Die perfekte Produktbeschreibung - Vom Keyword zum verkaufsstarken Text

Wie erstellt man eine Produktbeschreibung, die potenzielle Kunden zum Kauf animiert? Vor dieser Frage stehen wohl die meisten Onlinehändler. Nachfolgend erklären wir, wie du von einem Keyword auf die Suchintention des Kunden schließen und anhand dieser eine verkaufsstarke Produktbeschreibung erstellen, personalisieren und automatisieren kannst. Denn der Kunde von heute erwartet von Webseiten auf ihn zugeschnittene Inhalte. Dieses Bedürfnis gilt es also zu befriedigen: Dem Kunden in jedem Schritt in der Customer Journey die bestmögliche Nutzererfahrung zu bieten.

Die Keywordanalyse

Was gehört in meine Produktbeschreibung und woher weiß ich, welche Informationen der Kunde sucht? 

Die Antwort liefert eine eingehende Keywordanalyse. Diese Keywords lassen sich dann in Gruppen bzw. Themengebiete einteilen. Auch die Häufigkeit der Suchanfragen lässt sich anhand entsprechender Tools bestimmen. Generell unterteilen sich Keywords in Short-, Mid- und Longtail-Keywords. 

Short-Tail-Keywords bestehen meist aus ein bis zwei Wörtern, sind sehr allgemeine und oft gesuchte Begriffe, für gewöhnlich haben sie ein hohes Suchvolumen 

Longtail-Keywords haben weniger Suchvolumen, sind deutlich spezifischer, haben niedrigere Click-per-Cost (CPCs), dafür aber höhere Conversion Rates

Tools, die sich für die Keywordanalyse besonders eignen, sind zum Beispiel:

1. Kostenlose Tools
   Ubersuggest, searchvolume.io, keyword-tools.org, answerthepublic
2. Kostenpflichtige Tools
   Sistrix.de, Searchmetrics, ahrefs, SEMRush, xovi
3. Google Tools
   Google Keyword Planner, Google Trends, Google Search Console, Verwandte Suchanfragen
4. Diverse Tools & Prozesse
   Inhalte des Wettbewerbs analysieren, Zulieferer befragen, Befragung von & Brainstorming mit Experten, Kombination aller Produkt- und Kategorie-Keywords mit allen Filtern und anschließendem Suchvolumen-Check jeder möglichen Kombination

Anschließend lassen sich die Keywords in unterschiedliche Themengebieten unterteilen bzw. zusammenfassen. So können übergeordnete Suchbegriffe mit zugehörigen Keywords verknüpft werden. Bei unserem Beispiel-Suchbegriff “Avocado” sieht das dann so aus:

Vom Keyword zur Suchintention

Hinter jedem Keyword steckt eine Suchintention, also die Absicht eines Nutzers, mittels einer Suche eine bestimmte Information zu erlangen bzw. ein bestimmtes Ziel zu erreichen. Das kann  zum Beispiel ein Kaufabschluss sein. Diese Suchintentionen lassen sich so einteilen, dass aus ihnen die Informationsbedürfnisse der Nutzer abgeleitet werden können. Man unterscheidet dabei “DO”, “KNOW”, “WEBSITE” und  “VISIT”:

1. DO  (User möchte bestimmte Aufgabe erledigen)
2. KNOW (Informationsbedarf erfüllen) und KNOW SIMPLE (User hat Frage, die eindeutig und einfach beantwortet werden kann)
3. WEBSITE (User will bestimmte Website besuchen)
4. VISIT (User hat lokale Anfrage)

Je nach Suchintention stellt der Nutzer eine spezifische Anforderung an den Inhalt einer Webseite. Die Erfüllung dieser Bedürfnisse kann zum Beispiel mittels Videos, Bildern, Texten, Überschriften, spezifischen Landingpages u.ä. erfolgen. Je besser der Content auf die Suchintentionen abgestimmt ist, umso besser ist auch das Ranking in den Suchmaschinen.

