichne ich Grössen- und Farbvarianten aus?

Verwenden Sie eine ProductGroup, bei der variesBy auf die schema.org-Eigenschaften size und color gesetzt ist, listen Sie jede Variante mit hasVariant auf und geben Sie der Gruppe eine productGroupID. Jede Variante braucht eine eigene sku oder gtin, einen eigenen Preis und eine eigene Verfügbarkeit.

Helfen strukturierte Daten bei ChatGPT und im Google AI Mode?

Laut Google ist für AI Overviews oder AI Mode kein spezielles Markup erforderlich, doch Produkt-Markup und Merchant-Center-Daten speisen die Shopping-Funktionen. OpenAI nennt strukturierte Metadaten wie Preis und Beschreibung als Grundlage für Shopping-Ergebnisse in ChatGPT.

Brauche ich eine llms.txt-Datei?

Nein. llms.txt ist ein Vorschlag aus der Community, keine Anforderung, und Google hält fest, dass für seine KI-Funktionen keine KI-Textdateien nötig sind. Korrektes Produkt-Markup und präzise Feeds sind für den Mode-E-Commerce wichtiger.

LeitfadenDer umfassende Leitfaden zu KI in Modedesign und ProduktentwicklungDen ganzen Leitfaden lesen