KI beim Black Friday: Dein ultimativer E-Commerce-Guide 2026

Der Umsatz an Black Friday und Cyber Monday ist 2025 erstmals seit Beginn der Erfassung gesunken: 5,8 Milliarden Euro in Deutschland, knapp zwei Prozent unter dem Vorjahr. Es war gleichzeitig die Saison mit dem breitesten KI-Einsatz im Handel, den es bis dahin gab. Beides zusammen sagt etwas Nützliches über KI am Black Friday: Sie löst kein Nachfrageproblem. Sie entscheidet darüber, wie viel du aus der Nachfrage machst, die ohnehin da ist.

Dieser Artikel zeigt, welche Anwendungen 2026 messbar liefern, welche du ohne Verlust weglassen kannst und was der neue Traffic aus KI-Assistenten für deine Vorbereitung bedeutet.

Was sich seit dem letzten Black Friday geändert hat

Die Aktionstage bleiben groß und werden nicht mehr größer. Der HDE rechnete für 2025 mit 5,8 Milliarden Euro, nach 5,9 Milliarden im Jahr davor, das durchschnittlich geplante Budget lag mit 265 Euro etwa auf Vorjahresniveau. Rund 1,6 Milliarden Euro davon entfallen auf Weihnachtseinkäufe. Für die Planung heißt das: Wachstum kommt aus Marktanteil, nicht aus dem Markt.

Auf der Kundenseite hat sich mehr bewegt. Laut einer Kantar-Befragung im Auftrag von idealo haben 40 Prozent der Verbraucher in Deutschland KI-Tools beim Onlineshopping bereits genutzt, 73 Prozent wünschen sich einen Assistenten, der Produkte erklärt und Alternativen vergleicht.

Interessant ist die Aufteilung nach Anwendung. Preisvergleich, Produktsuche und Kaufempfehlung stehen vorn. Genau diese drei Dinge tut ein Mensch am Black Friday sowieso, nur eben schneller und mit einem Werkzeug, das ihm eine Vorauswahl liefert.

Diese Vorauswahl hat Konsequenzen für die Traffic-Struktur. Adobe Analytics hat für den Black Friday 2025 ein Plus von 805 Prozent beim Traffic aus generativen KI-Quellen auf Retail-Websites gemessen, für die gesamte Saison 693 Prozent.

Diese Zahlen stammen aus dem US-Markt, und der deutsche Markt liegt bei der Adoption hinten. Die Richtung ist trotzdem eindeutig, weil dieselben Assistenten hier dieselben Anfragen beantworten. Mehr Daten dazu, wo KI im E-Commerce inzwischen tatsächlich eingesetzt wird, stehen in unserer Analyse zu KI Statistiken im E-Commerce 2026.

Vor dem Event: Prognose, Preis, Sortiment

Wer im November improvisiert, hat im September zu wenig gerechnet. Vier Anwendungen lohnen sich in der Vorbereitung, und eine davon wird systematisch überschätzt.

Nachfrageprognose: die günstigste Analyse liegt in deiner Suche

Moderne Prognosemodelle arbeiten mit historischen Verkaufsdaten, Trendsignalen und saisonalen Mustern. Der praktische Gewinn liegt seltener in der Punktgenauigkeit als in der Rangfolge: Welche zwanzig Artikel tragen die Aktion, welche vierzig binden Lagerplatz?

Eine Datenquelle wird dabei fast immer ignoriert. Die Suchanfragen des Vorjahres zeigen, was Kunden im November wollten und im Shop nicht gefunden haben. Diese Liste kostet nichts und ist präziser als jede Trendprognose, weil dahinter echte Kaufabsicht steht.

