Product Discovery im E-Commerce: Was wirklich dahintersteckt und warum die meisten Shops es falsch angehen

Die meisten Online-Shops haben dasselbe Problem: Sie investieren Wochen in die Optimierung ihrer Suchleiste und ignorieren dabei den Großteil ihrer Besucher.

Denn wer einen Shop betrirt, weiß oft nicht genau, was er will. Er hat ein Budget. Einen Anlass. Oder einfach Interesse. Diese Besucher tippen nichts in die Suchleiste, weil sie noch keinen konkreten Begriff haben. Und genau hier verlieren die meisten Shops den Kampf um die Conversion still, unsichtbar, jeden Tag.

Das ist das Problem, das E-Commerce Product Discovery löst. Und weil die meisten Shops Product Discovery mit Suche verwechseln, verschenken sie Umsatz, den sie nie als solchen erfassen.

Dieser Artikel erklärt, was Product Discovery wirklich bedeutet, welche Funktionen den Unterschied machen und warum es nicht reicht, einfach eine bessere Suchleiste zu installieren.

Was es nicht ist: Suche. Suche ist aktiv. Der Nutzer hat eine Absicht, formuliert sie als Begriff und erwartet ein Ergebnis. Product Discovery ist der gesamte Rest, also das Erkunden, Vergleichen, Entdecken. Passiv auf den ersten Blick, aber hoch relevant für den Kaufabschluss.

Der Unterschied klingt akademisch. Er ist es nicht.

Wer nur Suche optimiert, optimiert für Kunden, die sowieso kaufbereit sind. Wer Product Discovery optimiert, holt auch alle anderen ab und das ist die Mehrheit der Besucher in den meisten Shops.

Product Search vs. Product Discovery

Warum gehen die meisten Shops Product Discovery falsch an?

Das Missverständnis ist strukturell: E-Commerce-Teams messen, was messbar ist. Suchanfragen, Zero-Result-Raten, Click-Through auf Suchergebnisse. Das sind valide KPIs, aber sie decken nur einen Bruchteil der Discovery-Journey ab.

Was niemand misst: Wie viele Besucher haben den Shop verlassen, ohne je ein relevantes Produkt gesehen zu haben weil Navigation, Kategoriestruktur oder Empfehlungen sie nicht dorthin geführt haben?

Drei Fehler tauchen dabei immer wieder auf:

Fehler 1: Kategorieseiten als Produktlisten behandeln. Eine Kategorieseite ist in vielen Shops nichts weiter als eine alphabetisch oder nach Datum sortierte Auflistung. Kein Merchandising, keine Priorisierung, keine Logik hinter der Reihenfolge. Dabei ist die Kategorieseite oft der wichtigste Touchpoint im gesamten Discovery-Prozess. Der Moment, in dem der Nutzer weiß, was er grob will, aber noch entscheidet, welches Produkt.

Fehler 2: Empfehlungen regelbasiert betreiben. „Kunden kauften auch“ ist eine sinnvolle Idee aber nur, wenn die Empfehlungen aus echtem Verhalten berechnet werden. Wer starre Regeln hinterlegt („zeige immer Produkt X als Ergänzung zu Produkt Y“), verliert genau den Personalisierungseffekt, der Empfehlungen wertvoll macht.

Fehler 3: Discovery nur als technisches Feature sehen. Product Discovery ist keine Funktion, die man einmalig installiert. Es ist eine laufende Entscheidung: Welche Produkte zeige ich wem, wann, in welcher Reihenfolge und warum? Wer das dem Algorithmus komplett überlässt, verliert die Kontrolle über die eigene Verkaufsstrategie.

Die Phasen der Product Discovery Journey

Kunden durchlaufen keine lineare Reise von „Ich komme auf den Shop“ zu „Ich kaufe.“ Discovery ist ein Prozess, der sich über mehrere Sitzungen, Geräte und Einstiegspunkte erstreckt. Wer das versteht, plant Discovery anders.

