Optimierung von Google Shopping Feeds mit OpenAI’s ChatGPT: Ein umfassender Leitfaden

Viele Online-Händler stehen vor dem Problem, dass das Erstellen und Aktualisieren von Produktdaten zeitaufwendig und fehleranfällig ist. Gerade in Nischenmärkten oder bei schnell wechselnden Sortimenten kann es für Händler fast unmöglich sein, kontinuierlich hochwertige Daten zu generieren. Unzureichende oder veraltete Produktinformationen führen jedoch oft zu schlechteren Suchergebnissen und einer geringeren Konversionsrate.

Die Lösung für dieses Problem könnte in der generativen Künstlichen Intelligenz (KI) liegen. OpenAI’s ChatGPT kann genutzt werden, um bestehenden Produktdaten um generierte Inhalte anzureichern oder Attribute aus der Beschreibung zu extrahieren. Durch die Implementierung eines AI-gestützten Feed-Creators können Texte automatisiert generiert und optimiert werden, was die Datenqualität verbessert und den Aufwand für die Datenpflege erheblich reduziert.

Der Einsatz von ChatGPT zur Optimierung von Google Shopping Feeds ist ein aufregendes Beispiel dafür, wie Theorie und Praxis in der Welt der künstlichen Intelligenz zusammenfließen können. Daher gibt es hier auch einen tieferen Einblick in die Entwicklung des Tools.

Zuerst wurde ein Machbarkeitstest in Python durchgeführt, um zu verstehen, wie gut sich die vorhandenen Produktdaten für eine automatisierte Bearbeitung eignen. Grund für diese Entscheidung war die bestehende OpenAI Python Libary, die einem zunächst viel Entwicklungsarbeit abnimmt. Dieser Test half, die Grenzen der aktuellen Datenqualität zu erkennen und den Bedarf für eine präzisere Datenaufbereitung zu identifizieren.

Nach dem Machbarkeitstest folgte das sogenannte Prompt Engineering. Hierbei entwickelten wir spezielle Eingabeaufforderungen (Prompts), die OpenAI’s ChatGPT nutzen konnte, um die gewünschten Produktbeschreibungen zu generieren. Dieser Schritt erforderte ein tiefes Verständnis der Produkteigenschaften, die für Kunden am relevantesten sind, sowie der SEO-Prinzipien, die die Sichtbarkeit in Suchmaschinen maximieren. Eine besondere Hürde bestand darin, dass die AI-Antwort das korrekte JSON Format haben musst. Dieses Problem ist mittlerweile durch OpenAI behoben, da es nun den Parameter response_format gibt, der dies klarstellt.

Mit den Erkenntnissen aus den ersten Tests wurden weitere Optimierungen am Workflow vorgenommen. Ziel war es, die Effizienz zu steigern, die Zuverlässigkeit der generierten Daten zu verbessern und den gesamten Prozess zur Produktionsreife zu bringen. Dazu gehörten technische Anpassungen am Code, die Integration zusätzlicher Datenquellen und die kontinuierliche Überwachung der Leistung unseres Systems.

Die letzte Phase vor der vollständigen Implementierung umfasste umfangreiche Tests mit verschiedenen Produktkategorien und Kundenfeedback, sowie Leistungsbeobachtung. Diese Tests waren entscheidend, um sicherzustellen, dass der GPT-Feedcreator nicht nur in der Theorie, sondern auch in der realen Anwendung effektiv funktioniert. Sie halfen, Kinderkrankheiten zu beseitigen und die Anwendung benutzerfreundlicher zu gestalten.

Die Entstehung des GPT-Feedcreator ist ein gutes Beispiel dafür, wie innovative KI-Technologien praktisch angewendet werden können, um echte Probleme im E-Commerce zu lösen. Durch diesen Prozess von der Theorie zur Praxis haben wir eine Lösung geschaffen, die nicht nur die Produktdatenpflege vereinfacht, sondern auch die Marktposition unserer Kunden nachhaltig stärkt.

Die Anwendung von künstlicher Intelligenz zur Verbesserung von Produktdaten kann besonders eindrucksvoll anhand eines konkreten Beispiels aus einem Online-Shop für Damenmode veranschaulicht werden. In diesem Fallbeispiel konzentrieren wir uns auf die Optimierung der Daten eines Shirts der Marke „VIA APPIA DUE“.