Suchintentionen analysieren, Kundenbedürfnisse verstehen

Die Suchintention birgt das eigentliche Kundenbedürfnis in sich. Suchintentionen zu analysieren heißt  also auch, die Kundenbedürfnisse verstehen zu können, um diese schließlich bestmöglich zu erfüllen. 

Das Job-To-Be-Done-Framework ist ein gutes Mittel, um eine Suche auf das Kundenbedürfnis hin zu analysieren. Dabei wird ein Keyword auf drei Dimensionen hin erforscht - auf funktionaler, sozialer und emotionaler Ebene. Daraus lassen sich am Ende spezifische Bedürfnisse des Nutzers ableiten, die dann in entsprechender Betextung verarbeitet werden können. Damit ist dies auch der Grundstein für die Personalisierung von Produktbeschreibungen. 

Ein Job-To-Be-Done-Framework am Beispiel des Keywords “white sneaker”:

Wieso Produktbeschreibungen personalisieren?

Die Personalisierung der Produktbeschreibungen ist wichtig, um die Erwartungen des Nutzers, oder des potenziellen Kunden, zu erfüllen. Nur so kann hochqualitativer Content geliefert werden, der zudem skalierbar ist. Das ist nicht zuletzt ein wichtiger Faktor, um konkurrenzfähig zu bleiben oder sogar einen Vorteil im Wettbewerb zu erzielen. Denn wer Kunden gute, personalisierte Produktbeschreibungen anbietet, wird auch mehr Engagement und eine hohe Conversion mit seinen Produktinhalten verzeichnen.  

Es gibt verschiedene Möglichkeiten, den vom Nutzer gewünschten Content zu erstellen:

1. Manueller Content: Erstellt von Agenturen, Freelancern oder Inhouse Editorial Teams
2. Regelbasierter, automatisierter Content: Datengetriebene Inhalte (AX Semantics)
3. Komplett AI basierter Content (GPT-3 etc.)

Wir wollen uns auf die regelbasierten Produktbeschreibungen konzentrieren. Diese sind datengetrieben, skalierbar und personalisierbar und somit am besten für die Erstellung von Produkttexten geeignet. 

Gut strukturierte und fehlerfreie Produktdatensätze sind der Ausgangspunkt für die Automatisierung von Produktbeschreibungen. Um gute Produkttexte zu erstellen, müssen die Eigenschaften eines Produktes in einen Nutzen für potenzielle Kunden verwandelt werden. Bei dieser Umwandlung kommt es auf das Wissen des Texters an, der die Automatisierung anstößt. Es ist die Grundlage für verkaufsstarke, einzigartige und lesenswerte Produktbeschreibungen.

Personalisierte Produktbeschreibungen durch datengetriebene Inhalte

Es ist nun deutlich geworden, warum die Personalisierung der Inhalte so wichtig ist und immer wichtiger wird. Doch wie können auf die Bedürfnisse einzelner Kunden angepasste Produkttexte  erstellt werden? 

Zur Generierung personalisierter Texte führen folgende Schritte:

1. Analyse der Keywords und Suchintentionen
2. Datenpunkte (Produktbestand, -merkmale) generieren
3. Erste Schritte der personalisierten Ausspielung der Inhalte

Diese drei Schritte bilden den “Content-Lake” – die Bezeichnung einer Strategie, bei der  Big-Data-Ressourcen genutzt werden, um Kunden ein bestmögliches Nutzererlebnis zu bieten. Das heißt, es werden viele verschiedene Texteinheiten in diesem Datenpool hinterlegt, die dann entsprechend der individuellen Customer Journey zusammengesetzt und auf den Kunden hin personalisiert ausgespielt werden können. 

Da bei skalierten Vorhaben manuell erstellte Inhalte nicht ausreichen, kommt nur eine Automatisierung in Frage. Diese wiederum ermöglicht die Personalisierung der Inhalte. Für die Automatisierung ist eine Software von Nöten, die regelbasierte und datengetriebene Inhalte erstellt. Vor allem, wenn hochskalierte Produkttexte gewünscht werden und viele Attribute umgewandelt werden sollen, sollte auf diese Art der automatischen Textgenerierung gesetzt werden. 