Werkzeuge für Prognose und Datenbasis

• DooFinder Analytics für die Suchanfragen des Vorjahres, inklusive Anfragen ohne Treffer und Conversion pro Suchbegriff.
• Google Search Console für die Nachfrage vor dem Shop: welche Begriffe im November Impressionen brachten und auf welcher Position du standest.
• Inventoro, Netstock oder Prediko (für Shopify) für Absatzprognose und Bestellmengen bei überschaubarem Sortiment.
• RELEX für Häuser mit eigener Supply-Chain-Abteilung. Für alles darunter ist es Overhead.

Die halbe Stunde, die dir dein Aktionssortiment vorgibt. Such-Analytics auf den 20. bis 30. November des Vorjahres, nach Suchanfragen sortieren, auf null Treffer filtern, alles über zehn Anfragen in eine Tabelle. Drei Spalten: Schreibweise, fehlendes Synonym, echte Sortimentslücke. Nur die dritte geht an den Einkauf, dafür mit Zahlen. Prüfung am 1. Dezember: die Liste muss kürzer sein als im Vorjahr.

Preisstrategie: Rabatte, die du nicht geben musst

Pauschal zwanzig Prozent über das gesamte Sortiment ist bequem und teuer. Preiselastizität unterscheidet sich pro Kategorie erheblich, und bei Artikeln mit hoher Nachfrage kostet ein Rabatt Marge, ohne den Abverkauf zu beschleunigen.

Ein Modell, das Klickraten, Conversion und Wettbewerbspreise zusammenführt, kann die Staffel je Produktgruppe vorschlagen. Der Nutzen entsteht vor der Aktion, in der Planung, weniger im Minutentakt während der Aktion.

Dynamisches Pricing im Livebetrieb rechnet sich ab einer Sortimentsgröße, bei der niemand mehr manuell nachsteuern kann. Bei 400 Artikeln reicht eine Preisliste mit drei Stufen und klaren Regeln.

Werkzeuge für Preisbeobachtung und Preisoptimierung

• Prisync für kleinere Sortimente, die vor allem Wettbewerbspreise beobachten wollen. Öffentliche Preisliste, schnell eingerichtet.
• Omnia Retail für regelbasierte Preisautomatisierung mit nachvollziehbaren Regeln und guter Abdeckung von Google Shopping, Idealo, Amazon und Kaufland. Patagona gehört inzwischen dazu.
• 7Learnings aus Berlin, wenn Preisentscheidungen aus einer Absatzprognose kommen sollen. Wichtig zu wissen: das Tool erhebt keine Wettbewerbspreise, es arbeitet mit deinen Verkaufsdaten und ergänzt ein Monitoring, ersetzt es nicht.
• Competera für Enterprise-Sortimente mit eigenem Pricing-Team.
• Händlerbund oder eine anwaltliche Prüfung für die Streichpreis-Kommunikation. Die EU-Omnibus-Richtlinie schreibt vor, worauf sich ein Rabatt beziehen darf, und Verstöße werden am Black Friday abgemahnt.

Dein wichtigster Preistermin ist der 27. Oktober. Bei einer Rabattankündigung gilt der niedrigste Preis der letzten dreißig Tage als Referenz. Für den 27. November 2026 bedeutet das: alles ab dem 28. Oktober bestimmt deinen erlaubten Streichpreis. Preisliste zum 27. Oktober einfrieren, als CSV mit Datum im Dateinamen ablegen, das ist bei einer Beanstandung der Nachweis.

Segmentierung: Verhalten statt Tabellenspalten

Alter und Geschlecht sagen wenig darüber, wer auf ein Ablauf-Datum reagiert. Verhaltensmuster sagen viel: wiederholte Produktansichten ohne Kauf, Empfindlichkeit gegenüber Versandkosten, Neigung zu höherpreisigen Bundles.

Drei sauber geschnittene Segmente wirken mehr als zwölf halbfertige. Der Aufwand liegt in der Definition, nicht im Modell.