Die ursprünglichen Produktdaten waren relativ einfach und nicht vollständig auf Suchmaschinenoptimierung ausgerichtet. Der Titel des Produkts lautete „VIA APPIA DUE Shirt – rot multicolor – Größe 46“. Obwohl diese Informationen grundlegend sind, fehlten wichtige Details, die sowohl die Suchmaschinenoptimierung als auch das Kundenerlebnis verbessern könnten.

Durch den Einsatz des GPT-Feedcreators wurden die Produktdaten umfassend überarbeitet. Der Produktname wurde zu „VIA APPIA DUE Damen Rundhals 3/4 Arm Shirt Rot Multicolor Größe 46“ aktualisiert, was nicht nur präziser, sondern auch ansprechender für potenzielle Käuferinnen ist. Zusätzlich wurde die Produktbeschreibung erweitert, um die Besonderheiten und Vorteile des Shirts hervorzuheben, wie die bequeme Passform und das auffällige Design.

Die überarbeiteten Daten heben nicht nur wichtige Verkaufsmerkmale hervor, sondern sind auch SEO-freundlicher gestaltet. Dies führt zu einer besseren Sichtbarkeit in den Suchmaschinenergebnissen und potenziell zu einer höheren Konversionsrate. Die folgende Tabelle zeigt einen direkten Vergleich der ursprünglichen und der optimierten Produktdaten:

Dieses Praxisbeispiel zeigt, wie durch den gezielten Einsatz von AI-gestützten Technologien Produktdaten signifikant verbessert werden können, um sowohl die Nutzererfahrung als auch die technische Auffindbarkeit zu steigern. Solche Optimierungen sind essenziell, um in einem wettbewerbsintensiven Online-Markt erfolgreich zu sein.

Der GPT-Feedcreator ist ein Google Sheet, das mit Apps Script ausgestattet ist und die Kommunikation mit der OpenAI-Schnittstelle übernimmt. Dieses Tool ermöglicht es Nutzern, ihre Produktinformationen effizient zu verbessern und zu erweitern, indem es auf die fortschrittlichen Fähigkeiten von OpenAI’s GPT-Modelle zurückgreift.

1. API-Schlüssel: Zuerst benötigen Sie einen API-Schlüssel von OpenAI, der den Zugang zur AI-Plattform ermöglicht.
2. OpenAI Assistent: Richten Sie einen OpenAI Assistenten ein, der spezifisch für Ihre Anforderungen konfiguriert ist. Dieser Assistent kann mit PDF-Dokumenten gefüttert werden, die Ihre Einkaufsstrategie beschreiben. Kreativität ist hier gefragt – eigene Briefings, Blogbeiträge und spezifische Dokumente funktionieren gut.
3. Konfiguration: Tragen Sie die Assistenten-ID in das Konfigurationstabellenblatt („config“ Tab) Ihres Google Sheets ein.
4. Vorbereitung des Shopping Feeds: Bereiten Sie eine CSV-Datei mit Ihren Produktdaten vor, idealerweise mit Ihrem besten Feed-Generator.
5. Kundenkürzel festlegen: Legen Sie ein Kürzel für den Kunden fest, das in den Trainingsdaten verwendet wird.
6. Briefing anpassen: Passen Sie das Briefing nach Bedarf an, um die spezifischen Anforderungen Ihres Feeds zu erfüllen.

Nach der Konfiguration beginnt der Workflow mit der Importierung der CSV-Datei durch den „Import CSV“-Knopf. Die Produktdaten werden anschließend im „Input Feed“ angezeigt. Mit dem „Improve Products“-Button starten Sie die AI-gestützte Optimierung der Produktdaten. Die verbesserten Daten erscheinen nach einer Weile im Sheet. Produkte, die für den finalen Feed ausgewählt werden, markieren Sie als „Approved“. Über die Funktion „Process Approved“ werden diese dann in den finalen „out“ Feed überführt.

Die kontinuierliche Verbesserung der generierten Produktdaten ist entscheidend, um die Effektivität der AI-Integration zu maximieren. Durch regelmäßige Überprüfungen und Anpassungen des AI-Modells können Genauigkeit und Relevanz der Daten stetig erhöht werden. Dies stellt sicher, dass die Produktdaten immer den aktuellen SEO-Standards entsprechen und optimal für Google Shopping optimiert sind.

Für besonders gelungene Ergebnisse können Sie die Option „Training“ aktivieren, um diese Daten für zukünftige Verbesserungen zu nutzen. Beachten Sie, dass dieser Prozess alte Trainingsdaten überschreibt. Automatisierte Prozesse lassen sich über die Skripteinstellungen planen, sodass einzelne Funktionen des Scripts zu festgelegten Zeiten ausgeführt werden.

