Produktdaten sind das A und O im E-Commerce. Die Qualität entscheidet darüber, ob der Kauf in einem Online-Shop zu einem Erfolg oder einem Misserfolg wird. Hochwertige Daten mit vollständigen Produktinformationen sorgen dafür, dass der Online-Shop seine Stärken voll entfalten kann. Schlechte Produktdaten sind die Ursache dafür, dass viele Unternehmen weit hinter ihren Möglichkeiten bleiben. Online-Händler sollten daher höchstes Interesse daran haben, ihre Produktdaten optimal für den Online-Shop vorzubereiten. Wichtig ist, nicht ab und zu die Daten zu optimieren, sondern stetig, um den Kaufinteressenten eine bessere Kaufberatung zu bieten.
Rosella Wenninger, Geschäftsführerin von uNaice und Stefan Sprenger, Gründer von DataCater erklären im Interview warum hochwertige Produktdaten im E-Commerce wichtig sind und welche Rolle die Aktualität spielt. Zudem erläutern sie was eine erfolgreiche Datenaufbereitung beinhaltet und ausmacht und wie sinnvolle Datenstrukturen aussehen. Außerdem gehen die Beiden darauf ein, welche Rolle optimierte Produktdaten für die automatisierte Texterstellung spielt und inwieweit Software und Technologien Shop-Betreiber unterstützen können, bessere Texte zu erstellen.
Was sind strukturierte Daten und wofür braucht man sie?
Rosella Wenninger: „Im Zusammenhang mit automatisiertem Content bedeuten strukturierte Daten saubere Daten, die für die Texterstellung so bereitgestellt werden, dass sie greifbar sind und mit wenig Regelwerken und Programmier-Bedarf verarbeitet werden können. Wichtig ist, dass in einem Attribut jeweils nur eine Aussage enthalten sein darf. Alle Daten müssen auch in gleicher grammatikalischer Form darliegen. Ist z.B. das Datenfeld Material mit Holz gefüllt, müssen alle anderen Datenfelder ebenfalls mit Nomen befüllt sein und nicht mit Adjektiven oder Verben, wie hölzern oder plastikartig.
Strukturierte Daten umfassen außerdem eine saubere Trennung von Informationen. Nehmen wir ein Beispiel aus der Fashionbranche: Liegen die Daten „zarte Seide” vor, müssen zart und Seide erst getrennt werden, um verarbeitet werden zu können. Strukturierte Daten sind die Grundlage für automatisierte Texterstellung. Je strukturierter die Daten vorliegen, desto weniger aufwändig ist die Programmierung und desto flexibler ist die Konzeption für uns.”
Stefan Sprenger: „Strukturierte Daten sind Daten in einem Format, welches durch Algorithmen automatisiert verarbeitet werden kann.
Im Kontext der Suchmaschinen-Optimierung können Webseiteninhalte, zum Beispiel Produktinformationen, als strukturierte Daten zur Verfügung gestellt werden, so dass Suchmaschinen-Crawler die indexierten Inhalte einer Webseite durch weitere Informationen, wie dem Preis oder der Bewertung eines Produkts, anreichern und in den Suchergebnissen entsprechend präsentieren können.
Strukturierte Daten führen typischerweise zu einem besseren Suchmaschinen-Ranking, zu mehr Traffic und auch zu höheren Umsätzen im Vertrieb.”
Warum ist die Qualität der Produktdaten für den Verkauf im E-Commerce wichtig?
Rosella Wenninger: „Die Qualität der Produktdaten bestimmt die Qualität der Produkttexte. Insbesondere im E-Commerce gibt es viel Konkurrenz. Umso treffender die Aussagen in den Texten sind, desto besser kann sich ein Kunde entscheiden. Der Entscheidungsprozess des Kunden kann durch gute Produktdaten positiv beeinflusst werden, indem hilfreiche Informationen an die Hand gegeben werden, z.B. ob eine Waschmaschine laut oder leise ist.
