Wenn du mit dem Google Merchant Center arbeitest, wirst du in der nächsten Zeit ein neues Werkzeug entdecken – eines, das viel mit künstlicher Intelligenz zu tun hat. Google ergänzt seine Plattform um einen Bericht namens AI Performance Insights. Diese Erweiterung soll dir helfen, besser zu verstehen, wie deine Marke auf sogenannten „AI-Surfaces“ performt, also in den Bereichen, in denen Google mittlerweile KI-gestützte Erfahrungen anbietet – etwa in der neuen Search-Umgebung, den AI Overviews oder in der Gemini-App. Das klingt technisch, ist aber letztlich ein Schritt in Richtung tiefere, datenbasierte Transparenz darüber, wie Nutzer deine Produkte über künstlich-intelligente Google-Dienste finden und wahrnehmen.
Ich habe mir diesen Bericht genauer angesehen und möchte dir erklären, wie du ihn lesen, interpretieren und vor allem nutzen kannst. Denn, ganz ehrlich: Wenn Google seine Berichte um „AI Insights“ erweitert, dann steckt dahinter mehr als nur ein weiteres Dashboard – es ist eine klare Richtung, in die sich das Performance-Marketing gerade bewegt.
Der Gedanke hinter den neuen AI Performance Insights
Google hat in den letzten Jahren viele Wege ausprobiert, um Daten aus der Suche, den Shopping-Diensten und der KI zusammenzuführen. Die Idee ist, dass du als Händler oder Marke besser verstehst, wo und wie deine Produkte sichtbar sind, insbesondere in diesen neuen, stark kuratierten KI-Umgebungen. Was früher einfach „Google Shopping“ war, ist jetzt Teil eines viel größeren Ökosystems – von der klassischen Suchanzeige bis hin zu KI-generierten Produktvorschlägen. Genau hier setzt „AI Performance Insights“ an.
Aus meiner Erfahrung mit den bisherigen Merchant-Center-Reports war das größte Problem: Du konntest zwar Klicks und Impressionen sehen, wusstest aber kaum, woher die Sichtbarkeit konkret kam – war es ein klassisches Suchergebnis, ein Shopping-Kategorie-Modul oder mittlerweile ein „AI Overview“, also ein automatisch zusammengefasster Produktblock in der KI-Suche? Diese neue Report-Funktion will das Lückenhafte beseitigen.
Google beschreibt das Ganze so: Der Bericht soll eine Übersicht liefern, wie deine Marke auf AI-Flächen abschneidet – und gleichzeitig Hinweise geben, wie du deine Produktdaten verbessern kannst, um dort stärker aufzutreten. Besonders interessant ist die Verknüpfung zu anderen Features im Merchant Center, etwa zur Produktdatenoptimierung. So kannst du aus den Erkenntnissen tatsächlich Handlungen ableiten – nicht nur Zahlen ansehen.
Die vier zentralen Bereiche des AI-Berichts
Das neue Reporting teilt sich in vier Kernkomponenten, die – wenn man sie richtig versteht – ein ziemlich vollständiges Abbild deines gesamten AI-basierten Shopping-Funnels geben. Lass uns die wichtigsten Abschnitte einmal durchgehen.
1. Share of Voice – Deine Sichtbarkeit im Vergleich
Beginnen wir mit einem Begriff, der schon aus klassischer Werbung bekannt ist: Share of Voice. In diesem Fall beschreibt er deine Markensichtbarkeit auf KI-getriebenen Plattformen – etwa in der neuen Google-Suche, innerhalb von Gemini oder in generativen Shopping-Erlebnissen. Das bedeutet, du bekommst im Bericht nicht nur deine eigenen Daten, sondern auch einen Vergleich mit „ähnlichen Marken“ in deinem Segment. Das ist spannend, weil Google dir hier erstmals eine Art Benchmarking-Option anbietet, die weit über CPC oder Impressionen hinausgeht.