Phase 1: Exploration. Der Nutzer hat kein konkretes Produkt im Kopf. Er stöbert, schaut sich Kategorien an, scrollt durch die Startseite. Hier entscheidet die Qualität der Navigation und der visuellen Darstellung.

Phase 2: Orientierung. Der Nutzer hat eine grobe Richtung. Er öffnet eine Kategorie, nutzt Filter, vergleicht ein paar Produkte. Hier entscheidet die Produktreihenfolge auf der Kategorieseite und die Qualität der Filterfunktion.

Phase 3: Evaluation. Der Nutzer hat zwei oder drei Kandidaten. Er liest Produktbeschreibungen, schaut sich Bewertungen an, prüft Verfügbarkeit. Hier entscheiden Empfehlungen auf der Produktdetailseite und Querverweise auf verwandte Produkte.

Phase 4: Entscheidung. Der Nutzer ist bereit zu kaufen — oder bricht ab. Hier entscheidet, ob die letzte Frage beantwortet wurde: „Ist das wirklich das Richtige für mich?“ Guided Selling und ein AI Assistant können genau das leisten.

Jede Phase braucht andere Funktionen. Wer nur eine davon abdeckt, verliert Kunden in den anderen.

Die 7 Funktionen, die Product Discovery wirklich ausmachen

Jetzt wird es konkret. Das sind die Funktionen, die den Unterschied zwischen einem Shop, der Discovery versteht, und einem, der sie unterschätzt, tatsächlich ausmachen mit dem jeweiligen Fehler, den die meisten Shops dabei machen.

1. Smarte Suche: Intent statt Keyword

Eine Suchleiste, die nur exakte Treffer liefert, ist 2025 keine Suche mehr, sie ist ein Ausschlussfilter. Kunden schreiben „Winterjacke winddicht mit Kapuze“, tippen sich bei „Sneecker“ oder suchen auf Spanisch in einem deutschen Shop. Eine smarte Suche versteht Kontext, korrigiert Fehler, interpretiert Synonyme.

Fehlertoleranz, semantisches Verständnis und mehrsprachige Unterstützung sind keine Premium-Features. Sie sind die Grundlage dafür, dass Site-Search überhaupt funktioniert.

Bei Bürohengst führten Tippfehler, fehlende Synonyme und ein veraltetes Suchdesign regelmäßig zu Null-Treffern. Nach der Implementierung einer fehlertoleranten, smarten Suche mit gezielten Redirections: 22,5 % Conversion Rate bei Suchanfragen, 53,9 % Click-Through-Rate. Fast jede vierte Suche führt heute zu einem Kauf.

2. Autocomplete: der Moment vor dem Enter-Drücken

Autocomplete ist mehr als Tipp-Hilfe. Es ist der erste Discovery-Moment im Such-Prozess: Während der Nutzer tippt, sieht er, was der Shop zu bieten hat. Wer hier nur Suchbegriffe vorschlägt, verschenkt Potenzial. Wer Produkte mit Bild, Kategorien und Preisinfos zeigt, führt Nutzer direkt zum gewünschten Produkt zu finden und damit zur Kaufentscheidung.

Richtig eingesetzt reduziert Autocomplete die Zeit bis zum ersten Produktklick erheblich und senkt die Zero-Result-Rate, weil Nutzer früh sehen, ob ihr Begriff im Shop funktioniert.

3. Filterung und Facetten: Orientierung statt Überwältigung

Filter sind in den meisten Shops zu viele, zu generisch oder falsch priorisiert. Wer in einer Kategorie für Herrenjacken auch nach „Farbe: transparent“ filtern kann, hat ein Datenproblem, kein Feature.

Gute Filterfunktionen zeigen genau die Attribute, die für die jeweilige Kategorie relevant sind und blenden irrelevante aus. Wer nach einem Laptop sucht, braucht einen Filter für Prozessor, RAM und Display. Nicht für Farbe. Wer nach Damenschuhen sucht, braucht Absatzhöhe und Anlass. Nicht Herstellernummer.

