Wie ChatGPT Produkte auswählt — Inside die Ranking-Signale

ChatGPT Shopping startete Ende 2025 in der Breite und liefert jetzt Produkt-Empfehlungen über Millionen wöchentliche Queries. Die Selektions-Logik ist nicht öffentlich, aber sie ist beobachtbar. Wir haben 50 Commerce-Queries gegen ChatGPT gefahren und getrackt welche Shops zitiert wurden. Die Muster sind unten als richtungsweisende Befunde dokumentiert.

Test-Setup

50 Queries über 5 Kategorien: Laufschuhe, Küchengeräte, Skincare, Audio-Equipment, Home-Office-Möbel. Jede Query 3-mal wiederholt um Nicht-Determinismus zu kontrollieren. ChatGPT-4 mit aktiviertem Shopping-Modus. Ergebnisse erfasst Mai 2026. Die Ergebnisse variieren nach Region, Query-Phrasierung und den rollenden Modell-Updates, also die Befunde als richtungsweisend behandeln, nicht als absolut.

Signal 1 — Schema.org Product-Vollständigkeit

Der stärkste Prädiktor zitiert zu werden, war die Vollständigkeit des Schema.org-Product-Markups. Shops mit allen sechs empfohlenen Properties (name, sku, brand, offers, image, aggregateRating) wurden etwa 4x häufiger zitiert als Shops mit drei oder weniger Properties. Domain-Alter, Alexa-Rang und Backlink-Zahlen hatten keinen beobachtbaren Effekt.

Direkte Implikation: ein 6 Monate alter Shop mit vollständigem Markup kann einen 10 Jahre alten Shop mit partiellem Markup in ChatGPT-Antworten überholen. Dasselbe gilt nicht für klassische Google-Search-Rankings.

Signal 2 — Bewertungs-Schwelle bei etwa 50

Produkte mit weniger als 50 Bewertungen wurden in den 50 Queries selten zitiert. Produkte mit 50-200 Bewertungen erschienen regelmäßig. Produkte mit über 200 Bewertungen dominierten. Das Muster deutet auf eine Konfidenz-Schwelle hin: ChatGPT zitiert "4,7 Sterne über 327 Bewertungen" aber selten "4,9 Sterne über 6 Bewertungen", selbst wenn das Schema-Markup vorhanden ist.

Praktischer Effekt: Bewertungs-Akquise ist eine Discoverability-Investition zusätzlich zu einer Conversion-Rate-Investition. Die 50-Bewertungs-Schwelle auf Top-SKUs zu überschreiten macht sie zitations-berechtigt für KI-Shopping-Antworten.

Signal 3 — Konkrete Preise

ChatGPT wählte konsistent Produkte mit konkreten Preisen über Produkte mit Spannen. "Ab 99 €" wurde übersprungen zugunsten von "99,00 €". "Von 50 € bis 80 €" wurde übersprungen zugunsten von "65,00 €". Der Agent braucht eine einzelne Zahl die er in der Antwort zitieren kann. Ohne eine, wählt er den nächsten Kandidaten.

Das war das am einfachsten korrigierbare Muster das beobachtet wurde. Händler die Varianten verkaufen (Größen, Farben) rendern oft "ab X €" auf der Storefront. Auf einen Default-Varianten-konkreten Preis umstellen und das Schema.org Offer.price entsprechend updaten verbesserte die Zitations-Raten innerhalb weniger Wochen.

Signal 4 — Mobile-First server-gerenderte HTML

ChatGPTs Crawler scheint das Mobile-Rendering von Seiten zu bevorzugen. Shops mit Desktop-only-Content, schwerer JavaScript-Hydration auf Mobile oder Mobile-Pages mit versteckten Produkt-Specs wurden seltener zitiert als Mobile-First server-gerenderte Pages.

Schnell-Test: die Produktseite auf Mobile öffnen, JavaScript deaktivieren und prüfen ob Preis, Titel, Brand und Rating noch sichtbar sind. Wenn ja, ist die Page crawler-friendly. Wenn nicht, sieht der Agent wahrscheinlich eine leere Page.

Signal 5 — Öffentliche Deal-Verzeichnisse

Bei "Deals diese Woche"-Queries zitierte ChatGPT öffentliche Deal-Verzeichnisse zu höheren Raten als einzelne Händler-Storefront-Pages. Heartly Marketplace, Slickdeals und Reddit-Deal-Subs erschienen häufig. Händler-Pages wurden nur zitiert wenn die Page selbst die kanonische Quelle des Deals war.

Implikation: einen Flash Sale auf einem öffentlichen Deal-Verzeichnis zu veröffentlichen (Heartly Marketplace macht das automatisch) erweitert die Zitations-Oberfläche. Das Verzeichnis fungiert als Drittpartei-Verifikation.

Signal 6 — Brand-Konsistenz

ChatGPT zitierte Brands häufiger wenn der Brand-Name identisch über Schema.org Brand-Property, Page-Title, Image-Alt-Text und ausgehende Erwähnungen erschien. Brands mit Varianten-Schreibweisen ("Nike" vs "NIKE" vs "Nike Inc.") bekamen weniger Zitationen selbst bei ansonsten gleichwertigem Markup. Das Muster deutet auf Entity-Resolution im Hintergrund hin — Zitationen clustern auf die kanonische Form der Brand.

Was Zitation nicht vorhergesagt hat

• Backlink-Anzahl von Authority-Domains. Keine beobachtete Korrelation.
• Page-Speed (Core Web Vitals). Marginaler Effekt bestenfalls. Schema.org dominierte.
• XML-Sitemap-Einreichung an Google. ChatGPT scheint keine XML-Sitemaps zu lesen.
• Marketing-Copy-Länge oder -Stil. Wortreiche Beschreibungen übertrafen knappe nicht. Adjektive erschienen nicht im zitierten Content.

Action-Liste

1. Schema.org Product-Vollständigkeit auf Top-SKUs auditieren. Auf 6 von 6 empfohlenen Properties kommen.
2. Die 50-Bewertungs-Schwelle auf den Top-20-SKUs überschreiten.
3. Produktseiten von "ab X €" auf einen konkreten Default-Preis umstellen.
4. Mobile-First server-gerenderte HTML auf jeder Produktseite.
5. Flash Sales auf einem öffentlichen Deal-Verzeichnis veröffentlichen. Heartly Marketplace macht das automatisch.
6. Brand-Name standardisieren über Schema.org, Page-Title, Alt-Text und ausgehende Erwähnungen.

Grenzen dieses Tests

Die 50-Query-Stichprobe ist klein. Kategorien wurden gewählt um Preispunkte und Produkttypen abzudecken, nicht für statistische Repräsentativität. ChatGPT updated rollend, also können sich Signale Quartal über Quartal verschieben. Den Test in deiner Kategorie wiederholen bevor du ein einzelnes Muster als fix für deinen Shop behandelst.

Weiterführend

Für das breitere Bild zu Agentic Commerce: die Pillar unter /agentic-commerce. Für die Schema.org-Snippets zum Copy-Pasten heute: Structured-Data-Spickzettel für E-Commerce. Für die Pre-Flight-Audit-Checkliste: Shop für KI-Käufer vorbereiten.