Mit der Software von AX Semantics ist es beispielsweise auch möglich, die Texte in 110 Sprachen zu übersetzen, so international zu agieren und Kunden noch zielgerichteter ansprechen zu können.

Wie automatisierte Produktbeschreibungen alle Kunden erreichen

Kundenbindung gelingt durch personalisierte und skalierte Texte, die sich aus dem “Content-Lake” ergeben und an den Kunden kommuniziert werden. Dabei steht das zielgerichtete Erreichen des Kunden im Vordergrund, also die Ausspielung für ihn treffender Inhalte, maßgeschneidert auf seine Suchintention. Doch wie gelingt das? 

AX Semantics unterscheidet fünf Kundentypologien, die an verschiedenen Punkten in einer Customer Journey stehen und damit unterschiedliche Anforderungen haben.

5 Typen in der Customer Journey

1. First time visitor: Der Besucher, der zum ersten mal den Shop besucht und dem Shop vertrauen will. 
2. Inspirational Type: Der Besucher, der noch auf der Suche ist und sich inspirieren lassen möchte.
3. Researcher: der Besucher, der sich tiefer über die Produkte informieren will, weil er noch nicht genau weiß, worauf es bei den Produkten ankommt.
4. Comparer: Der Besucher, der schon genauer weiß was er möchte, aber noch Details vergleicht.
5. Buyer: Der Besucher weiß, was er will, und hat die Kaufentscheidung getroffen.

Allen fünf Typen werden unterschiedliche Inhalte ausgespielt, die sich aus dem gleichen Content-Lake speisen. Kunden, die nach Inspiration suchen haben natürlich einen anderen Informationsbedarf als Kunden, die schon kurz vor einem Kaufabschluss steht. Aus technischer Sicht ist es durchaus möglich, jedem Kunden einen individuell zugeschnittenen Text auszuspielen. Dem vorausgehend ist ein größerer Aufwand bei der Datenspeicherung und -verarbeitung nötig.

Erfolg der Maßnahmen messen

Die Personalisierung der Texte ist durch die Anwendung geeigneter Tools möglich. Hierbei bietet sich zum Beispiel die E-Commerce Suite von AX Semantics an. Sie ermöglicht eine automatisierte Personalisierung von Texten mithilfe von Echtzeit-Nutzerdaten. Dies gelingt ganz einfach durch die Einbindung eines Code-Snippets in der Webseite, der das Nutzerverhalten einzelner Webseiten-Besucher feststellt.

Wichtig ist, die Effizienz der vorgenommenen Maßnahmen zu überprüfen und die Leistungskennzahlen (KPIs) stets im Auge zu behalten zu analysieren. Das gelingt durch eine toolbasierte Messung, die die korrekte Ausspielung der Produktseiten sicherstellt. Nur wer die Daten seiner Seite kennt, kann aus ihnen Handlungsentscheidungen ableiten, die den Online-Shop aufwerten und das Wachstum vorantreiben. 

Tools, wie Metrics von AX Semantics, sammeln Onsite-Nutzerdaten und sind somit Entscheidungsstützen für Maßnahmen, die zur Optimierung der Produktseiten vorgenommen werden sollten. Metrics ist zudem direkt mit der automatisierten Texterstellung verknüpft, sodass sich die Anpassungen direkt skalierbar und automatisch realisieren lassen. Hier schließt sich der Kreis, denn diese Daten, die direkt in die Optimierungen für die Produktbeschreibungen einfließen, dienen auch als Basis für die Personalisierung.

Beispielhaft für eine erfolgreiche Personalisierung von Produkttexten ist die Metav Werkzeuge GmbH. Die Firma konnte in ihren Online-Shops nach nur einem Monat die Conversions um 57 Prozent steigern, die Engagement-Rate stieg um 29 Prozent.