Viele Kundinnen und Kunden wissen nicht, wie das Produkt heißt, das sie suchen. Sie wissen nur, wofür sie es brauchen: ein Geschenk für jemanden, der gerne kocht, ein Mittel gegen trockene Haut im Winter, eine Ausrüstung für die erste Bergtour. Ein KI-Produktfinder soll genau diese Lücke schließen. Er nimmt eine Beschreibung in eigenen Worten entgegen und schlägt passende Produkte aus dem Sortiment vor. Das klingt nach einer naheliegenden Verbesserung jeder Shopsuche. In der Praxis hängt der Nutzen aber stark vom Sortiment, von den Produktdaten und vom Aufbau ab.
Was ein Produktfinder leisten soll
Ein Produktfinder ist kein neues Konzept. Geführte Auswahlhilfen gibt es seit Jahren: ein Fragebogen mit drei bis fünf Fragen, an dessen Ende eine Empfehlung steht. Sie funktionieren gut, wenn sich der Bedarf in wenigen festen Kategorien beschreiben lässt, etwa Hauttyp, Budget und Anwendungszweck.
Ein KI-Produktfinder geht einen Schritt weiter. Statt Antworten anzuklicken, beschreibt die Kundin ihre Situation frei. Ein Sprachmodell versteht die Beschreibung, leitet daraus Kriterien ab und sucht im Katalog. Das ist dann hilfreich, wenn Menschen ihren Bedarf sehr unterschiedlich ausdrücken oder wenn es auf Kombinationen ankommt, die ein fester Fragebogen nicht abbildet.
Es gibt aber auch Shops, in denen ein KI-Produktfinder wenig bringt. Wer zwanzig Produkte verkauft, die sich klar unterscheiden, braucht gute Kategorien und Filter, keinen Dialog. Und wer bereits eine Suche hat, die bei Tippfehlern und Synonymen versagt, sollte zuerst diese verbessern.
Wann er sich lohnt
Zwei Fragen helfen bei der Entscheidung: Wie unterschiedlich beschreiben Kunden ihren Bedarf? Und wie viel Erklärung braucht das Sortiment, bevor jemand kauft?
Erklärungsbedarf des Sortiments →
- Geführter Fragebogen
- wenige feste Kriterien
- KI-Produktfinder prüfen
- Beschreibung in eigenen Worten
- Kategorien und Filter genügen
- Shopsuche mit Synonymen verbessern
Vielfalt, wie Kunden ihren Bedarf beschreiben →
Grafik verwenden? Gern, mit Quelle Wundrig und Link auf diesen Beitrag. Hinweise
Ein KI-Produktfinder ist also eine Antwort auf einen bestimmten Fall: erklärungsbedürftige Produkte und Kunden, die ihren Bedarf sehr verschieden formulieren. Typische Beispiele sind Ersatzteile mit Kompatibilitätsfragen, Pflege- und Gesundheitsprodukte, technische Ausrüstung oder Geschenke.
Wie wir einen KI-Produktfinder aufbauen
Die wichtigste Entscheidung fällt beim Aufbau: Das Sprachmodell darf keine Produkte erfinden und keine Eigenschaften behaupten, die nicht in den Produktdaten stehen. Deshalb trennen wir die Arbeit in drei Schritte, von denen nur zwei ein Modell nutzen.
Erstens: Beschreibung in Kriterien übersetzen. Das Modell liest die Eingabe und gibt eine feste Struktur zurück, etwa Kategorie, Budget, Größe, Material oder Anwendungszweck. Es antwortet nicht frei, sondern füllt nur diese Felder. Was es nicht ableiten kann, bleibt leer.
Zweitens: Im Katalog suchen. Die Kriterien werden in eine gewöhnliche Abfrage an den Shop übersetzt. Bei Shopify sind das dieselben Filter, die auch die Kategorieseiten nutzen: Verfügbarkeit, Preis, Produkttyp, Varianten und Metafelder. Ergänzend kann eine semantische Suche über Produkttexte helfen, die Bedeutung statt exakter Wörter vergleicht. Das Ergebnis ist eine Liste von Produkten, die tatsächlich existieren und lieferbar sind.
Drittens: Die Auswahl begründen. Erst jetzt formuliert das Modell eine kurze Erklärung, warum ein Produkt passt, und zwar nur auf Grundlage der Felder, die der Shop mitliefert. Findet sich kein passendes Produkt, sagt der Produktfinder das, statt das ähnlichste Produkt als ideal zu verkaufen.
