Suche als Umsatzhebel: Null-Treffer, Steuerung ohne Entwickler, Auswertung

Freitagnachmittag, kurz vor dem Wochenende. Im Suchreport steht eine Zeile ganz oben, mit hunderten Anfragen im Monat und null Treffern. Dahinter steckt die interne Artikelnummer eines Bestsellers, den es sehr wohl im Katalog gibt. Der Kunde hat sie eingetippt, eine leere Ergebnisseite gesehen und den Shop wieder verlassen.

Zwei Schreibtische weiter sitzt die Merchandiserin. Sie will für die Herbstaktion drei Produkte in der Suche nach oben ziehen. Die IT hat für die Änderung einen Termin in zwei Wochen. Bis dahin ist die Aktion vorbei.

Beide Szenen beschreiben denselben blinden Fleck. Die Suchleiste ist im E-Commerce oft die umsatzstärkste Fläche im Shop, und trotzdem behandeln viele Teams sie wie eine technische Randfunktion. Wer die Shop-Suche als Umsatzhebel steuern will, braucht drei Dinge gleichzeitig: keine leeren Ergebnisse, direkte Kontrolle für Marketing und Vertrieb, und eine ehrliche Auswertung dessen, was die Suche tatsächlich verkauft.

Warum die Suchleiste über Umsatz entscheidet

Kunden, die suchen, wissen schon, was sie wollen. Sie tippen einen Begriff, eine Marke oder eine Artikelnummer ein und erwarten das passende Produkt. Diese Nutzer haben eine deutlich höhere Kaufabsicht als jemand, der sich durch Kategorien klickt. Die Nielsen Norman Group formuliert seit Jahren die gleiche Grundregel (abgerufen am 11.09.2026). Eine sichtbare, einfache Suche gehört zu den stärksten Conversion-Treibern einer Website.

Der Umkehrschluss ist unbequem. Jede Suchanfrage, die ins Leere läuft, trifft genau die Kunden mit der höchsten Absicht. Der Verlust ist nicht sichtbar, weil er in keiner Warenkorb-Statistik auftaucht. Er versteckt sich in Anfragen, die nie zu einem Klick geführt haben.

Wie groß der Hebel sein kann, zeigt ein freigegebenes Kundenergebnis. Die B&W Handelsgesellschaft mbH berichtet: "Bereits nach zwei Monaten stieg unsere Conversion Rate um 10 Prozent, und nach vier Monaten konnten wir einen Zuwachs von 19 Prozent verzeichnen." Solche Zahlen sind kundenspezifisch. Verbindliche Zielwerte für Ihren Shop bleiben TBD im Termin, weil sie von Sortiment, Traffic und Ausgangslage abhängen. Die Richtung aber ist klar: an der Suche hängt messbarer Umsatz.

Wo dieser Umsatz konkret entsteht oder verloren geht, lässt sich auf drei Ebenen festmachen, die im Tagesgeschäft oft getrennt betrachtet werden, obwohl sie zusammen über die Wirkung der Suche entscheiden.

Alle drei sind steuerbar.

Null-Treffer: der stille Umsatzverlust

Null-Treffer sind mehr als ein Randfall. Hinter jedem steht verpasste Kaufabsicht. Der Kunde hat aktiv gesucht. Er bekommt eine leere Seite und einen Impuls, den Anbieter zu wechseln. Die leere Ergebnisseite bleibt immer ein Problem, das man abstellt.

Fast immer sind die Ursachen dieselben. Ein Tippfehler im Suchbegriff. Ein Synonym, das im Produkttext fehlt. Eine Artikelnummer oder ein EAN-Code, den die Suche als Fließtext behandelt. Eine Formulierung aus Kundensicht, die zur Katalogsprache nicht passt. Eine herkömmliche Suche, die nur den wörtlichen Zeichenabgleich beherrscht, scheitert an all diesen Fällen.

Genau hier setzt Fehlertoleranz (Typo-Tolerance) an. Sie fängt Vertipper und abweichende Schreibweisen ab, bevor sie zu einem leeren Ergebnis werden. Das Baymard Institute zeigt in seinen E-Commerce-Studien, wie stark die Art der Suchanfrage darüber entscheidet, ob ein Shop ein Ergebnis liefern kann (abgerufen am 11.09.2026). Symbolische Anfragen wie Artikelnummern und thematische Anfragen wie „Geschenk für Angler" verlangen unterschiedliche Verarbeitung.

Hier greift das AI Data Discovery Framework. BatteryIncluded aggregiert die Daten nativ aus ERP, PIM, CMS und Shopsystem. So arbeitet die Suche direkt auf den Quellsystemen. Die semantische Suche (semantic search) versteht die Absicht hinter der Anfrage und reicht über die reine Zeichenkette hinaus. Die hybride Suche (Hybrid Search) kombiniert dieses semantische Verständnis mit dem exakten Treffer, sodass die Suche zugleich vage Fragen und präzise Artikelnummern bedient. Auf dieser Grundlage werden leere Ergebnisse selten, weil das System aus verwandten Produkten, Kategorien und Attributen eine sinnvolle Antwort bilden kann.