Dynamische Filter, die sich der aktuellen Suchanfrage anpassen, lösen das Problem. Sie reduzieren Klicktiefe und halten Nutzer in der Exploration-Phase, statt sie durch irrelevante Optionen zu verlieren.

4. Category Merchandising: Kategorieseiten, die verkaufen

Eine Kategorieseite ist eine Verkaufsfläche, keine Datenbank-Ausgabe. Trotzdem behandeln die meisten Shops sie genau so: Produkte in der Reihenfolge, in der sie eingetragen wurden. Kein Merchandising, keine Strategie, keine Logik.

Category Merchandising bedeutet: Die Produktreihenfolge wird automatisch nach Lagerbestand, Marge, Saisonalität, Kampagnenzielen und Klickverhalten gesteuert, das ist Searchandising in seiner direktesten Form. Produkte, die gerade wenig Lager haben, rutschen nach hinten. Hochmargige Produkte kommen nach vorn. Neuheiten werden priorisiert, solange sie Aufmerksamkeit brauchen.

Das klingt komplex ist aber ohne Entwickler konfigurierbar. Die Wirkung ist direkt messbar: +10 % Conversion Rate durch optimierte Kategorieseiten (interne DooFinder-Daten)

5. Recommendations: der personalisierte Verkäufer

Produktempfehlungen funktionieren, wenn sie auf echtem Verhalten basieren. Nicht auf Regeln, die vor sechs Monaten manuell eingepflegt wurden.

Moderne Recommendation-Systeme berechnen in Echtzeit, welche Produkte für diesen spezifischen Nutzer in diesem Moment relevant sind, basierend auf Klickverhalten, Kaufhistorie, Verweildauer und ähnlichen Nutzerprofilen. Das Ergebnis sind Karussells, die sich anfühlen wie eine persönliche Empfehlung, nicht wie ein Zufalls-Querschnitt des Sortiments.

Richtig platziert auf der Homepage, der Produktdetailseite, im Warenkorb, in Kategorien erhöhen Recommendations den AOV, senken die Absprungrate und führen Nutzer tiefer in den Shop. OONIQUE hat mit kategorisierten, relevanten Empfehlungen eine Click-Through-Rate von 77,4 % und +47 % Conversion Rate erreicht.

6. Quiz Maker / Guided Selling: für Kunden, die nicht wissen wo anfangen

Manche Sortimente sind zu komplex für eine reine Suche. Kinderspielzeug, Hautpflege, Sportausrüstung, technische Produkte hier haben Kunden oft eine Kaufabsicht, aber kein konkretes Produkt vor Augen. Sie brauchen keine Suchleiste. Sie brauchen jemanden, der ihnen Fragen stellt.

Ein Guided-Selling-Quiz führt Nutzer in wenigen Schritten zum passenden Produkt: „Für wen ist das Geschenk?“ — „Welches Budget?“ — „Welche Interessen?“ — „Hier sind die drei passenden Produkte.“

Das reduziert nicht nur Abbrüche in komplexen Sortimenten. Es reduziert auch Retouren, weil Kunden das richtige Produkt kaufen nicht das, das zufällig als erstes angezeigt wurde.

7. AI Assistant: wenn Kunden beschreiben statt suchen

„Etwas für einen 9-Jährigen, der Dinosaurier liebt.“ Das ist keine typische Suchanfrage und trotzdem eine komplett valide Kaufabsicht. Die meisten Shops liefern dafür null Ergebnisse.

Ein AI Assistant übersetzt solche Beschreibungen in konkrete Produktempfehlungen. Er führt Gespräche, beantwortet Fragen, schlägt Alternativen vor und klärt Einwände ohne, dass ein Mensch im Team involviert ist.

