E-Commerce & KI: Warum klassische Performance-Logiken versagen

Kürzlich hat das US-Portal Search Engine Land   über eine Studie berichtet, die die australische SEO-Agentur Dejan Marketing   veröffentlicht hat. Unter dem schlichten Titel "How do people use AI assistants?  " hatte das Team um Suchmaschinenspezialist Dan Petrovic die rare Gelegenheit, mehr als eine Million reale Chat-Verläufe mit KI-Bots inhaltlich zu untersuchen. Insgesamt stand eine Textmenge aus mehr als 4,4 Milliarden Zeichen, 613 Millionen Wörtern und 3,9 Millionen Dialogbeiträgen zur Verfügung.

Kurze Dialoge, hohes Vertrauen

Erste Grunderkenntnis: Die meisten Chats sind kurz. Im Durchschnitt umfassen sie 4,7 Dialogbeiträge (in der Studie "Turns" genannt), der Median liegt sogar nur bei zwei Turns. Die meisten Menschen stellen also eine Frage und erhalten eine Antwort. Die Dialoge sind außerdem eher kurz und präzise: 21 Prozent umfassen weniger als 100 Worte. Der Median liegt bei 430 Wörter pro Session und nur 4,2 Prozent der Chats waren länger als 2.500 Wörter, weil die Nutzer komplexe Aufgaben wie Datenanalyse, Textbearbeitung, Programmierung oder Ähnliches lösten.

Der weit überwiegende Teil einer typischen ChatGPT-Nutzung läuft also äußerst simpel ab: Frage, Antwort, fertig!

Man kann daraus schließen, dass Menschen eine KI meist wie eine verbesserte Suchmaschine nutzen. Das bedeutet auch: Sie sind mit der KI-Antwort zufrieden. Nachfragen erübrigen sich. Oder anders ausgedrückt: Das Vertrauen in die KI-Antwort ist hoch.

Gekauft wird eher selten - vorbereitet aber oft

Weit interessanter ist aber die inhaltliche Art der Nutzung. Petrovic unterschied dabei kommerzielle und nicht-kommerzielle Anfragen.

Die nicht-kommerzielle Nutzung machte rund zwei Drittel der Sessions aus. Dazu gehörten:

• Brainstorming 7,7 Prozent (etwa: Ideenfindung, kreative Problemlösung, Namensfindung)
  
• Planung 6,5 Prozent (etwa: Zeitpläne, Reisepläne, Projektplanung)
  
• Gespräche 6,2 Prozent (etwa: Emotionale Unterstützung, zwanglose Unterhaltung, Rollenspiel)
  
• Analyse 5,7 Prozent (etwa: Dateninterpretation, Mathematik, nicht-kommerzielle Entscheidungen)
  
• Lernen 4,7 Prozent (etwa: Nachhilfe, Erläuterung von Konzepten, Prüfungsvorbereitung)
  
• Inhaltsverarbeitung 4,6 Prozent (etwa: Zusammenfassung, Übersetzung, Neuformatierung)
  
• Kreation 3,9 Prozent (etwa: Schreiben, Dokumente, Code)
  
• Sonstiges/Nicht klassifiziert 25,3 Prozent (Sitzungen, die in keine definierten Kategorien passen)

Eine kommerzielle Nutzung konnte er bei rund einem Drittel (35,4 Prozent) der Sessions erkennen. Hier ging es um Interaktionen rund um klassische Kaufentscheidungsprozesse:

• Awareness 10,0 Prozent (etwa: Kategorien erkunden, Probleme identifizieren, Trends recherchieren)
  
• Vergleich/Consideration 8,5 Prozent (etwa: Optionen vergleichen, Bewertungen lesen, Spezifikationen und Preise prüfen)
  
• Entscheidung 2,8 Prozent (etwa: Einholen von Meinungen, Validieren der Anwendungstauglichkeit, Abwägen von Vor- und Nachteilen)
  