Diese Trennung hat einen praktischen Vorteil: Fehler lassen sich einem Schritt zuordnen. Wurde die Beschreibung falsch verstanden, liegt es an der Übersetzung. Fehlt ein passendes Produkt in der Liste, liegt es an den Daten oder an der Abfrage.
| Schritt | Wer arbeitet | Typischer Fehler |
|---|---|---|
| Beschreibung in Kriterien übersetzen | Sprachmodell | Budget oder Größe falsch gelesen |
| Im Katalog suchen | Shopsystem | Eigenschaft fehlt im Metafeld |
| Auswahl begründen | Sprachmodell | Eigenschaft behauptet, die nicht in den Daten steht |
Wer den zweiten Schritt ebenfalls einem Modell überlässt, also den Katalog als Text übergibt und um eine Empfehlung bittet, bekommt schneller eine Demo, aber auch Empfehlungen für Varianten, die es nicht gibt, oder Preise, die nicht stimmen. Wie solche Verwechslungen entstehen, haben wir in Wenn die KI Ihr Produkt falsch zusammenfasst beschrieben.
Die Daten entscheiden
Ein KI-Produktfinder ist nur so gut wie die Felder, nach denen er filtern kann. Steht die Hautverträglichkeit nur im Fließtext, die Passform nur im Bild und die Kompatibilität in einer PDF-Datei, findet ihn auch das beste Modell nicht. Bevor ein Produktfinder entsteht, lohnt sich deshalb ein Blick auf die Produktdaten: Welche Kriterien nennen Kunden, und gibt es für jedes davon ein gepflegtes Feld? Welche Angaben dafür zählen, steht in unserem Beitrag zu Produktdaten für die KI-Suche.
Oft ist diese Bestandsaufnahme der eigentliche Gewinn. Die gleichen Felder verbessern auch die Filter auf den Kategorieseiten, die interne Suche und die Feeds für Marktplätze.
So prüfen Sie den Produktfinder vor dem Start
Ein Produktfinder sollte nicht live gehen, weil er in einer Vorführung überzeugt hat. Wir prüfen ihn an echten Fragen:
- Fragen sammeln. Aus Kundenservice-Anfragen, Suchbegriffen ohne Treffer und Gesprächen im Laden entsteht eine Liste mit mindestens 50 realen Beschreibungen, wie Kunden sie formulieren.
- Erwartung festhalten. Für jede Frage notiert jemand aus dem Team, welche Produkte passen würden und welche auf keinen Fall.
- Durchlaufen lassen und vergleichen. Für jede Frage wird geprüft: Ist mindestens ein passendes Produkt dabei? Ist ein ungeeignetes Produkt dabei? Behauptet die Begründung etwas, das nicht in den Daten steht?
- Grenzfälle testen. Fragen nach Produkten, die der Shop nicht führt, widersprüchliche Wünsche und Eingaben, die das Modell zu anderen Antworten bewegen wollen.
- Nach dem Start weiter lesen. Die Eingaben im Produktfinder sind eine Liste dessen, was Kunden suchen. Ein Teil des Teams liest sie regelmäßig und ergänzt Daten oder Sortiment.
Die Testliste bleibt nach dem Start bestehen. Bei jeder Änderung an Modell, Abfrage oder Produktdaten läuft sie erneut.
Fazit
Ein KI-Produktfinder lohnt sich für Shops mit erklärungsbedürftigen Produkten und Kunden, die ihren Bedarf sehr unterschiedlich beschreiben. In allen anderen Fällen bringen bessere Filter, Kategorien oder eine robuste Shopsuche mehr. Wenn ein Produktfinder entsteht, sollte das Modell nur übersetzen und begründen, während das Shopsystem sucht. So empfiehlt er nur, was es gibt, und Fehler lassen sich finden. Vor dem Start steht eine Testliste mit echten Kundenfragen.
Für die Shops, die wir als Shopify-Agentur bauen und betreuen, beginnen wir deshalb mit den Produktdaten und der Testliste, bevor ein Modell im Spiel ist.
Häufige Fragen
Was ist ein KI-Produktfinder?
Ein KI-Produktfinder ist eine Auswahlhilfe im Onlineshop, bei der Kunden ihren Bedarf in eigenen Worten beschreiben. Ein Sprachmodell leitet daraus Kriterien ab, der Shop sucht passende Produkte im Katalog, und das Modell erklärt kurz, warum sie passen.
Wie verhindert man, dass ein KI-Produktfinder Produkte erfindet?
Indem das Modell nicht selbst im Katalog sucht. Es übersetzt die Beschreibung in Kriterien, die Suche übernimmt das Shopsystem mit seinen Filtern, und die Begründung stützt sich nur auf die mitgelieferten Produktdaten. Findet sich nichts Passendes, sagt der Produktfinder das.
Lohnt sich ein KI-Produktfinder für jeden Onlineshop?
Nein. Bei einem kleinen, klar gegliederten Sortiment genügen Kategorien und Filter, und bei wenigen festen Kriterien leistet ein geführter Fragebogen dasselbe. Ein KI-Produktfinder lohnt sich vor allem, wenn Produkte erklärungsbedürftig sind und Kunden ihren Bedarf sehr unterschiedlich formulieren.