Der Effekt geht über die Conversion hinaus: Gespräche mit dem AI Assistant zeigen, welche Fragen Kunden vor dem Kauf haben, welche Produkte sie vergleichen, wo sie unsicher sind. Diese Daten sind für Merchandising-Entscheidungen wertvoller als die meisten klassischen Analytics-Berichte. Bei Eureka Kids übernimmt der AI Assistant 40 % aller Pre-Purchase-Anfragen und die Insights haben direkt zu besseren Merchandising-Entscheidungen geführt: +24 % Conversion Rate, +12 € AOV.

Personalisierte Product Discovery: wenn der Shop mitdenkt

Die sieben Funktionen sind die Grundlage. Was sie auf die nächste Stufe hebt: Personalisierung.

Personalisierte Product Discovery bedeutet, dass der Shop nicht jedem Besucher dasselbe zeigt, sondern auf Basis von Verhalten, Kaufhistorie und Echtzeitdaten individuell reagiert. Wer sich dreimal Winterjacken angeschaut hat, sieht auf der Startseite andere Empfehlungen als jemand, der nach Laufschuhen gesucht hat.

Das klingt nach großem Aufwand. Ist es nicht. Moderne Systeme lernen aus dem Klickverhalten und passen Product Discovery-Erlebnisse automatisch an, ohne manuelle Eingriffe und ohne tägliche Konfiguration.

Der Unterschied ist messbar: Personalisierte Empfehlungen konvertieren höher als generische. Personalisierte Kategorieseiten reduzieren Absprünge. Personalisierte Suchergebnisse helfen Kunden, das gewünschte Produkt zu finden, bevor sie aufgeben und senken damit direkt die Zero-Result-Rate.

Wichtig: Personalisierung ist keine On/Off-Funktion. Sie verbessert sich mit jedem Datenpunkt. Wer früh anfängt, hat nach sechs Monaten einen messbaren Vorsprung gegenüber Shops, die noch mit statischen Regeln arbeiten.

Wie wird Product Discovery gemessen?

Product Discovery lässt sich nicht mit einem einzigen KPI abbilden. Diese Kombination gibt ein realistisches Bild:

Click-Through-Rate in der Suche zeigt, ob die angezeigten Ergebnisse zur Suchabsicht passen. Werte unter 50 % sind ein Signal, dass Relevanz und Präsentation nicht stimmen. OONIQUE liegt bei 77,4 %, Sallys Shop bei 75,6 %, Bürohengst bei 53,9 %.

Conversion Rate bei Suchnutzung misst den Anteil der Suchsitzungen, die zu einem Kauf führen. Unter 5 % ist kritisch. Bürohengst: 22,5 %. Sallys Shop: +32 % nach Optimierung. MASCHENFEIN: 8,9 %.

Zero-Result-Rate ist der Anteil der Suchanfragen ohne Treffer. Jede Nulltreffer-Suche ist eine verpasste Conversion und ein direkter Hinweis auf fehlende Synonyme, schlechte Datenbasis oder unvollständiges Sortiment-Tagging.

AOV bei Discovery-Touchpoints zeigt, ob Empfehlungen und Guided Selling den Warenkorb erhöhen. OONIQUE: +10 % AOV. Sallys Shop: +29,5 % AOV. Wenn der AOV bei Nutzern, die Empfehlungen durchlaufen haben, nicht höher ist als bei anderen, stimmt die Relevanz nicht.

Absprungrate auf Kategorieseiten signalisiert, ob das erste gezeigte Produkt zur Erwartung des Nutzers passt. Eine hohe Absprungrate auf Kategorieseiten ist fast immer ein Merchandising-Problem, kein Traffic-Problem.

Suchverfeinerungsrate zeigt, wie oft Nutzer ihre Suchanfrage ändern. Viele Verfeinerungen bedeuten: Die erste Antwort war nicht gut genug. Das kann an schlechter Relevanz liegen, aber auch daran, dass Autocomplete die Nutzer nicht früh genug in die richtige Richtung geführt hat. Laut Shopsuche Statistik 2026 brechen 68 % der Nutzer ab, wenn die Suche sie frustriert.