Die Aussagekraft der Texte ist von den Produktdaten, die die Grundlage der Texte sind, abhängig. USPs können ebenfalls mit guten Produktdaten besser betextet werden. Auch für die Sichtbarkeit spielen gute Produktdaten eine Rolle, da Suchmaschinen den inhaltlichen Mehrwert von Texten honorieren. Voraussetzung ist natürlich, dass dafür alle Texte auf einem relativ hohen Niveau skalieren müssen.”
Stefan Sprenger: „Je höher die Qualität der Produktdaten ist, desto besser können Suchmaschinen die entsprechenden Produkte indexieren. Mangelhafte Produktdaten führen dazu, dass Produkte in Suchmaschinen gar nicht oder nur mit erheblichem Aufwand gefunden werden. Aktuelle und korrekt eingepflegte Produktdaten führen zudem zu weniger Retouren und einer höheren Kundenzufriedenheit im Online Shop, da Kunden beim Auspacken der Ware weniger Überraschungen erleben. Die Qualität der Produktdaten ist nicht nur für Konsumenten, sondern auch im B2B-Bereich sehr relevant, da hier mangelhafte Produktdaten die gesamte Lieferkette betreffen.”
„Je höher die Qualität der Produktdaten ist, desto besser können Suchmaschinen die entsprechenden Produkte indexieren.”
Stefan Sprenger, Gründer von DataCater
Was sind die Ursachen für schlechte Produktdaten im E-Commerce?
Rosella Wenninger: „Meistens liegt die Ursache für schlechte Produktdaten in den verschiedenen Quellen, aus denen die Daten entnommen werden. Es kommt oft vor, dass die Daten unserer Kunden von unterschiedlichen Herstellern zur Verfügung gestellt werden. Die Daten sind dadurch nicht einheitlich und müssen erst zusammengeführt werden. Nicht strukturierte Daten müssen aber nicht zwangsläufig schlecht sein. In anderen Bereichen werden auch andere Anforderungen an Daten gestellt, sodass auch unstrukturierte Daten ausreichen können.
Häufig sind historisch gewachsene Daten nicht strukturiert, da es keine Notwendigkeit dafür gab. Als Grundlage für automatisierte Texterstellung ist das aber nicht ausreichend und somit schlecht. Dazu kommt, dass es ein großes Volumen an Daten gibt, das viele Unternehmen wegen des sehr hohen manuellen Aufwands nicht gestemmt bekommen.”
Stefan Sprenger: „Daten werden oftmals bereits vom Hersteller des Produktes in einem schlechten Format angeliefert und müssen dann mühsam aufbereitet werden. Zudem stehen viele E-Commerce-Unternehmen vor der Herausforderung, die Produktdaten von nicht nur einem, sondern von einer Vielzahl an unterschiedlichen Herstellern aufzubereiten, zu integrieren und in einem einheitlichen Format auszuliefern. Ein Beispiel hierfür sind Schuhe, bei denen Größenangaben oftmals in unterschiedlichen Formaten vorliegen und durch den Shop-Betreiber angepasst werden müssen.”
Welche Rolle spielt die Aktualität der Produktdaten?
Stefan Sprenger: „Die Aktualität der Produktdaten ist immens wichtig. Wir sind es seit vielen Jahren gewohnt zu jedem Zeitpunkt auf alle Informationen im Internet zugreifen zu können. Online-Shops haben - im Gegensatz zu traditionellen Ladengeschäften - rund um die Uhr geöffnet. Daher sollten auch zu jedem Zeitpunkt aktuelle Produktdaten vorliegen, um eine bestmögliche Kauferfahrung anbieten zu können.”