Einen praktischen Einstieg dazu bietet der Beitrag zum Vermeiden leerer Trefferlisten: keine Suchergebnisse vermeiden.

Vier Auslöser dominieren die leeren Trefferlisten:

• Tippfehler und Buchstabendreher im Suchbegriff
• Synonyme und Umgangssprache, die im Produkttext fehlen
• Artikelnummern und EAN-Codes ohne eigene Erkennung
• Filterkombinationen, die kein Produkt gleichzeitig erfüllt

Dieser letzte Punkt verdient einen eigenen Gedanken. Auch eine gut befüllte Facettensuche (Faceted Search) produziert leere Ergebnisse, wenn Kunden mehrere Filter kombinieren, die sich gegenseitig ausschließen. Eine gute Steuerung schlägt in diesem Fall eine gelockerte Filterung vor und führt den Kunden weiter.

Steuerung ohne Entwickler: Merchandising als Marketing-Werkzeug

Zurück zur zweiten Szene vom Anfang. Sie zeigt ein Strukturproblem. In vielen Shops führt jede Ranking-Änderung über ein Ticket an die Entwicklung. Marketing plant eine Kampagne, die IT priorisiert nach eigener Roadmap, und die Aktion startet zu spät. Das Ergebnis ist eine Suche, die keiner steuert, weil die Steuerung zu teuer ist.

Merchandising in der Suche kehrt dieses Verhältnis um. Die Fachabteilung greift direkt in die Reihenfolge der Treffer ein, ohne Entwicklerressourcen zu binden. Die G.Wurm GmbH + Co. KG beschreibt den Effekt so: "Jetzt kann der Vertrieb die Suche ohne IT steuern, Marketingaktionen greifen durch – und der Shop wirkt wie aus einem Guss." Genau das ist der Unterschied zwischen einer Suche als Kostenstelle und einer Suche als Umsatzhebel.

Zwei Werkzeuge stehen dabei im Zentrum. Boosten hebt Produkte oder Produktgruppen im Ranking an, etwa saisonale Ware, margenstarke Artikel oder eine beworbene Marke. Pinnen setzt ein konkretes Produkt fest auf eine Position, unabhängig von seinem berechneten Score. Beide wirken sofort, ohne Deployment und ohne Release-Fenster.

Wie sich diese manuelle Steuerung mit der automatischen Relevanzberechnung verzahnt, behandelt der Beitrag zum 80/20-Prinzip im Detail: Auto-Ranking und das 80/20-Prinzip. Die Grundidee: Das System sortiert den Großteil des Katalogs automatisch nach echten Signalen, und der Mensch übersteuert gezielt dort, wo eine Geschäftsentscheidung dahintersteht.

Damit diese Eingriffe nicht ins Leere laufen, muss die Datengrundlage aktuell sein. Echtzeit-Synchronisation (Real-time Sync) sorgt dafür, dass Verfügbarkeit, Preise und Kampagnen ohne Verzögerung in der Suche ankommen. Ein ausverkauftes Produkt an Position eins zu pinnen, wäre ein Eigentor. Wenn Lagerbestand und Ranking auf demselben Stand sind, entfällt dieses Risiko.

BatteryIncluded ist an dieser Stelle bewusst Infrastruktur und kein Plugin. Ein Plugin spiegelt meist nur einen Index und reicht Marketing selten echte Kontrolle. Eine entkoppelte Infrastruktur (Decoupled Architecture) trennt die Suche vom Shopsystem und macht sie über eine Such-API (Search API) steuerbar. Die Solit Group AG hebt genau diese Flexibilität hervor: "Besonders überzeugt hat uns die leistungsstarke Suchfunktion, mit der sich Synonyme, Kampagnen und viele weitere Optionen flexibel einstellen lassen."

Solche Freiheit braucht klare Leitplanken. Ein zu aggressiver Boost drängt relevante Treffer nach unten und senkt die Conversion, die er eigentlich heben soll. Gute Merchandising-Werkzeuge zeigen deshalb an, wie stark ein Eingriff die automatische Reihenfolge verändert. So sieht die Fachabteilung die Wirkung, bevor die Änderung live geht.

Welche Hebel eine Fachabteilung ohne Entwicklung bedienen können sollte:

• Boosten einzelner Produkte oder ganzer Kategorien
• Pinnen fester Positionen für Aktionen und Bestseller
• Synonyme und Suchbegriffe pflegen, ohne Codeänderung
• Kampagnen zeitlich planen und automatisch wieder auslaufen lassen

Ein tieferer Blick auf das Backend hinter diesen Funktionen findet sich im Beitrag zum Search-Merchandising: Search-Merchandising im Backend.