Product Discovery in der Praxis: was passiert wirklich?

Theorie ist einfach. Was Product Discovery in der Praxis bedeutet, zeigen konkrete Beispiele besser als jede Checkliste.

MASCHENFEIN hat ein designgetriebenes Stricksortiment. Komplex, saisonal, stark von Community-Trends abhängig. Die Standard-Suche konnte bei Maschenfein damit nicht umgehen: Sie war zu unflexibel, erkannte keine Trend-Begriffe aus sozialen Medien und führte zu Abbrüchen genau dann, wenn Kaufabsicht am höchsten war. Mit Custom Results, Synonymen und einer Suche, die Community-Nachfragen direkt aufgreift, werden Trend-Kits heute sofort gefunden. Conversion Rate bei Suchanfragen: 8,9 %. CTR-Wachstum: +35 %.

„Wir verbinden Inspiration und Handel in Echtzeit. Mit DooFinder verwandeln wir Neugier aus unserer Community direkt in Kaufentscheidungen.“ — Dr. Marisa Nöldeke, Gründerin & Geschäftsführerin, MASCHENFEIN

OONIQUE betreibt einen Woll- und DIY-Shop mit über 1.500 Produkten. Das Kernproblem bei Oonique war klassisch: Zu viele Produkte, zu viele Varianten, und eine Suche, die Kunden in die falsche Richtung schickte. Mit kategorisierten, intelligenten Suchergebnissen und Empfehlungen, die Nutzer gezielt weiterführen: 77,4 % CTR, +47 % Conversion Rate, +10 % AOV.

„Mit über 1.500 Produkten war Discovery unser größtes Problem. Seit DooFinder finden Kunden nicht nur was sie suchen, sie entdecken Produkte, die sie noch gar nicht kannten. Das merken wir direkt an der Conversion.“ — Johanna Jacob, COO, OONIQUE

SALLYS SHOP ist ein Lifestyle- und Backshop mit großem Sortiment und sehr gezielter Kundschaft. Kunden suchen präzise in Sallys Shop, aber mit Tippfehlern, ungenauen Begriffen, alternativen Schreibweisen. Ohne fehlertolerante Suche bedeutet das: Nulltreffer, Frustration, Absprung. Mit smarter Suche, Synonymen und Bannern für Kampagnen: +32 % Conversion Rate bei Suchnutzung, +29,5 % AOV, 75,6 % CTR.

„Unser Sortiment ist groß und unsere Kunden suchen sehr gezielt. Seit DooFinder findet jeder, was er sucht auch mit Tippfehlern oder ungenauen Begriffen. Das merkt man direkt am Warenkorb.“ — Sarah Krauser, E-Commerce Managerin, Sallys Shop

Unser Fazit: Discovery ist keine Funktion, es ist eine Entscheidung

Product Discovery ist kein Feature, das man einmalig einschaltet. Es ist die Frage, ob ein Shop seinen Besucher versteht oder nur den Teil davon, der bereits weiß, was er will.

Die meisten Shops beantworten diese Frage unvollständig. Sie haben eine Suchleiste, vielleicht Kategoriefilter und irgendwo ein Bestseller-Karussell. Das ist kein System. Das ist eine Ansammlung von Einzelentscheidungen ohne verbindende Strategie.

Wer Discovery ernst nimmt, behandelt jeden Touchpoint als Teil eines zusammenhängenden Systems: Die Suche liefert Insights, die das Merchandising verbessern. Category Merchandising steuert, welche Produkte in welcher Reihenfolge sichtbar sind. Empfehlungen personalisieren die Erfahrung über den gesamten Kaufprozess. Quiz Maker und AI Assistant fangen die Nutzer auf, die mit Beschreibungen statt mit Keywords ankommen.

Jedes dieser Elemente funktioniert für sich. Zusammen entscheiden sie, ob ein Shop seinen Traffic in Umsatz verwandelt oder ihn jeden Tag aufs Neue verschenkt.