Rosella Wenninger: „Aktualität von Produktdaten kann zum Beispiel im Lebensmittelbereich eine wichtige Rolle spielen. Werden Inhaltsstoffe verändert und nicht aktualisiert, führt das nicht nur zu fehlerhaften Produkttexten, sondern kann auch zu rechtlichen Konsequenzen führen. Unabhängig von der Aktualität der Produktdaten ist mein Tipp, Produkttexte immer regelmäßig auszutauschen. Wenn wir Aktualität im Sinne von Vollständigkeit verstehen, spielt das natürlich eine wesentliche Rolle. Nur mit vollständigen Daten können wir tolle Texte generieren.”
Wo stößt das Product Information Management (PIM) an Grenzen?
Stefan Sprenger: „Ohne auf technische Unterschiede und Besonderheiten verschiedener Produkte einzugehen, sehe ich Herausforderungen vor allem auf organisatorischer Ebene. Eine hohe Priorisierung von Produktdaten ist ausschlaggebend für den Erfolg von PIM-Systemen.”
Rosella Wenninger: „Jedes PIM-System hat andere Voraussetzungen und stößt damit auch an andere Grenzen. Das gleiche gilt für die API-Anbindungen. Es handelt sich also meistens um individuelle Grenzen, die nicht pauschalisierbar sind. Das hängt häufig auch mit dem Know-How oder dem Volumen-Zeit-Budget der ITler zusammen, die für das PIM-System verantwortlich sind.”
Was beinhaltet die Datenaufbereitung für Shop-Betreiber und wie funktioniert
sie?
Stefan Sprenger: „Grundsätzlich geht es bei der Datenaufbereitung darum, Rohdaten in ein hochqualitatives, einheitliches und sauber strukturiertes Format zu überführen, so dass nachgelagerten Anwendungen bestmögliche Daten zur Verfügung stehen. Konkrete Aufgaben sind die Normalisierung von Produktattributen (beispielsweise die Zusammenführung verschiedener Schreibweisen von Produktfarben), die Korrektur von Formaten, das Beheben von Fehlern in den Daten oder die Anreicherung von Produktdaten mit zusätzlichen Informationen.
Die Datenaufbereitung kann entweder manuell durch den Shop-Betreiber durchgeführt, was nicht nur zeit- und kostenaufwendig, sondern auch fehleranfällig ist oder mithilfe einer Data-Pipeline automatisiert werden.”
Rosella Wenninger: „Die Datenaufbereitung ist für jeden Shop-Betreiber individuell. Shop-Betreiber, die z.B. keine strukturierten Daten haben müssen zunächst festlegen, welche Texte sie generieren möchten und entsprechend auch die Daten dafür “schaffen”. Das geht entweder manuell oder durch einen automatisierten Prozess. Eine Automatisierung der Datenaufbereitung ist dann möglich, wenn der Shopbetreiber im PIM/ERP oder via anderer Quellen Produktinformationen (wie z.B. Herstellerdaten zu Produkten) bereitstellen kann und die Produktinformationen je Produkt ausgelesen und zu den gewünschten Attributen angereichert werden können. Aus “die rote Hose von xy” wird dann z.B. “Farbe: rot; Produktart: Hose”.
Der Datenaufbereitung liegt immer einem Datenmodell (d.h. die vom Shop-Betreiber ausgewählten Attribute, die er für seinen Zieltext braucht) zugrunde.
Ist eine dauerhafte Datenaufbereitung notwendig, empfehle ich immer, den ganzen Prozess zu automatisieren, um zeit- und damit kostengünstiger zu agieren. Das Shop-PIM muss dafür via API an die Datenaufbereitungssoftware angebunden werden, welche wiederum bereits an die API von AX Semantics angebunden ist. Dann wird nur noch eine Konfiguration der API auf das jeweilige Kundenprojekt benötigt.”
Welche Datenstruktur ist für Produktdaten sinnvoll und warum?