Es ist wichtig zu betonen, dass der GPT-Feedcreator ein mächtiges, jedoch nicht fehlerfreies Tool ist. Gerade zu Beginn ist es empfehlenswert, die Ausgaben genau zu überwachen, bevor sie in die Produktionsumgebung übernommen werden.

Angesichts der fortschrittlichen Möglichkeiten, die der GPT-Feedcreator bietet, könnte man sich fragen, ob traditionelle Feedgeneratoren wie Channable, FeedDynamix und DataFeedWatch nun überflüssig geworden sind. Die Antwort ist: Noch nicht. Obwohl der GPT-Feedcreator die Optimierung und Anreicherung von Produktdaten automatisiert, spielen Feedgeneratoren nach wie vor eine entscheidende Rolle im gesamten Prozess.

• Feedgeneratoren sind spezialisiert auf die Erstellung und Verwaltung von Produktfeeds, die genau auf die Anforderungen verschiedener Vertriebskanäle und Plattformen abgestimmt sind. Sie bieten nicht nur die Möglichkeit, Feeds zu erstellen, sondern auch diese effizient zu verwalten und zu aktualisieren.
• GPT-Feedcreator hingegen ist darauf ausgerichtet, diese Feeds zu optimieren, indem er auf Basis von KI-gestützten Technologien Produktdaten verbessert.

Der GPT-Feedcreator arbeitet nahtlos mit Feedgeneratoren wie Channable zusammen, um den Datenfluss effizient zu gestalten und sicherzustellen, dass nur relevante Produktdaten zur Optimierung weitergeleitet werden. Diese Integration ermöglicht es, maßgeschneiderte Feeds zu erstellen, die speziell auf die Anforderungen des GPT-Feedcreators abgestimmt sind. So können auch bei großen Produktkatalogen kosteneffizient die wichtigsten Produkte zuerst optimiert werden.

Funktionsweise der Integration

1. Feed-Erstellung: Der Feedgenerator (Channable, FeedDynamix, Datafeedwatch) erstellt zunächst einen speziell angepassten Feed, der genau auf die Bedürfnisse und Kapazitäten des GPT-Feedcreators ausgerichtet ist. Dieser Schritt ist entscheidend, um die Effektivität des gesamten Optimierungsprozesses zu maximieren.
2. Selektion der Produktdaten: Im Feed werden nur jene Produktdaten aufgenommen, die für eine Optimierung in Frage kommen. Dies trägt dazu bei, Ressourcen zu sparen und den Prozess so effizient wie möglich zu gestalten.

Ausschlusskriterien zur Optimierung

Um zu bestimmen, welche Produkte im Feed enthalten sein sollen, werden spezifische Ausschlusskriterien angewandt. Diese Kriterien helfen dabei, Produkte auszuwählen, die den größten Nutzen aus der Optimierung ziehen können. Hier einige Ideen, wie die Effizienz gesteigert werden kann:

• Produktpreis: Produkte unter einem bestimmten Preisniveau werden eventuell ausgeschlossen, da der Aufwand für die Optimierung den potenziellen Nutzen übersteigen könnte.
• Verkaufshäufigkeit: Produkte mit niedriger Verkaufshäufigkeit könnten weniger Priorität erhalten, um die Ressourcen auf häufiger verkaufte Artikel zu konzentrieren.
• Lagermenge: Produkte mit geringer Lagermenge könnten ausgeschlossen werden, um den Fokus auf Artikel mit höherer Verfügbarkeit zu legen.
• Umsatz: Artikel mit geringem Umsatzbeitrag könnten ebenfalls von der Optimierung ausgenommen werden.
• Bereits optimierte Attribute: Produkte, die bereits optimierte Titel oder Beschreibungen aufweisen, benötigen unter Umständen keine weitere Bearbeitung und werden daher nicht einbezogen.

Diese gezielte Auswahl und das Vorfiltern von Produktdaten stellen sicher, dass der GPT-Feedcreator seine Kapazitäten auf die vielversprechendsten Kandidaten konzentriert und so den maximalen Mehrwert generiert.