Werkzeuge für Segmentierung und Verhaltensdaten

• Klaviyo oder Emarsys für Segmente auf Basis von Kauf- und Klickverhalten, mit direkter Anbindung an Flows und Kampagnen.
• Brevo oder ActiveCampaign als schlankere Variante für Teams ohne dedizierte CRM-Rolle.
• Google Analytics 4 für die Kanalsicht, Matomo oder Piwik PRO wenn Datenhaltung in der EU eine Anforderung ist.
• Microsoft Clarity kostet nichts und zeigt per Session Recording, wo Besucher in der Aktionswoche abbrechen. Für eine Woche im November ist das die günstigste Erkenntnisquelle überhaupt.

Wettbewerbsbeobachtung: der überschätzte Use Case

Tools, die Preise, Anzeigen und Keywords der Konkurrenz automatisch scannen, gibt es reichlich. Für die meisten Mittelstandsshops ist das der Punkt, an dem Vorbereitungszeit verbrennt. Du erfährst, dass ein Wettbewerber aggressiver rabattiert, und kannst es trotzdem nicht mitgehen, weil deine Einkaufskonditionen andere sind.

Nützlich bleibt eine schmale Variante: Preisbeobachtung für die zwanzig Artikel, die deine Aktion tragen. Alles darüber hinaus ist Beschäftigung.

Werkzeuge, wenn du es doch machst

• Prisync oder Dealavo für die Preise deiner zwanzig Aktionsartikel bei drei bis fünf Wettbewerbern.
• Semrush oder Sistrix für Anzeigen und Keywords der Konkurrenz, sofern du ohnehin eine Lizenz hast. Eine zweite Lizenz nur dafür anzuschaffen zahlt sich in einer Aktionswoche nicht.

Im Livebetrieb: die fünf Anwendungen, die zählen

Am 27. November entscheidet nicht die Modellqualität, sondern die Reaktionszeit. Fünf Dinge laufen dann automatisch oder gar nicht.

1. Onsite-Suche: der Kanal mit der höchsten Kaufabsicht

Wer das Suchfeld benutzt, hat sich für dein Sortiment entschieden und will nur noch das richtige Produkt. Bis zu 25 Prozent der Onlineumsätze starten mit einer Suchanfrage. Wer dort nicht fündig wird, ist innerhalb von Sekunden weg, und am Black Friday ist die nächste Alternative einen Klick entfernt.

Eine belastbare Suche kann in der Peak Season vier Dinge:

• Sie versteht zusammengesetzte Anfragen wie „rote Sneaker unter 80 Euro mit dicker Sohle“ inklusive Preisgrenze und Eigenschaft.
• Sie toleriert Tippfehler, Synonyme, englische Begriffe und Markenkürzel.
• Sie lässt sich steuern, damit lagerstarke oder margenstarke Artikel oben stehen und ausverkaufte nach hinten rutschen.
• Sie bleibt bei Traffic-Spitzen schnell.

Bei Sallys Shop, einem deutschen Shop für Backen und Lifestyle mit sehr großem Sortiment, liegt die Conversion Rate bei Suchnutzung 32 Prozent über dem Shopdurchschnitt, der durchschnittliche Warenkorbwert 29,5 Prozent höher.

E-Commerce Managerin Sarah Krauser führt das auf Fehlertoleranz zurück: Kunden suchen sehr gezielt und finden auch bei ungenauen Begriffen. Wie eine solche Suche technisch funktioniert, steht in unserem Beitrag zur KI-gestützten Suche.

Der operative Teil dauert am Aktionstag zehn Minuten: Such-Analytics öffnen, Anfragen ohne Treffer und Anfragen mit hohem Volumen und niedriger Klickrate ansehen, Synonym oder Custom Result setzen. Zweimal täglich reicht.