• Produkt-Recherche 4,1 Prozent (etwa: Suche nach Produkten, Marken oder Dienstleistern)
  
• Transaktionssupport 4,8 Prozent (etwa: Anleitungen zum Kauf, Angebote finden, Überprüfung der Legitimität)
  
• Post-Purchase 5,1 Prozent (etwa: Einrichtung, Fehlerbehebung, Rücksendungen, Optimierung)

Bemerkenswert ist dabei einerseits, wie tief die KI-Nutzung in persönliche Lebensbereiche, Denk- und Problemlösungsprozesse eingreift. Andererseits, dass bei der kommerziellen Nutzung der komplette Salesfunnel - begonnen bei der Inspiration bis zum After-Sales-Service - in der KI abgebildet ist. Das Wichtigste aber: Bei der kommerziellen Nutzung werden kaufvorbereitende Sessions (Awareness und Consideration) mit Abstand am intensivsten genutzt.

Merke: Die KI wird nicht genutzt, um ein Produkt zu suchen - sondern um sich überhaupt erst für ein Produkt zu entscheiden!

Lieber Early Bird oder Last Cookie?

Dies bietet für Händler die Gelegenheit, komplett umzudenken: Der Kampf um den Kunden beginnt für die meisten Händler bislang erst kurz vor der Ladenkasse. Ob Shopping-Ads auf Google und Co., Listings in Preisvergleichsseiten, Last-Cookie-Wins-Mechanik oder Affiliate-Programme - verkaufen wollen Händler erst am Ende der Customer Journey. Nur dann lohnt sich der Werbe-Euro auch.

Doch die Studie zeigt: Diese Denke ist überholt - zumindest, wenn man die KI für Verkaufszwecke nutzen will. Der deutlich größere Teil der Sessions wirkt vorbereitend auf den Kaufprozess. Wer erst im letzten Funnel-Segment sichtbar wird, kommt zu spät. Er betritt die Verkaufsbühne, wenn der Hauptakt bereits vorüber ist.

Aber wie kann ein Händler die Wahrnehmung seiner Produkte schon in der frühen KI-gesteuerten Recherchephase beeinflussen? Um das zu verstehen, lohnt ein Blick auf die Funktionsweise aktueller KI-Systeme.

KI-Modelle greifen auf drei Arten von Informationen zurück:

1. Trainingswissen (breit, historisch, textbasiert)
   
2. aktuelle Webdaten (über Suchmaschinen und Live-Abfragen, auch Produktdaten aus Shops)
   
3. kollektive Signale: Bewertungen, Erwähnungen, Vergleiche, Diskussionen

Der erste Punkt ist für einen Händler kaum zu beeinflussen und liegt vollständig in der Hoheit des KI-Anbieters. Der zweite Punkt ist äußerst wichtig, gehört jedoch zum kleinen Einmaleins der KI-Sichtbarkeit. Bleibt Punkt Drei. Hier können Shopbetreiber ihren Hebel gewinnbringend ansetzen.

Im Sales-Funnel früher sichtbar werden

Damit eine KI auf ein Produkt aufmerksam wird, es für relevant erachtet und zuverlässig in seinen Antworten berücksichtigt, muss es häufig, konsistent, positiv und strukturiert erscheinen - in möglichst unterschiedlichen Quellen. Genau hier setzen die Maßnahmen an, die Händler aktiv gestalten können.

• Social-Media und Influencer-Kampagnen
  Social Media-Beiträge erzeugen eine breite Markenpräsenz, wiederholte Erwähnungen und authentische Nutzungskontexte. Es geht dabei weder um Paid-Media-Kampagnen, noch um eine hohe Reichweite. Was zählt sind: Präsenz, Authentizität und Kunden-Interaktion. Inhaltlich sollten Produktvorteile, Alltagsszenarien und Vergleichsargumente im Vordergrund stehen. Influencer können zusätzlich Social Proof schaffen, der zunehmend in KI-Antworten einfließt - besonders bei Empfehlungen ("Was ist das beste Produkt für ...?").
  
