GEO FÜR ONLINESHOPS
GEO- und LLMO-Leistungen: Was sich für Onlineshops verändert
Eine KI-Antwort kann eine Kaufberatung, einen Produktvergleich und eine Suche nach einem Anbieter verbinden. Für einen Onlineshop entstehen daraus unterschiedliche Aufgaben: Kaufkriterien erklären, verlässliche Produktdaten bereitstellen und die Herkunft der Informationen erkennbar machen. Wer GEO beauftragt, sollte deshalb nach konkreten Arbeitsergebnissen fragen.
Elanos Einordnung
GEO-Arbeit verbindet Suchtechnik, Produktwissen, Inhalte und Messung. Der zusätzliche Aufwand liegt darin, Kundenfragen über diese Bereiche hinweg zu bearbeiten und die verwendeten Quellen zu prüfen. Ein neuer Name für eine Leistung erklärt noch nicht, was sich im Shop verbessert.

GEO, LLMO und SEO: Was bedeuten die Begriffe hier?
GEO steht für Generative Engine Optimization. Wir verwenden den Begriff für die Arbeit an der Auffindbarkeit und Darstellung eines Unternehmens in generativen Suchantworten. LLMO steht für Large Language Model Optimization und wird häufig für ähnliche Aufgaben verwendet. Für unsere Zusammenarbeit sind das Arbeitsbegriffe: Wir legen die betrachteten Plattformen, Fragen, Seiten und Maßnahmen ausdrücklich fest.
SEO bleibt dabei eine Grundlage. Google nennt für AI Overviews und AI Mode die bestehenden SEO-Anforderungen. Ein besonderes KI-Markup oder zusätzliche KI-Textdateien sind dafür nicht erforderlich. Quelle: Google zu KI-Funktionen in der Suche
Ein Auftrag mit dem Titel „LLMO“ bedeutet auch nicht automatisch, dass jemand ein öffentliches Sprachmodell trainiert. OpenAI unterscheidet etwa zwischen dem Suchcrawler OAI-SearchBot und GPTBot für mögliches Modelltraining. Die Einstellungen sind unabhängig. Quelle: OpenAI zu seinen Crawlern
Wie verändert die KI-Suche die Arbeit am Shop?
Von einer Suchphrase zu mehreren Teilfragen
Google beschreibt, dass KI-Suchfunktionen mehrere verwandte Suchen zu Teilthemen und Datenquellen ausführen können. Daraus leiten wir für die Inhaltsplanung ab: Eine Kategorie sollte die Kaufentscheidung verständlich machen; einzelne Produktseiten sollten die passenden Eigenschaften belegen. Es geht dabei um zusammenhängende Informationen, nicht um eine eigene Seite für jede Formulierung. Google beschreibt dieses Verfahren als „query fan-out“.
Von der Produktbeschreibung zum Abgleich der Daten
Für Google können strukturierte Produktdaten Angaben wie Preis, Verfügbarkeit, Versand und Rückgabe für Shopping-Darstellungen bereitstellen. Die technische Ausgabe wird damit zu einem eigenen Prüfgegenstand. Quelle: Google zu Merchant Listings
Unser praktischer Schluss: Produkttexte, Varianten, Markup und vorhandene Feeds brauchen einen gemeinsamen Datenstand. Wenn zwei Ausgaben voneinander abweichen, suchen wir zuerst die Ursache im Shop oder in der Datenübertragung. Ein zusätzlicher Absatz im Ratgeber behebt diesen Fehler nicht.
Von der Website zu gepflegten Unternehmensinformationen
Über den ChatGPT Business Hub können berechtigte Unternehmen nach der erforderlichen Freigabe Angaben zu ihrem Unternehmen pflegen und Insights ansehen. ChatGPT kann weiterhin andere Quellen verwenden. Quelle: OpenAI zur Einrichtung eines Unternehmensprofils
Für die laufende Betreuung entsteht damit eine weitere Aufgabe: Namen, Domain, Kontakt und Leistungsbeschreibung zwischen Website und freigegebenem Profil abgleichen. Ein eingereichter Antrag wird separat dokumentiert, bis die Freigabe tatsächlich vorliegt. Unser Business-Hub-Ablauf erklärt die einzelnen Schritte.