Werkzeuge für die Onsite-Suche

Wir bauen dieses Produkt selbst, deshalb bekommst du hier Auswahlkriterien statt einer Anbieterliste. Prüfe bei jedem Kandidaten diese fünf Punkte, bevor du unterschreibst:

• Versteht die Suche eine Anfrage mit Preisgrenze und Eigenschaft in einem Satz, oder nur Produktnamen?
• Kannst du Synonyme, Boosting und feste Ergebnisse selbst im Admin setzen, ohne Ticket an die Agentur?
• Werden ausverkaufte Artikel automatisch nach hinten sortiert?
• Zeigt die Statistik Anfragen ohne Treffer in Echtzeit, oder erst im Monatsreport?
• Wie lange dauert die Installation? Bei Standard-Shopsystemen liegt der Wert bei Minuten, nicht Wochen.

Bei DooFinder sind das die Funktionen Synonyms, Boosting, Custom Results, Out of Stock Items und die Real Time Stats. Die Anleitungen dazu stehen offen im DooFinder Support, du kannst also vor einer Entscheidung nachlesen, wie viel Arbeit dahinter steckt.

Der 20-Anfragen-Test. Zwanzig häufigste Suchbegriffe, jeder in vier Varianten: mit Handy-Tippfehler, im anderen Numerus, auf Englisch, mit Preisangabe. Fehlschlag heißt null Treffer oder kein passendes Produkt in den ersten drei Ergebnissen. Achtzig Eingaben in dreißig Minuten. Bewertung: bis zwei Fehlschläge unkritisch, drei bis fünf diese Woche beheben, über fünf ist die Suche dein größtes Umsatzrisiko, vor Lager und Ads. Am besten macht das jemand, der den Shop nicht gebaut hat.

2. Produktempfehlungen in Echtzeit

Statische Empfehlungskarussells zeigen im November dieselben Artikel wie im Juni. Modelle, die auf Klickverhalten, Suchanfragen und Kaufmuster ähnlicher Nutzer reagieren, liefern in unseren Daten eine um 40 Prozent höhere Klickrate und 11 Prozent mehr Umsatz.

Wichtiger als das Modell ist die Regel dahinter: Was passiert, wenn das empfohlene Produkt ausverkauft ist? Ohne Antwort darauf empfiehlt dein Shop am Samstag Artikel, die es nicht mehr gibt. Welche Empfehlungsarten in welcher Position funktionieren, haben wir in den 8 Strategien für Produktempfehlungen aufgeschlüsselt.

Werkzeuge für Empfehlungen

Auch hier gilt die Offenlegung von oben: DooFinder Recommendations ist unser eigenes Produkt. Die entscheidende Frage bei jedem Anbieter lautet, ob du einen Fallback definieren kannst, wenn nichts Passendes verfügbar ist. Viele Systeme zeigen dann Bestseller aus der falschen Kategorie.

Wenn dein Shopsystem eigene Empfehlungsmodule mitbringt, etwa Shopify oder Shopware, teste sie zuerst gegen deine eigenen Zahlen. Für Shops unter etwa 300 Artikeln reicht das oft aus.

3. Bestandsgesteuertes Merchandising

Der teuerste Fehler am Black Friday ist eine Kategorieseite, die ausverkaufte Bestseller auf Position eins zeigt. Sortierregeln, die Verfügbarkeit einbeziehen, lösen das ohne manuellen Eingriff.

Dasselbe gilt für Artikel mit langer Lieferzeit. Sie gehören in der Aktionswoche nach hinten, weil ein Lieferversprechen im Dezember über die Retourenquote im Januar entscheidet.

Werkzeuge für Sortierung und Kategorieseiten

• Prüfe zuerst, was dein Shopsystem selbst kann. Shopify und Shopware 6 erlauben manuelle und regelbasierte Sortierung pro Kategorie ohne Zusatztool.
• Sobald Verfügbarkeit, Marge und Aktualität gleichzeitig in die Sortierung einfließen sollen, brauchst du eine Merchandising-Ebene darüber. Bei uns heißt sie Category Merchandising, konfiguriert wird sie im Admin-Panel ohne Entwickler.
• Für die Aktionswoche ist eine einzige Regel wichtiger als ein Regelwerk: nicht verfügbar bedeutet nicht sichtbar auf Position eins.