Das Ganze basiert auf anonymisierten aggregierten Daten. So kannst du abschätzen, ob du in den neuen AI-basierten Journeys deiner Zielgruppe tatsächlich sichtbar bist – oder ob dein Konkurrent bevorzugt wird. Wenn du beispielsweise Sportartikel verkaufst, sagt dir dieser Wert, ob Nutzer in der Gemini-App tendenziell häufiger Produkte deiner Marke sehen oder eher jene deiner Mitbewerber. Gerade in Zeiten, in denen KI-generierte Empfehlungen zunehmend Käufe steuern, ist das ein enorm wertvolles Wissen.
2. Performance entlang des Shopping-Funnels
Der zweite Abschnitt nennt sich Shopping Funnel Performance. Im Grunde werden hier Insights entlang der gesamten Customer Journey geliefert: von der Entdeckung („Discovery“) über die Produktbewertung („Evaluation“) bis hin zum Kauf („Purchase“). Google verspricht, dass du so besser nachvollziehen kannst, an welcher Stelle potenzielle Käufer abspringen oder wo sie besonders stark mit deiner Marke interagieren.
Das ist gerade dann relevant, wenn du merkst, dass zwar viele Nutzer deine Produkte in AI-Overviews sehen, sich die Conversion-Rate aber nicht verbessert. Dann liegt das Problem möglicherweise nicht an der Sichtbarkeit selbst, sondern an unvollständigen Produktattributen oder am Preisvergleich. Ich habe ähnliche Entwicklungen in der Anfangszeit von Smart Shopping beobachtet – dort war es auch erst die korrekte Datenpflege, die den Unterschied gemacht hat.
3. Produktbegriffe und -themen („Product Term Insights“)
In diesem Bereich geht es nicht um konkrete Produkte, sondern um die Suchbegriffe, die Nutzer bei KI-gestützten Suchen eingeben. Der Report hilft dir zu erkennen, welche Produkttypen oder Begriffe besonders gefragt sind – und wie oft deine Marke dabei auftaucht. Du siehst also z. B., dass Nutzer nach „nachhaltigen Sneakern“ suchen, und erfährst gleichzeitig, welchen Anteil du innerhalb dieses Gesprächskontexts hast.
Das mag zunächst wie eine Erweiterung klassischer Keyword-Analysen wirken, ist aber tiefergehend: Denn die Daten basieren auf Konversationen innerhalb der KI-Systeme (z. B. Gemini oder AI Overviews), also in Umgebungen, die stärker auf natürliche Sprache und Kontext reagieren. Entsprechend verändern sich die Metriken – nicht mehr das einzelne Keyword zählt, sondern Themencluster. Das ist ein wichtiger Schritt, weil sich Suchverhalten zunehmend konversationsbasiert entwickelt.
4. Produktspezifikationen („Product Attributes Insights“)
Hier geht es um Klarheit in deinen Produktdaten. Der Report zeigt dir, welche Produktattribute besonders oft nachgefragt werden – das können Farben, Materialien, Größen oder Stilrichtungen sein – und wie vollständig deine eigenen Artikel diese Angaben enthalten. Google spricht in diesem Zusammenhang von einem sogenannten Attribut-Vollständigkeitsscore. Je genauer deine Daten gepflegt sind, desto wahrscheinlicher ist es, dass deine Produkte in den KI-generierten Vorschlägen auftauchen.
Ich habe viele Händler gesehen, die genau an dieser Stelle Potenzial verschenken. Oft fehlen scheinbar nebensächliche Angaben – etwa das Material oder eine bestimmte Größeninformation – und schon wird das Produkt in der KI-Suche nicht mehr als relevant eingestuft. Wenn du diese Insights regelmäßig nutzt und deine Produktfeeds anpasst, kannst du systematisch deine Chancen auf bessere Platzierungen erhöhen.
