ChatGPT Shopping: Was wir an einem Mandat getestet haben — und was wir noch nicht beantworten können

ChatGPT hat in den letzten Monaten das ausgebaut, was OpenAI intern „Shopping Experience“ nennt — Produkt­karten innerhalb der Antwort, Preis-Hinweise, Deeplink direkt zum Händler. Es gibt dafür kein Händler-Dashboard, kein Login, kein Konto, das du als Marke anlegst. Trotzdem tauchen Produkte dort auf. Oder nicht. Wir haben an einem Mandat sechs Wochen beobachtet, welche SKUs zitiert werden und welche nicht — und was wir daraus ableiten können.

Vorab zwei Dinge: Erstens, dieser Post ist keine SEO-Anleitung. Zweitens, wir haben an einem Mandat Beobachtungen gemacht, nicht an zwanzig. Alles, was unten als „wir sehen“ steht, ist eine Hypothese mit einer Stichprobe von einem — mit allem, was das heißt.

Was ChatGPT Shopping aktuell leistet

Wenn du in ChatGPT nach einem Produkt fragst — „Welches ist das beste magnesiumhaltige Nahrungs­ergänzungs­mittel für Sportler?“, „Was ist eine gute Schreibtisch­lampe unter 150 €?“, „Welcher Rucksack für Fahrrad­pendler?“ — bekommst du seit Anfang 2026 regelmäßig eine Produkt­auswahl eingeblendet. Vier bis acht Karten mit Produktbild, Marke, Preis-Range, Händler-Link. Die Karten kommen aus zwei Quellen: einem Partner-Feed-Programm, das OpenAI mit ausgewählten Händlern aufgebaut hat (unter anderem Shopify-Merchants), und einem Index aus öffentlich zugänglichen Produktdaten im Web.

Für Markenhersteller heißt das: Du bist dort entweder vertreten, weil ein Händler, der deine Marke führt, am Feed-Programm teilnimmt — oder weil ChatGPT dich im offenen Web gefunden hat. Beides passiert ohne dein Zutun. Beides lässt sich beeinflussen.

Was ChatGPT nicht liefert: keine Transaktion in der App, keine Checkout-Integration, keine garantierte Position gegen Bezahlung (Stand Juni 2026 — die Ads-Pilot-Phase läuft erst an, siehe späterer Post zu Perplexity Commerce und ChatGPT Ads). Was es liefert: eine Empfehlung mit Begründung — und wenn dein Produkt in der Begründung auftaucht, bist du im Zitier-Teil der neuen Discovery-Welt.

Das Mandat

Konsumgüter­hersteller, mittelständisch, ~45 Mio. € Umsatz. Drei Vertriebs­kanäle: Vendor Central (Amazon), Fachhandel, eigener Shop. Rund 180 aktive SKUs, davon 20 Hauptumsatz-Produkte, der Rest Long-Tail. Für den Test haben wir 40 SKUs aus zwei Produkt­gruppen beobachtet: eine mit erklärungs­bedürftigem Charakter (Produktgruppe A), eine mit kommod­itärem Charakter (Produktgruppe B).

Methodik: Vier Prompt-Typen, jeweils fünf Varianten, über sechs Wochen zweimal wöchentlich wiederholt. Insgesamt rund 240 Prompts. Dokumentiert: Welche Marken wurden zitiert, in welcher Reihen­folge, in welcher Begründungs­rolle. Zwei Prüferinnen aus unserem Team, damit nicht nur Christopher einseitig interpretiert.

Was wir nicht gemacht haben: automatisiert gescraped (verstößt gegen OpenAI-TOS), Umsätze zugeordnet (ChatGPT-Referrer sind in Analytics-Tools unsauber getrennt), Vergleich zu Perplexity oder Google AI Overviews (anderer Post).

Beobachtung 1 — Zitiert wird, was strukturiert ist

In Produktgruppe A (erklärungs­bedürftig) waren im Durchschnitt vier der acht Hauptmarken dort regelmäßig vertreten. Die Marken, die zitiert wurden, hatten alle drei Dinge gemeinsam:

1. **Vollständige strukturierte Daten auf der Produkt­detail­seite.** `Product`-Schema, `Offer`-Schema mit Preis, `AggregateRating`, `Brand`. Keine halben Felder, keine fehlenden `description`-Attribute.
2. **Fließtext mit Produkt­attributen,** nicht nur Marketing-Prosa. Also tatsächlich im Satz: „Dieses Produkt enthält X, wiegt Y, ist für Z geeignet“ — nicht in einer separaten Tabelle, die ChatGPT eventuell liest, eventuell nicht.
3. **Mindestens drei unabhängige Erwähnungen auf nicht-eigenen Domains** innerhalb der letzten 12 Monate — Fachportale, Testberichte, Händler-Beschreibungen.

Was nicht ausgereicht hat: schönes PDF-Datenblatt, lange SEO-Texte ohne klare Attribut-Nennung, hohe Google-Rankings auf Short-Tail-Begriffe. Google-Position-1 für „Produkt­gruppe A beste Marke“ korrelierte nicht mit ChatGPT-Zitation. Zwei Marken, die bei Google permanent oben stehen, wurden in ChatGPT seltener zitiert als eine Marke auf Google-Position 7, die aber ihre Produktdaten konsequent im Schema-Format ausliefert.

Das ist der zentrale Hinweis: Google-SEO und LLM-Discovery sind verwandt, aber nicht identisch. Siehe auch → GEO für die Begriffs­klärung.