Ausverkauft bedeutet nach hinten sortieren, nicht ausblenden. Entfernen erzeugt mitten in der Aktion leere Kategorieseiten, tote Ads-Ziele und Fehlerseiten aus Newsletter-Links, die zwei Stunden vorher funktioniert haben. Verfügbarkeit als Sortierkriterium mit höchstem Gewicht einrichten, nicht als Filter, plus Benachrichtigungsfunktion. Prüfung am Aktionstag gegen 18 Uhr: die drei wichtigsten Kategorieseiten auf dem Handy öffnen, in der ersten sichtbaren Reihe darf kein ausverkaufter Artikel stehen.

4. Beratung im Shop, wenn das Team am Limit ist

Ein Assistent, der Fragen zu Verfügbarkeit, Größen, Rückgabefristen und Angebotslaufzeiten beantwortet, entlastet den Support und beantwortet Kaufhürden in dem Moment, in dem sie entstehen. Am Black Friday ist das der Unterschied zwischen einem Abbruch und einer Bestellung.

Der Anspruch sollte niedrig anfangen. Ein Assistent, der zwanzig häufige Fragen sauber beantwortet und beim Rest ehrlich weiterleitet, schlägt einen, der alles versucht und dabei falsche Lieferzeiten nennt. Wie ein solcher Assistent im Shop arbeitet, zeigt der Beitrag zu DooFinder AI Assistant Use Cases.

Werkzeuge, und der Unterschied zwischen zwei Kategorien

Diese beiden Dinge werden ständig verwechselt, kosten aber unterschiedlich viel und lösen unterschiedliche Probleme:

• Serviceanfragen nach dem Kauf (Sendungsstatus, Retoure, Rechnung): dafür sind Zendesk AI, Intercom Fin oder Freshdesk gebaut. Sie sitzen auf deinem Ticketsystem und entlasten den Support.
• Kaufberatung vor dem Kauf („welche Größe“, „passt das zusammen“, „gilt das Angebot noch“): dafür braucht der Assistent Zugriff auf Katalog, Verfügbarkeit und Preise. Das ist die Kategorie, in der DooFinder AI Assistant arbeitet.

Ein Support-Bot, der Produktfragen beantworten soll, erfindet Lieferzeiten. Am Black Friday ist das teurer als keine Antwort.

5. Kampagnensteuerung

Budgetumverteilung auf performende Kanäle, dynamische Betreffzeilen, automatisches Pausieren bei Nichtverfügbarkeit. Der letzte Punkt ist der wertvollste und wird am häufigsten vergessen. Ads für ausverkaufte Artikel kosten Geld und produzieren enttäuschte Erstbesucher.

Werkzeuge für Kampagnen und Feeds

• Google Performance Max und Meta Advantage+ übernehmen die Budgetverteilung innerhalb einer Kampagne, brauchen dafür aber einen korrekten Produktfeed mit Verfügbarkeitsstatus.
• Channable, Productsup oder DataFeedWatch synchronisieren Bestand und Preis in Richtung Ads und Marktplätze. Ohne diese Schicht laufen Anzeigen für nicht lieferbare Artikel weiter.
• Klaviyo für E-Mail-Flows, die auf Verhalten in der Session reagieren, etwa aufgegebener Warenkorb während der Aktionswoche.
• k6 oder Loader.io für den Lasttest, Sentry für Fehler im Checkout, Better Stack oder Pingdom für Erreichbarkeit. Alle drei Prüfungen gehören in die Woche vor dem 20. November, nicht in die Aktionswoche.

Zwei Uhrzeiten, drei erlaubte Eingriffe. Feste Kontrollzeiten in der Aktionswoche, etwa 9 und 15 Uhr, je maximal zwanzig Minuten. Erlaubt sind genau drei Dinge: Synonym setzen, festes Suchergebnis setzen, Kampagne für nicht lieferbare Artikel pausieren. Alles andere wird notiert und Montag bearbeitet, weil jede größere Änderung am Aktionstag die Daten verändert, mit denen du hinterher auswerten willst, und Fehler im hohen Traffic nicht auffallen. Eine Person hat Entscheidungsbefugnis, mit Namen im Kalender.