Warum das Ganze mehr als nur ein Reporting ist
Was ich an der Initiative besonders interessant finde: Google stellt KI hier nicht als eine Art Blackbox dar, sondern als Messgröße, die du direkt analysieren kannst. Das ist neu. Bisher war das größte Problem mit AI-basierten Entdeckungsoberflächen, dass man kaum nachvollziehen konnte, woher die Wirkung kam. Nun kannst du erstmals Daten sehen, die genau diese Lücke schließen.
Das kommt nicht von ungefähr. Google hat gemerkt, dass Werbetreibende zunehmend Transparenz fordern – gerade in einer Welt, in der Shopping-Erlebnisse durch AI Overviews oder Gemini automatisch gestaltet werden. Der „AI Performance Insights“-Report ist gewissermaßen eine Antwort auf diese Forderung: Er übersetzt KI-Interaktionen in nachvollziehbare Marketingmetriken.
Natürlich darf man die Euphorie etwas zügeln. Noch ist dieser Bericht neu – also erwarten dich sicher kleinere Unschärfen bei den Daten. Ich kann mir gut vorstellen, dass Google viele der Metriken über die kommenden Monate noch verfeinern wird. Aber die Richtung stimmt. Besonders für Marken, die im Wettbewerb mit großen Playern stehen, bietet sich hier die Chance, zu sehen, wo man im AI-Umfeld steht. Und das ist Gold wert.
So kannst du praktische Schritte ableiten
Einer der größten Vorteile liegt in der Verbindung zwischen Insights und Handlungsempfehlung. Es reicht nicht, die Zahlen nur anzusehen – du solltest sie als Grundlage für konkrete Optimierungen nutzen. Hier einige Ansätze, wie du damit arbeiten könntest:
- Produktdaten-Optimierung: Prüfe regelmäßig, welche Attribute laut Bericht fehlen, und ergänze sie. Das betrifft vor allem Felder wie Farbe, Material, Stil, aber auch Metadaten wie Pflegehinweise oder Energiekennzeichnungen.
- Strategische Keyword-Erweiterung: Nutze die „Product Term Insights“, um dein Sortiment sprachlich an realistische Suchphrasen anzupassen. Wenn Nutzer in AI-Overviews nach „bequemen Anzugschuhen für lange Tage“ fragen, lohnt es sich, genau diese Wortwelt in deinen Feeds oder Landingpages zu spiegeln.
- Wettbewerbsanalyse: Mit Share of Voice kannst du erkennen, welche Marken in deinem Segment dominieren. Wenn du feststellst, dass du in Gemini kaum auftauchst, könnte eine Überarbeitung deiner Struktur- und Feeddaten oder eine Optimierung deines Ad-Kontos nötig sein.
- Funnel-Stufen erkennen: Wenn du siehst, dass Nutzer zwar in der „Entdeckungsphase“ stark mit deinen Produkten interagieren, aber danach abspringen, ist das ein Hinweis auf Conversion-Probleme – vielleicht fehlen Bewertungen, vielleicht ist der Checkout zu komplex.
Aus meiner Sicht ist genau diese Verbindung von Insights und Handlungsmöglichkeiten das, was langfristig den Unterschied macht. Google hat offenbar verstanden, dass Händler keine weiteren Einzelmetriken brauchen, sondern „Verknüpfungen“, die Handlungsanlässe schaffen.
Was diese Neuerung für das Marketing-Ökosystem bedeutet
Wenn man den Schritt größer denkt, erkennt man darin auch eine Anpassung an einen generellen Wandel im Such- und Kaufverhalten. Klassische Search-Kampagnen verlieren an Bedeutung, weil KI-Systeme Inhalte vorstrukturieren. Das klassische „Keyword = Anzeige“ weicht zunehmend einem intent-basierten Modell – also einem, das die Absicht des Nutzers automatisch interpretiert. Und genau hier hilft ein Bericht wie dieser, den Überblick zu behalten.