Rosella Wenninger: „Die Datenstruktur ist abhängig von den Anforderungen an die Texte. Bei einem sehr detaillierten Text mit vielen Attributen werden auch mehr Attribute benötigt, als bei einem kurzen Text. Voraussetzung für die Datenstrukturen ist, dass sie Daten enthalten, die eine Kategorie angeben. Es müssen sowohl die Hauptkategorien, als auch die Unterkategorien vorliegen. Eine Hauptkategorie für Fashion wäre z.B. Bekleidung und Kleid eine dazugehörige Unterkategorie.
Die Datenstruktur muss außerdem die wichtigsten Attribute enthalten, die für einen Text benötigt werden. Soll das Material in einem Text hervorgehoben werden, dann muss die Datenstruktur natürlich auch das Attribut Material enthalten. Ich empfehle grundsätzlich immer eine überschaubare Anzahl an Attributen. Wenn 300 Attribute vorliegen, sind das 250 Attribute zu viel. Hier muss aber immer das Kosten-Nutzen-Verhältnis abgewogen werden. Wird ein langer, detailreicher Text benötigt, dann können viele Attribute natürlich auch sinnvoll sein.”
Stefan Sprenger: „Das hängt ganz stark vom Ort der Verwendung der Produktdaten ab. Während PIM-Systeme Produktdaten häufig in Ontologien verwalten, arbeiten viele andere Systeme mit tabellarisch strukturierten Produktdaten.”
Warum sind hochwertige und optimierte Produktdaten für die automatisierte Erstellung von Produktbeschreibungen wichtig?
Stefan Sprenger: „Je aktueller und hochwertiger die Produktdaten sind, desto bessere Produktbeschreibungen können erzeugt werden. In diesem Kontext hört man auch öfters von “Garbage in - Garbage Out”. Ähnlich wie ein Suchmaschinen-Crawler ist auch eine NLG-Anwendung, wie AX Semantics, eine Software, welche Daten automatisiert verarbeitet und von einer hohen Datenqualität profitiert.”
Rosella Wenninger: „Mit hochwertigen und optimierten Produktdaten können Texte mit inhaltlichem Mehrwert geschaffen werden. Je konkreter und hochwertiger die Daten sind, desto besser werden die Texte. Nehmen wir wieder ein Beispiel aus der Fashionbranche: Liegt für ein Kleid nur ein Datenfeld vor, kann daraus nur ein Text mit einem Attribut generiert werden, wie z.B.: “Das Kleid ist aus Baumwolle”. Liegen aber noch zusätzlich weiter Attribute vor, wie “indisch” und “bio”, kann auch der Text mit mehr Details unterfüttert werden und der Text erhält einen größeren Mehrwert.
Mit guten Produktdaten kann die Programmierung und Konzeption außerdem effizienter gestaltet werden, was auch zu Kostenersparnissen führt.”
Inwieweit unterstützen uNaice und DataCater Shop-Betreiber bei der Datenaufbereitung für automatisierte Produktbeschreibungen?
Stefan Sprenger: „Dank DataCater stehen der AX Semantics NLG Cloud zu jeder Zeit aktuelle und hochqualitative Produktdaten zur Verfügung. Dabei werden nicht nur hochwertige Produktbeschreibungen erzeugt, sondern auch eine ausgezeichnete User-Experience durch eine hohe Aktualität der Produktbeschreibungen angeboten.
DataCater ist die No-Code-Plattform für Streaming-Data-Pipelines und erlaubt Anwendern eine Vielzahl an Datenquellen (Online-Shops, PIM-Systeme, etc.) mit der AX NLG Cloud zu verbinden. DataCater erkennt Änderungen in den Quellen in Echtzeit und überträgt sie umgehend zur AX NLG Cloud. Daten können nicht nur übertragen, sondern auch während des Streamings in Echtzeit aufbereitet werden. Mehr als 50 No-Code-Transformationen sowie Python-basierte Datentransformationen erlauben die zeiteffiziente Umsetzung jeglicher Anforderungen in der Aufbereitung von Produktdaten.”