Neu 2026: KI-Assistenten als Traffic-Kanal

Bis vor zwei Jahren war KI im Black-Friday-Kontext ein Werkzeug im Backend. Inzwischen ist sie zusätzlich eine Quelle für Besucher, die mit fertiger Anforderung ankommen.

Diese Besucher haben ihre Recherche außerhalb deines Shops erledigt. Der Assistent hat verglichen, gefiltert und eine Empfehlung ausgesprochen, und der Klick landet auf einer Produktseite oder in deiner Suche. Das erklärt die höhere Conversion und stellt zwei Anforderungen an den Shop.

Erstens müssen deine Produktdaten maschinenlesbar korrekt sein. Fehlende Attribute, veraltete Preise und leere Beschreibungen führen dazu, dass ein Assistent dein Produkt nicht in die Vorauswahl nimmt oder falsch beschreibt. Feed-Pflege war früher eine Aufgabe für Shopping Ads, inzwischen entscheidet sie auch über Sichtbarkeit in KI-Antworten.

Zweitens muss deine Suche natürliche Sprache verstehen. Ein Besucher, der bei einem Assistenten "wasserfeste Winterjacke für Kinder, unter 100 Euro" getippt hat, tippt im Shop dasselbe. Eine Suche, die auf exakte Produktnamen ausgelegt ist, zeigt ihm null Treffer und schickt den bestkonvertierenden Besucher des Tages zurück.

Der Aufwand dafür ist überschaubar, weil es dieselbe Arbeit ist, die auch deinen menschlichen Besuchern hilft. Genau das macht diesen Punkt zur besten Investition in dieser Saison.

Werkzeuge für Produktdaten und Sichtbarkeit in KI-Antworten

• Channable, Productsup oder DataFeedWatch für die Feed-Qualität: fehlende Attribute finden, Kategorien mappen, Preise und Bestand aktuell halten.
• Google Rich Results Test und das Schema.org Product Markup für strukturierte Daten auf der Produktseite. Was maschinenlesbar ausgezeichnet ist, wird von KI-Systemen zuverlässiger korrekt wiedergegeben.
• Peec AI aus Berlin, Otterly.ai, Semrush AI Toolkit oder Ahrefs Brand Radar für die Frage, ob dein Shop in KI-Antworten überhaupt genannt wird. Alle vier funktionieren nach demselben Prinzip: Prompts definieren, regelmäßig gegen mehrere Modelle laufen lassen, Nennungen und Quellen protokollieren.
• Google Analytics 4 oder Matomo für die Referral-Ansicht. Zugriffe aus KI-Assistenten erscheinen dort als Verweis von der jeweiligen Plattform, damit siehst du ohne Zusatztool, wie groß dieser Kanal in deinem Shop schon ist.

Prüfe deine Sichtbarkeit in KI-Antworten, bevor du ein Abo dafür kaufst. Fünf Fragen so formulieren, wie ein Kunde sie stellt, mit Anlass und Preisgrenze, also nicht "beste Winterjacke", sondern "wasserfeste Winterjacke für ein sechsjähriges Kind, unter 100 Euro". Jede Frage in ChatGPT, Perplexity und Gemini stellen, in eine Tabelle notieren: genannte Shops, zitierte Quellen, eigener Shop ja oder nein. Nach dem Feed-Aufräumen im Oktober wiederholen. Erst der Vergleich zweier Messungen sagt dir, ob ein bezahltes Monitoring sich lohnt.

Der Einstieg kostet nichts: Stelle einem Assistenten fünf Fragen, die deine Kunden stellen würden, und sieh nach, ob dein Shop in der Antwort vorkommt. Wenn nicht, weißt du, wo die Arbeit liegt, bevor du ein Abo abschließt.