Ich sehe in der Praxis oft, dass Marketing-Teams mit dieser Entwicklung hadern. Viele fragen sich: Wie messe ich Erfolg, wenn Nutzer gar keine „Suchseite“ im alten Sinn mehr sehen, sondern eine AI-generierte Empfehlung? Genau das adressiert Google hier. Es geht nicht mehr nur um Klicks, sondern um „Sichtbarkeit innerhalb der KI-Erfahrung“. Wenn du heute über Budgetentscheidungen nachdenkst, musst du diese neue Dimension einplanen – sonst verpasst du schlicht den Ort, an dem zukünftige Kaufentscheidungen getroffen werden.
Erfahrungen und erste Einschätzungen
Ich habe schon ein paar Mockups dieses Berichts gesehen, und ehrlich gesagt: Er sieht ziemlich aufgeräumt aus. Google kombiniert visuelle Diagramme – etwa für „Share of Voice“ – mit klaren Handlungsempfehlungen am Rand. Die Benutzeroberfläche erinnert etwas an „Performance Max Insights“, ist aber stärker auf qualitative Erkenntnisse ausgelegt. Das macht ihn auch für Teams interessant, die sonst wenig Zeit für tiefes Reporting haben.
Natürlich bleibt noch offen, wie zuverlässig die Benchmark-Vergleiche sind. Google hält sich bekanntlich bedeckt, wenn es um genaue Mitbewerberdaten geht. Dennoch liefern die aggregierten Referenzwerte ein gutes Gefühl für die eigene Marktposition – gerade, wenn du in einem stark umkämpften Segment arbeitest.
Ein Punkt, über den man sicher nachdenken muss: Wenn Google selbst die KI-Flächen steuert und zugleich die Messung dieser Flächen anbietet, entsteht eine gewisse Abhängigkeit. Du solltest den Bericht also als Hilfsmittel, nicht als alleinige Entscheidungsgrundlage betrachten. Ideal ist es, ihn mit eigenen Datenquellen zu kombinieren – etwa aus Web Analytics oder CRM-Systemen.
Ein persönliches Fazit
Ich finde, dieser Schritt ist längst überfällig. Die Art, wie Nutzer online einkaufen, hat sich in den letzten zwei Jahren dramatisch verändert. Wer im eCommerce erfolgreich bleiben will, muss verstehen, wie KI diese Reisen steuert – und genau dafür liefert Google jetzt ein Werkzeug. Es ist kein Wundermittel, aber ein wichtiger Kompass.
Wenn du regelmäßig im Merchant Center arbeitest, würde ich dir empfehlen, den Bericht von Anfang an zu beobachten, auch wenn er anfangs vielleicht noch unvollständig wirkt. Manchmal zeigen sich daraus unerwartet einfache Maßnahmen, die direkt auf den Umsatz wirken – etwa das Nachpflegen fehlender Attribute oder das Strukturieren deines Feeds nach tatsächlichem Nutzerverhalten, statt rein nach internen Kategorien.
Und, das sage ich aus Erfahrung: Manchmal lohnt es sich, die Zahlen nicht nur rational, sondern neugierig zu betrachten. Dieser Bericht könnte dir neue Fragen stellen, auf die du bisher gar nicht gekommen bist – etwa: Warum performen deine Winterjacken in AI-Overviews besser als deine Sommerprodukte? Oder warum nutzen Kunden in Gemini andere Begriffe als auf der klassischen Suche? Genau diese Fragen führen oft zu den besten strategischen Ideen.
Alles in allem deutet die Einführung der AI Performance Insights darauf hin, dass Google seine Händler stärker an die Hand nehmen will, um den Übergang in eine zunehmend KI-gesteuerte Suchwelt zu erleichtern. Und ganz ehrlich: Das ist auch nötig. Denn wer die Daten versteht, versteht die Zukunft des E‑Commerce.