In diesem Meetup-Video erfährst du von Stefan Sprenger von DataCater und Alexandra Waldleitner von AX Semantics am konkreten Beispiel eines Möbel-Online-Shops, wie Daten und Inhalte ohne manuellen Aufwand aktuell gehalten werden können und die Texterstellung automatisiert werden kann.
Verabschiede dich von veralteten Daten mit Stefan Sprenger und Alexandra Waldleitner (Hinweis: Video in englischer Sprache)
Rosella Wenninger: „uNaice unterstützt die Shop-Betreiber im gesamten Datenaufbereitungsprozess. Wir haben einen strukturierten Prozess entwickelt, bei dem zunächst die Daten von unseren Datenexperten analysiert und geprüft werden. In einem gemeinsamen Feedback-Gespräch geben wir dem Kunden Pflegeempfehlungen und Tipps an die Hand, wie die Daten für die optimale Betextung aufbereitet werden sollten. Dabei steht das Briefing bzw. die Zielsetzung der Texte immer im Vordergrund. Wir verfolgen immer das Ziel mit dem geringsten Aufwand das bestmögliche Ergebnis herauszuholen.
Hat der Kunde größere Mängel in seinen Daten oder verfügt nicht über die richtigen Attribute, erstellen wir gemeinsam ein Datenmodell. Manche Kunden beziehen ihre Daten auch aus vielen verschiedenen Quellen und können selbst die Datenaufbereitung nicht leisten. Hier übernehmen wir die gesamte Datenaufbereitung.
In der Datenaufbereitung bis hin zur Texterstellung erfolgt bei uns alles in einem automatisierten Prozess: Daten werden via API vom Kunden zur Verfügung gestellt und die fertig generierten Texte über eine REST-API an den Kunden zurückgespielt – auf Wunsch auch in Echtzeit, sodass der manuelle Aufwand für den Kunden möglichst klein bleibt. Ist das Projekt erfolgreich aufgestellt, endet unsere Zusammenarbeit aber noch nicht. Wir arbeiten anschließend weiterhin eng mit unseren Kunden zusammen und unterstützen sie bei Anpassungen und Veränderungen.”
Im Meetup-Video berichtet uNaice welches Optimierungspotential die automatisierte Kategorieseitenbetextung bietet, wie mit Hilfe eines SEO-Tools alle relevanten Keywords automatisiert in Kategorieseiten eingebunden werden können und wie mit einer intelligenten Ontologie und integrierten flexiblen Keywords bessere Suchmaschinenergebnisse erzielt werden können.
SEO-relevante & automatisierte Kategorieseitenbetextung mit uNaice
Mit hochwertigen Produktdaten verbesserst du die Qualität der Produktbeschreibungen in hohem Maße und erzeugst Texte mit Mehrwert. Es werden nicht nur hochwertige Produktbeschreibungen erzeugt, sondern durch eine gewisse Aktualität der Produktdaten die User-Experience enorm verbessert. Dies führt letztlich zu einem Anstieg der Conversionrate deiner Website.
Nutzt du zusätzlich die Vorteile von automatisierten Produktbeschreibungen, dann können die Texte besonders schnell und für eine große Produktpalette erstellt werden. Die automatisierte Texterstellung mit der Software von AX Semantics ist datengetrieben - jeder Text basiert auf einem Datensatz mit strukturierten Daten. Diese Produktdaten mit den Produktinformationen bilden die Basis für die hochwertigen Produktbeschreibungen.
Der Nutzer erstellt Logiken, Aussagen und Varianzen im gewünschten Stil und die Software nutzt diese, um natürlichsprachliche Texte zu erstellen. Es entstehen in kürzester Zeit tausende einzigartige und optimierte Produktbeschreibungen, indem die sich wiederholenden Teile des Schreibprozesses automatisiert werden.