Auswertung: welche Signale eine Suche zurückmelden muss

Steuerung ohne Auswertung ist Raten. Eine Suche, die den Umsatz heben soll, muss zurückmelden, was sie bewirkt. Die Zahl der Suchen allein sagt wenig. Es zählt, was nach der Suche passiert.

Vier Signale bilden das Rückgrat. Die Rate leerer Trefferlisten zeigt verpasste Kaufabsicht. Die Klickrate auf Suchergebnisse zeigt, ob die Reihenfolge stimmt. Die Add-to-Cart-Rate aus der Suche zeigt, ob die Klicks auch relevante Produkte treffen. Die Conversion aus der Suche zeigt am Ende den Umsatzbeitrag. Erst diese Kette macht aus Suchdaten eine Aussage.

Diese Kette lässt sich mit gängigen Werkzeugen messen. Google Analytics 4 dokumentiert die passenden Ereignisse in seiner Entwickler-Referenz (abgerufen am 11.09.2026). view_search_results erfasst die Ergebnisanzeige, add_to_cart den Warenkorb-Schritt und purchase den Kauf. Mit diesen Ereignissen verknüpfen Sie einen Suchbegriff mit dem, was danach im Warenkorb landet.

Der eigentliche Sprung entsteht, wenn diese Transaktionssignale zurück in die Reihenfolge fließen. Ein reiner Textscore nach dem Modell BM25 bewertet nur die textliche Übereinstimmung zwischen Anfrage und Produkt, wie es die Elasticsearch-Dokumentation zum Similarity-Modul beschreibt (abgerufen am 11.09.2026). Ein Produkt kann textlich perfekt passen und sich trotzdem nie verkaufen. Eine Suche, die Umsatz ernst nimmt, gewichtet deshalb auch, welche Treffer nach dem Klick tatsächlich gekauft werden. Wie sich reiner Textscore und eine verkaufsorientierte Sortierung unterscheiden, ist im Beitrag zu Textscore und smarten Listings ausgearbeitet: Textscore versus smarte Listings.

Auf Vorstandsebene zählt am Ende eine Kennzahl besonders. Es ist der Anteil am Umsatz, der über die Suche entsteht. In vielen Shops liegt dieser Anteil höher, als das Team vermutet, weil suchende Kunden überdurchschnittlich oft kaufen. Diese Zahl bringt die Suche auf die Agenda der Geschäftsführung. Sie zeigt auch, was ein einzelner Prozentpunkt mehr Such-Conversion in echtem Umsatz bedeutet.

Bei BatteryIncluded funktioniert diese Auswertung cookieless. Die Relevanz berechnet sich aus aggregiertem Verhalten über alle Nutzer, ohne das Verfolgen einer einzelnen Person. Das ist DSGVO-konforme KI im Wortsinn, weil kein Einwilligungsbanner nötig ist, um die Suche besser zu machen. AI Recommendations arbeiten nach demselben Prinzip.

Fünf Signale, ihre Aussage und die passende Reaktion im Überblick:

Konkrete Zielwerte gehören in den gemeinsamen Termin. Eine gesunde Rate leerer Treffer oder eine realistische Such-Conversion hängt vom Sortiment und vom Ausgangsniveau ab. Ohne eine gemessene Ausgangsbasis bleibt jede Prozentangabe beliebig. Wir bestimmen diese Werte gemeinsam mit Ihrem Team auf Basis Ihrer echten Daten.

Grenzen: was die Auswertung nicht leistet

Zahlen sind ein Werkzeug für Entscheidungen. Sie zeigen, was passiert ist, selten warum. Eine steigende Add-to-Cart-Rate kann an der besseren Suche liegen oder an einer parallelen Rabattaktion. Rollt ein Team beides gleichzeitig aus, lässt sich die Wirkung nicht sauber trennen. Deshalb gehört zu jeder Auswertung eine klare Testanlage, im Zweifel ein A/B-Test.

Auch die Zuordnung hat Grenzen. Viele Kaufreisen laufen über mehrere Sitzungen, Geräte und Kanäle. Die Suche kann einen Kauf angestoßen haben, der erst Tage später über einen anderen Weg abgeschlossen wird. Solche unterstützten Conversions unterschätzt jede einfache Zuordnung. Ein Attributionsfenster von wenigen Tagen schneidet genau diese verzögerten Abschlüsse ab, und die Suche erscheint in der Statistik schwächer, als sie im Kaufprozess tatsächlich gewirkt hat. Verzerrt wird dann die Bewertung. Die Wirkung selbst bleibt dieselbe.