  
• Community-Management
  Viele KI-Modelle greifen ausgiebig auf Wikipedia-, Reddit- oder Foren-Inhalte zurück. Diese Quellen gelten für die KI als besonders glaubwürdig, weil sie echte Probleme beschreiben, konkrete Erfahrungen liefern und Alternativen diskutieren. Deswegen gewinnt eine fast vergessene Marketing-Disziplin an Bedeutung: Community-Management. Dabei geht es darum, eigene Foren aufzubauen, eine vorhandene Community zu unterstützen, Meinungsführer zu identifizieren und zu fördern, Fragen aktiv zu begleiten und Expertenantworten zu liefern. Kurz: Hohe und positive Sichtbarkeit in nutzergeneriertem Content aufbauen.
  
  
• Bewertungen systematisch pflegen
  Bewertungen sind einer der stärksten Einflussfaktoren für KI-Empfehlungen. Sie zählen für die KI als harte und leicht quantifizierbare Qualitätsaussagen. Zahlreiche KI-Antworten basieren auf Durchschnittsbewertungen, den dort wiederkehrend genannten Vorteilen, Nutzungsszenarien und Kundenmeinungen. Händler sollten daher Review-Management professionalisieren, Kundendialog stärken, aktives Feedback einholen und Serviceprozesse transparent machen.
  
  
• Content-Marketing, PR und redaktionelle Inhalte
  Blogbeiträge, journalistische Artikel und Fachanalysen erzeugen eine hohe Glaubwürdigkeit - das gilt nicht nur für Menschen, sondern auch für KI, die die Qualität einer Quelle weit kritischer bewertet als im klassische SEO üblich. Klassische PR kann daher besonders wertvoll und nachhaltig sein, insbesondere, wenn eine KI unterschiedliche Artikel aus mehreren Quellen auswerten kann. Hilfreich ist auch hier, eine klare, wiederholte Kommunikationsstruktur zu entwickeln: Produktnutzen, Zielgruppen, Differenzierungsmerkmale und Vergleiche stets konsistent formulieren.
  
  
• Vergleichs- und Preisportale gezielt bespielen
  KI-Systeme lieben die strukturierten Daten, Feature-Listen, Preisvergleiche und Rankings, die solche Portale liefern, weil sie mit diesen Daten faktenbasierte Antworten liefern können. Aber mehr noch: Eine hohe Aktivität signalisiert der KI, dass es sich um einen aktiven Händler, ein gefragtes Produkt und einen preislich guten Deal handelt. Allein die häufige Sichtbarkeit auf solchen Kanälen lässt die KI auf eine hohe Angebotsattraktivität schließen.
  
  
• Konsistente Kommunikation
  Alle Maßnahmen wirken besonders stark, wenn sie konsistent orchestriert werden. Je einheitlicher eine Marke beschrieben wird, desto höher ist die Wahrscheinlichkeit, dass KI-Systeme dieses Bild übernehmen und weitergeben. Händler sollten deshalb eine zentrale, kanalübergreifende Kommunikation entwickeln.
  
  
• Unverwechselbares Angebot mit eigenen Marken
  Optimiert wird diese Strategie, indem in den Top-Seller-Segmenten Eigenmarken, Editionen oder Produkt-Varianten entwickelt werden. Auf diese Weise positioniert sich der Händler unverwechselbar und konfrontiert den Nutzer schon von der ersten Recherchephase mit der eigenen Marke und lenkt ihn gezielt in den eigenen Shop. Denn: Am Ende will der Händler ja kein Gattungsmarketing betreiben, sondern die eigene Kasse klingeln lassen.

Die Customer Journey beginnt heute früher, verläuft anders und wird stärker von KI geprägt, als viele Unternehmen ahnen. Genau deshalb ist jetzt der richtige Zeitpunkt, diese neue Realität aktiv zu gestalten.