VorgehenWie gehen wir Suche und Personalisierung an?
01Suchverhalten auswerten
Häufigste Suchbegriffe, Nulltreffer, Abbrüche nach der Suche und Konversionsrate der Suchnutzer ansehen. Suchnutzer kaufen in vielen Shops deutlich häufiger als der Durchschnitt.
02Produktdaten prüfen
Titel, Produkttyp, Tags, Attribute und Metafelder auf Vollständigkeit und Einheitlichkeit prüfen. Ohne diesen Schritt bleibt jede Relevanzsteuerung Raterei.
03Suche und Filter einrichten
Synonyme, Feldgewichtung, Filterachsen und Ergänzungsprodukte konfigurieren. Danach prüfen wir die Trefferlisten für die Begriffe, die tatsächlich Umsatz bringen.
04Merchandising-Regeln
Standardsortierung je Kollektion festlegen, Verfügbarkeit berücksichtigen, Kampagnenplätze definieren. Regeln statt manueller Reihenfolge, damit es auch nächste Saison noch stimmt.
05Empfehlungen platzieren
Verwandte und ergänzende Produkte an den Stellen einbauen, an denen sie eine Frage beantworten: Produktseite, Warenkorb, nach dem Kauf im Kundenkonto.
06Messen und nachschärfen
Konversionsrate der Suchnutzer, Klickrate der Empfehlungen und Umsatz je Kollektion beobachten. Personalisierung ohne Messung ist eine Behauptung.
FAQHäufige Fragen zu Personalisierung und Suche auf Shopify
Reicht die Shopify-Suche oder brauchen wir ein Zusatzsystem?
Für die meisten Sortimente reichen die Bordmittel länger als erwartet: Synonyme, Feldgewichtung, Filter und Ergänzungsprodukte sind ohne Zusatzkosten konfigurierbar. Ein externer Suchindex lohnt sich bei sehr großen Katalogen, vielen technischen Attributen, Mehrsprachigkeit oder wenn Du Relevanz feingranular steuern musst. Wir prüfen das an Deinen echten Suchanfragen, nicht an einer Funktionsliste.
Warum trennt Ihr Suche und Personalisierung nicht in zwei Themen?
Weil beide aus derselben Quelle leben: Deinen Produktdaten. Eine Empfehlung ist eine gefilterte, sortierte Liste - genau wie ein Suchergebnis. Wer die Themen trennt, baut zweimal dieselbe Datenpflege auf und wundert sich später über widersprüchliche Ergebnisse an unterschiedlichen Stellen. Wir behandeln beides deshalb als eine Aufgabe mit einer gemeinsamen Datengrundlage.
Wie sortieren wir ausverkaufte Produkte nach hinten?
Shopify bietet dafür keine eigene Standardsortierung. Der übliche Weg führt über automatisierte Kollektionen mit Bestandsbedingung, ergänzt um Regeln im Theme oder eine App. Wichtig ist, dass die Regel automatisch greift - eine einmalige manuelle Sortierung ist nach der nächsten Lieferung wieder falsch.
Was bringen Produktempfehlungen konkret?
Sie wirken vor allem dort, wo sie eine offene Frage beantworten: passendes Zubehör auf der Produktseite, Ergänzungen im Warenkorb, Nachbestellungen im Kundenkonto. Als dekorative Karussell-Reihe am Seitenende bringen sie wenig. Entscheidend sind Platzierung und Ausschlussregeln, nicht die Rechenlogik dahinter. Deshalb beginnen wir mit zwei, drei Platzierungen und messen, statt überall Flächen zu füllen.
Wie hängt das mit Consent und Datenschutz zusammen?
Personalisierung auf Basis von Verhalten und Profilen berührt Einwilligung und Datenverarbeitung. Empfehlungen aus dem Katalog selbst - verwandte Produkte, Ergänzungen, Sortierregeln - kommen ohne personenbezogene Profile aus. Wir bauen deshalb zuerst das, was ohne Profilbildung funktioniert. Alles, was auf Profilen aufbaut, kommt erst danach - und nur mit sauber verdrahtetem Einwilligungsstatus.
Wie messen wir, ob es etwas gebracht hat?
Über die Konversionsrate der Suchnutzer gegenüber allen Nutzern, den Anteil der Nulltreffer, die Klickrate der Empfehlungsflächen und den Umsatz je Kollektion vor und nach der Umstellung. Wo genug Traffic vorhanden ist, testen wir Sortier- und Empfehlungsregeln gegeneinander statt sie zu behaupten.
Findet Dein Kunde, was er sucht?
Wir sehen uns Suchbegriffe, Nulltreffer und Kollektionssortierung an und sagen Dir, welcher Hebel bei Deinem Sortiment zuerst wirkt.