Der GPT-Feedcreator hat in Tests und praktischer Anwendung beeindruckende Leistungsdaten offenbart, die seine Effektivität und Effizienz bei der Optimierung von Google Shopping Feeds unter Beweis stellen. Hier sind die wichtigsten Datenpunkte zusammengefasst:

• Bearbeitungszeit: Der Feedcreator benötigt durchschnittlich 33 Sekunden, um einzelne Produktdaten zu verbessern. Dies ist nicht rasant aber hängt letztendlich von der Datentiefe und den Bearbeitungszeiten der Modell bei OpenAI ab.
• Kosten pro Produkt: Jedes Produktverbesserung kostet ungefähr 0,16-0,25 Euro, abhängig vom genutzten Modell. Das ist nicht geschenkt, aber wenn man diese Zeiten einer manuellen Bearbeitung gegenüberstellt, eben doch.

• Datenverarbeitung: Das Tool ist flexibel für verschiedenste CSV-Daten konfigurierbar und unterstützt diverse Inhaltsfelder, was eine breite Anwendbarkeit in verschiedenen Branchen und Produktpaletten sicherstellt.
• SEO-Optimierung: Neben der Verbesserung der Produktdaten lässt sich der GPT-Feedcreator auch ohne Codeanpassungen umstellen, sodass z.B. SEO-Optimierung von Titel & Metabeschreibung damit möglich wird.
• Training und Anpassung: Der Feedcreator ermöglicht es, aus den Ergebnissen zu lernen und das System kontinuierlich zu verbessern. Durch die Markierung von „Training“ bei hochwertigen Daten wird die Qualität zukünftiger Ausgaben kontinuierlich gesteigert.
• Automatisierung: Verschiedene Schritte des Prozesses können automatisiert werden, wodurch der Bedienaufwand minimiert und die Effizienz maximiert wird. Die Möglichkeit, Skriptfunktionen zu planen, bietet weiteren Komfort für die Nutzer.
• Tipp für bessere Ergebnisse: Für Produktkategorien, die stark variieren (z.B. Kleidung und Küchenartikel), wird empfohlen, zunächst einzelne Artikel jeder Produktart zu generieren und zu trainieren. Bei signifikanten inhaltlichen Unterschieden innerhalb einer Kategorie, wie bei Hosen versus Hemden, sollte jeweils ein Beispielartikel trainiert werden.
• Überwachung und Qualitätssicherung: Aufgrund der hohen Automatisierung und der starken Leistungsfähigkeit des Tools wird den Nutzern empfohlen, insbesondere in der Anfangsphase die Outputs gründlich zu überprüfen, bevor diese in die Produktion gehen.

Die Herausforderungen des modernen E-Commerce, insbesondere in schnelllebigen und nischenspezifischen Marktsegmenten, verlangen nach fortschrittlichen Lösungen zur Datenverwaltung und -optimierung. Der GPT-Feedcreator, unterstützt durch OpenAI’s ChatGPT, bietet eine solche innovative Lösung, die es ermöglicht, die Qualität und Effizienz von Google Shopping Feeds erheblich zu steigern.

Durch die Automatisierung des Prozesses der Datenerstellung und -optimierung können Online-Händler ihre Produktpräsentationen verbessern, die Sichtbarkeit in Suchmaschinen steigern und letztendlich die Konversionsraten erhöhen. Die Integration von künstlicher Intelligenz in die Produktdatenpflege ermöglicht eine präzisere und ansprechendere Produktbeschreibung, die genau auf die Bedürfnisse der Zielgruppe abgestimmt ist. Dies führt nicht nur zu einer besseren Nutzererfahrung, sondern auch zu einer optimierten Ressourcennutzung, da manuelle Eingriffe minimiert werden.

Die fortgeschrittenen Funktionen des GPT-Feedcreators, einschließlich der kontinuierlichen Verbesserung durch Training und Anpassung sowie der Möglichkeit zur Automatisierung spezifischer Abläufe, unterstreichen die Kapazität dieser Technologie, sich den stetig ändernden Anforderungen des Marktes anzupassen. Die ersten Anwendungen haben gezeigt, dass der Feedcreator nicht nur in der Theorie, sondern auch in der Praxis hervorragende Ergebnisse liefert, welche die Produktivität steigern und gleichzeitig die Qualität der Produktdaten sicherstellen.

Abschließend kann festgestellt werden, dass die Einführung des GPT-Feedcreators in den E-Commerce eine signifikante Weiterentwicklung darstellt, die Unternehmen ermöglicht, sich in einem konkurrenzreichen Umfeld erfolgreich zu behaupten. Durch den gezielten Einsatz von KI-gesteuerten Technologien wird die Landschaft des Online-Handels neu geformt, was zu einer effizienteren, kundenorientierteren und letztendlich gewinnbringenderen Industrie führt.