Nach dem Event: aus Rabattkäufern Kunden machen

Die Kunden aus der Black Week sind billig eingekauft und teuer zu halten. Vier Dinge lohnen sich in den Wochen danach.

Retargeting mit Vorauswahl. Modelle schätzen ein, wer wahrscheinlich noch kauft. Der Wert liegt darin, Budget für die anderen nicht auszugeben. Wo Abbrüche im Checkout entstehen und was dagegen hilft, steht im Beitrag zum Warenkorbabbruch.

Cross-Selling entlang des gekauften Produkts. Wer eine Kamera gekauft hat, braucht ein Objektiv, keinen weiteren Rabattcode. Ergänzungen halten die Marge, ein zweiter Rabatt trainiert Rabattkäufer.

Auswertung mit ehrlichen Kennzahlen. Umsatz je Kanal ist die einfache Frage. Die nützliche ist: Deckungsbeitrag nach Rabatt, Retourenquote und Wiederkaufrate der Neukunden aus der Aktionswoche. Häufig sieht ein starker Kanal danach schwach aus.

Suchbegriffe der Black Week als Einkaufsliste. Anfragen mit Volumen und ohne Treffer sind die konkreteste Sortimentsempfehlung, die du für Q1 bekommen kannst. Wie sich das Q4-Geschäft insgesamt verteilt, zeigen die Zahlen in unserem Artikel zu Weihnachten in Zahlen.

Werkzeuge für die Nachbereitung

• Klaviyo oder Emarsys für Flows entlang des gekauften Produkts, mit Ausschluss der Käufer, die schon wiedergekauft haben.
• Google Analytics 4 für Kanalvergleich, ergänzt um eine eigene Tabelle mit Deckungsbeitrag nach Rabatt. Kein Analytics-Tool kennt deine Einkaufspreise.
• Microsoft Clarity für die Aufzeichnungen der Aktionstage. Zwanzig Sessions ansehen ersetzt eine Stunde Diskussion darüber, warum der Checkout abgebrochen wurde.
• DooFinder Analytics für den Export der Suchbegriffe der Aktionswoche, sortiert nach Volumen und Trefferzahl.

Fünf Spalten entscheiden, ob sich die Aktion gelohnt hat. Eine Zeile pro Kanal, fünf Spalten: Umsatz und gewährter Rabatt in Euro sofort, Retouren nach sechs Wochen, Wiederkäufer nach 90 Tagen, daraus der Deckungsbeitrag. Die Rangfolge der Kanäle ändert sich mit den letzten drei Spalten regelmäßig und deutlich. Zwei Kalendereinträge sofort anlegen, 15. Januar für Retouren und 1. März für Wiederkäufer, sonst bleibt die Auswertung beim Umsatz stehen und das nächste Budget fließt in den falschen Kanal.

Womit du anfängst, wenn die Zeit knapp ist

Neun Anwendungen sind viel für ein Team von drei Leuten. In dieser Reihenfolge bringt es am meisten:

1. Suche prüfen und aufräumen. Zwanzig echte Kundenanfragen durchtesten, Null-Treffer beheben, Synonyme setzen. Ein Tag Arbeit, direkte Wirkung auf den Kanal mit der höchsten Kaufabsicht.
2. Verfügbarkeit in die Sortierung einbauen. Verhindert den teuersten Fehler der Aktionswoche.
3. Produktdaten korrigieren. Wirkt gleichzeitig auf Onsite-Suche, Shopping Ads und Sichtbarkeit in KI-Antworten.

Alles andere kann bis zum nächsten Jahr warten, inklusive dynamischem Pricing und Wettbewerbsscans.

Wenn du wissen willst, welche Anfragen dein Shop im letzten November nicht beantworten konnte dann sieh, wie DooFinder AI Search Suchanfragen mit Kaufabsicht in Umsatz verwandelt.