Welche Leistungen gehören in einen konkreten Arbeitsauftrag?
| Leistung | Konkretes Ergebnis | So lässt es sich prüfen |
|---|---|---|
| KI-Sichtbarkeitsanalyse | Festgelegte Kaufanfragen mit beobachteten Antworten, Wettbewerbern und Quellen. | Wortlaut, Plattform, Datum und tatsächliche Ziel-URLs sind dokumentiert. |
| Technische Prüfung | Bestätigte Zugangs- oder Indexierungsprobleme und zugehörige Änderungen. | Betroffene Seiten erneut abrufen und den ursprünglichen Fehler kontrollieren. |
| Produktdaten und Inhalte | Korrigierte Eigenschaften, Varianten und Antworten auf relevante Kaufkriterien. | Öffentliche Seite mit Produktbelegen und technischer Ausgabe abgleichen. |
| Externe Quellen und Profile | Belegte Themenvorschläge, korrigierte Angaben oder veröffentlichte Einträge. | Vorbereitung, Einreichung und Veröffentlichung getrennt ausweisen. |
| Auswertung | Vergleichbare Antwortprüfungen und verfügbare Besuchs- und Kaufdaten. | Fragen und Zeitraum konstant halten; Datenlücken benennen. |
Der Ratgeber zur KI-Sichtbarkeitsanalyse zeigt den Einstieg. Für die Umsetzung helfen die Produktdaten-Prüfung und die Anleitung zur Ergebnismessung.
Beispiel: Aus einer Kaufberatung wird ein begrenztes Arbeitspaket
Erfundenes Planungsbeispiel: Ein Rucksackshop möchte zur Frage „Welcher Tagesrucksack passt für Pendeln mit Laptop und Regen?“ hilfreiche Informationen liefern. Dafür wählen wir eine Kategorie und einige passende Modelle aus. Dieses Beispiel beschreibt einen möglichen Arbeitsumfang, keinen Kundenfall oder erzielten Erfolg.
- Produktwissen klären: Der Shop stellt belegte Innenmaße, Materialangaben und vorhandene Prüfungen zum Regenschutz bereit. Fehlende Angaben bleiben offen; aus „wasserabweisend“ wird nicht „wasserdicht“.
- Kaufkriterien zuordnen: Die Kategorie erklärt Auswahl und Grenzen. Die Produktseite nennt die Eigenschaften des konkreten Modells und seiner Variante. Ein vorhandener Ratgeber vertieft bei Bedarf den Materialvergleich.
- Gemeinsame Fehler zuerst lösen: Fehlt eine Angabe durch das Seitentemplate bei mehreren Modellen, prüfen wir die gemeinsame Ausgabe. Einzeltexte ändern wir dort, wo sich die Produkte tatsächlich unterscheiden.
- Umsetzung abnehmen: Die vereinbarten URLs, Datenfelder und Verlinkungen werden kontrolliert. Erst danach vergleichen wir neue Antwortbeobachtungen und verfügbare Besuchsdaten mit dem Ausgangsstand.
So bleibt auch bei einem größeren Sortiment klar, welcher Teil bereits bearbeitet wurde. Weitere Kategorien folgen nach ihrer Bedeutung und den bestätigten Lücken. Umfang, Zuständigkeiten und mögliche technische Abhängigkeiten werden vorab vereinbart.
Wie lässt sich ein größeres Sortiment in Etappen bearbeiten?
Lege vor dem Start fest, welche Produktgruppe zuerst bearbeitet wird und wer die fachlichen Angaben freigibt. Das Shopteam kennt die Varianten und ihre Besonderheiten. Mit Luis klärst du, welche Änderungen Elano übernimmt und für welche Vorlage oder Schnittstelle dein Technikpartner zuständig ist.
Prüfe eine kleine, repräsentative Auswahl vor einer breiten Änderung. Bei OnlyRoses ließen sich zwei Farbkategorien abgrenzen. Bei der Veröffentlichung prüften wir alle 52 sichtbaren Karten gegen die strukturierten Daten. Bei Gartenpirat war die Freigabe anders organisiert: Der Inhaber prüfte Fachangaben, Elano übernahm die Änderungen und kontrollierte die öffentliche Fassung. Beide Arbeitsabläufe im Detail.
Für die nächste Etappe zählen drei Fragen: Ist der Fehler auch in den übrigen Kategorien zu sehen? Verwenden sie dieselbe Vorlage oder Datenquelle? Wer kann die Änderung abnehmen? Den Umfang der nächsten Freigabe und den Zeitplan vereinbaren wir anhand dieser Antworten.
Welche dieser Aufgaben übernimmt Elano?
Elano arbeitet für D2C-Marken und Onlineshops mit physischen Produkten. Wir analysieren Fragen und Quellen, setzen vereinbarte inhaltliche und technische Änderungen um und dokumentieren die Entwicklung. Luis Dziuba ist dein Ansprechpartner. Das Shopteam liefert Produktwissen, Zugänge und erforderliche Freigaben; die Aufgaben bestehender Dienstleister stimmen wir gemeinsam ab.
Wenn du bereits ein Angebot vergleichst, hilft der Vergleich von GEO, SEO und Umsetzungsmodellen. Für den Einstieg mit Elano findest du unsere Leistungen und den Ablauf der Zusammenarbeit. Eine veröffentlichte Änderung lässt sich abnehmen; ob und wie eine KI deinen Shop anschließend auswählt, muss gesondert beobachtet werden.
Quellen und weiterführende Dokumentation
Die technischen Aussagen stützen sich auf die folgenden verlinkten Quellen. Vorschläge für die Zusammenarbeit beschreiben Elanos Arbeitsweise.