Der Kaltstart ist ein weiterer blinder Fleck. Neue Produkte haben noch keine Klick- und Kaufsignale. Das System kann sie anfangs nicht datenbasiert einsortieren. Genau hier ist die manuelle Steuerung die richtige Antwort. Ein Mensch weiß, dass die neue Kollektion sichtbar sein soll, bevor die Daten es bestätigen.

Und schließlich bleibt das Merchandising-Urteil menschlich. Kein Algorithmus kennt die Marge eines Artikels, den Abverkaufsdruck bei Überbeständen, eine Markenvereinbarung oder die strategische Bedeutung einer Produktlinie. Das System übernimmt die automatische Sortierung des breiten Sortiments. Der Mensch entscheidet die Ausnahmen mit Geschäftswissen. Diese Aufgabenteilung nach dem Human-in-the-Loop-Prinzip ist die eigentliche Stärke des Ansatzes.

Häufige Fragen

Was ist ein Null-Treffer und warum kostet er Umsatz?
Als Null-Treffer bezeichnet man eine Suchanfrage, die keine Ergebnisse liefert. Sie trifft die Kunden mit der höchsten Kaufabsicht, weil diese aktiv gesucht haben. Der Verlust bleibt unsichtbar, weil er in der Warenkorb-Statistik nicht auftaucht. Fehlertoleranz und semantisches Verständnis reduzieren leere Trefferlisten deutlich.

Kann Marketing die Shop-Suche wirklich ohne Entwickler steuern?
Mit einer entkoppelten Such-Infrastruktur greift die Fachabteilung direkt in Ranking, Synonyme und Kampagnen ein. Boosten und Pinnen wirken sofort, ohne Release-Fenster und ohne IT-Ticket. Der Vertrieb der G.Wurm GmbH bestätigt genau diese direkte Steuerung ohne IT.

Was bedeuten Boosten und Pinnen in der Suche?
Boosten hebt Produkte oder Kategorien im Ranking an, etwa saisonale oder margenstarke Ware. Pinnen setzt ein einzelnes Produkt fest auf eine Position, unabhängig von seinem berechneten Score. Beide Eingriffe steuert die Fachabteilung selbst.

Welche GA4-Signale gehören in die Bewertung der Suche?
Relevant sind die Ergebnisanzeige über view_search_results, der Warenkorb-Schritt über add_to_cart und der Kauf über purchase. Verknüpft mit dem Suchbegriff zeigen sie, welche Suchen tatsächlich verkaufen. Diese Signale können in die Reihenfolge der Treffer zurückfließen.

Wie unterscheidet sich eine verkaufsorientierte Sortierung von reinem Textscore?
Reiner Textscore nach BM25 bewertet nur die textliche Übereinstimmung von Anfrage und Produkt. Ein Produkt kann textlich passen und sich trotzdem nie verkaufen. Eine verkaufsorientierte Sortierung gewichtet zusätzlich, welche Treffer nach dem Klick gekauft werden.

Ist die Auswertung mit dem Datenschutz vereinbar?
Relevanz berechnet sich aus aggregiertem Verhalten über alle Nutzer, cookieless und ohne das Verfolgen einzelner Personen. Für die Verbesserung der Suche ist kein Einwilligungsbanner nötig. Das entspricht dem Anspruch einer DSGVO-konformen KI.

Welche Conversion-Steigerung ist realistisch?
Belastbare Zielwerte hängen von Sortiment, Traffic und Ausgangslage ab und bleiben TBD im Termin. Freigegebene Kundenergebnisse wie bei der B&W Handelsgesellschaft mbH zeigen zweistellige Zuwächse über wenige Monate. Wir leiten Ihre Ziele im gemeinsamen Termin aus Ihren echten Daten ab.

Machen Sie Ihre Suche messbar

Alle drei Fäden gehören zusammen. Ohne leere Trefferlisten fällt der stille Verlust weg. Mit direkter Steuerung wird die Suche zum Werkzeug von Marketing und Vertrieb. Und mit ehrlicher Auswertung sehen Sie, was jeder Suchbegriff zum Umsatz beiträgt.

Getrennt betrachtet, bleibt Umsatz liegen.

Volt Search® bringt diese drei Ebenen in einer Infrastruktur zusammen, aufgebaut auf Hybrid LLM Search und cookieless im Kern. Als entkoppelte Such-Infrastruktur aus Freilassing, bootstrapped und mit rund 50 Mid-Enterprise-Kunden im DACH-Raum, verbindet sie die technische Tiefe mit einer Steuerung, die Ihr Team ohne Umweg über die Entwicklung bedient. Wenn Sie sehen möchten, wie sich Null-Treffer, Merchandising und Auswertung in Ihrem Shop verhalten, schauen wir uns das gemeinsam an. Buchen Sie Ihre kostenlose Demo oder nehmen Sie direkt Kontakt auf.