Beobachtung 2 — In Produktgruppe B spielt sich eine andere Dynamik ab

In Produktgruppe B (kommoditär, Preis unter 25 €, austauschbar) sah die Verteilung anders aus. Hier wurde selten eine spezifische Marke zitiert — stattdessen bekamen die Prompts eine generische Kategorie-Antwort („achte auf X, Y, Z“) plus zwei bis drei Händler-Links (Amazon, idealo, ein Shopify-Shop). Wenn Marken genannt wurden, dann meist zwei bis drei bekannte Namen plus eine „Preis-Leistungs“-Empfehlung aus einer anderen Preis­klasse.

Für die Marke in diesem Mandat heißt das: In Produkt­gruppe B ist ChatGPT aktuell kein relevanter Discovery-Kanal für dich. Der Nutzer landet eher auf einem Marktplatz als auf deinem Shop. Daran kannst du mit Content vermutlich wenig ändern — die Antwort­logik ist in dieser Kategorie strukturell generisch.

In Produktgruppe A dagegen: hochgradig relevant. Wenn du dort nicht zitiert wirst, verlierst du Marken-Awareness in einer Discovery-Phase, in der sich die Markenwahl möglicher­weise schon entscheidet.

Beobachtung 3 — Korrelation ist nicht Kausalität

Wir haben in Woche vier bei zwei SKUs die `Product`-Schema-Attribute vervollständigt (vorher fehlten `aggregateRating` und `brand.sameAs` auf Wikidata). In Woche sechs waren beide SKUs häufiger in den Antworten. Klingt wie Beweis. Ist es nicht.

In derselben Zeit hat ein Fachportal eine der beiden SKUs in einem Vergleichs­test erwähnt. Und ChatGPT crawlt bekannter­maßen diskontinuierlich, mit Verzögerungen, die wir von außen nicht kennen. Welcher der drei Faktoren wie viel beigetragen hat — Schema-Fix, externe Erwähnung, zufälliger Re-Index — können wir mit einem Mandat und sechs Wochen nicht sauber trennen.

Das ist wichtig, weil wir in der Branche gerade sehr viele Berater sehen, die aus solchen Mini-Beobachtungen „5 Hebel für ChatGPT Shopping“ bauen. Wir machen das bewusst nicht. Was wir machen: Hypothese formulieren, mehr Datenpunkte sammeln, dann belegen oder verwerfen.

Was wir in den nächsten 60 Tagen testen

Drei Dinge:

**Erstens, Schema-Vollständigkeit systematisch.** Wir ziehen auf alle 180 SKUs des Mandats ein `Product`-Schema-Audit und priorisieren die 40 Hauptumsatz-SKUs auf 100 % Attribut­vollständigkeit. In 60 Tagen schauen wir, ob die Zitier-Quote in ChatGPT messbar hochgeht.

**Zweitens, dritter-Partei-Content.** Wir platzieren bei vier Fachportalen aktuelle Produkt-Erwähnungen (keine PR, sondern Fach­beiträge, in denen Produkte als Beispiel vorkommen). Hypothese: Je mehr unabhängige Nennungen, desto höher die Zitier-Wahrscheinlichkeit.

**Drittens, Negativ-Test.** Wir deaktivieren bei einer Marken-Variante bewusst Teile des Schema (nur zur Beobachtung, zwei Wochen) und schauen, ob die Zitier-Frequenz sinkt. Falls ja — Hinweis auf Kausalität. Falls nein — Hinweis darauf, dass andere Faktoren dominanter sind.

Alle drei Ergebnisse kommen in einen Follow-up-Post, voraus­sichtlich Herbst 2026.

Was das für dich heißt

Wenn du Marken­hersteller bist, folgende drei Fragen jetzt beantworten:

1. **Hast du `Product`-Schema auf allen Produkt­detail­seiten?** Nicht „irgendein Schema“, sondern das Richtige: `Product` mit `brand`, `offers` (inklusive `price` und `priceCurrency`), `description`, `image`, `sku`, idealerweise `aggregateRating` wenn vorhanden. Siehe → [Schema.org Product](/glossar/schema-org) für die Spezifikation.
2. **Werden deine Produkte in den letzten 12 Monaten mindestens dreimal auf nicht-eigenen Domains namentlich erwähnt?** Fachportale, Testberichte, Händler-Beschreibungen jenseits von Amazon. Wenn nein: Produkt-PR-Arbeit statt reiner Marken-PR.
3. **Steht in deiner Produkt­beschreibung im Fließtext, was das Produkt tatsächlich tut, wofür es geeignet ist, was es enthält?** Nicht in einer separaten Tabellen­section, nicht als PDF-Download, sondern als lesbarer Satz, in dem Attribute vorkommen.

Wenn du dreimal „ja“ sagen kannst, bist du in der Startaufstellung. Wenn nicht, hast du vermutlich einen blinden Fleck in deiner Discovery-Strategie, der sich 2027 teurer bezahlen wird als 2026.

Haltung

Wir sagen bei diesen Themen bewusst nicht: „ChatGPT Shopping ist der nächste große Kanal, du musst jetzt.“ Das wissen wir nicht. Was wir wissen: Discovery verlagert sich in Antwort-Maschinen (siehe auch den → Rufus-Post vom Mai). Ob am Ende ChatGPT, Perplexity, Google AI Overviews oder Alexa for Shopping das Rennen macht, ist zweitrangig, weil die technische Vor­bereitung bei allen vieren dieselbe Richtung hat: strukturierte Produktdaten, externe Validierung, zitier­barer Content.

Das ist der Hebel. Nicht der nächste Hype, sondern die Grundlage, die unter allen diesen Hypes gleich funktioniert.

Fragen, Beobachtungen, Widerspruch — gerne. Das hier ist ein Mandat und sechs Wochen. Wir wollen daraus mehr machen.