Google rollt visuellen AI Mode in den USA aus: So gewinnen Marken mit neuen Shopping-Funktionen

Breaking: Die Suche wird visuell, Produktentdeckung rückt nach vorn

Google macht Ernst mit visueller Suche. Seit Ende September 2025 rollt das Unternehmen in den USA ein Update für den AI Mode in der Google-Suche aus, das Antworten stärker bildzentriert rendert und Nutzerinnen und Nutzer mit wenigen, natürlichsprachlichen Eingaben zu passenden Produkten führt. Die wichtigsten Bausteine: multimodales Verstehen, ein visuelles Antwortlayout und direkter Zugriff auf den Shopping Graph von Google. Details zum Rollout und zur Technik beschreibt Google im Beitrag Update für visuelle Suche im AI Mode.

Für Wachstumsverantwortliche ist das mehr als UI-Kosmetik. Das Antwortenformat verschiebt Aufmerksamkeit von klassischen blauen Links auf visuelle Panels mit Produktbildern, Attributen, Preisen und Bewertungen. Wer Variation in Bildsprache und Beschreibungen liefert und seine Produktdaten diszipliniert pflegt, erhöht die Chance, in genau diesen Panels aufzutauchen und qualitativ hochwertige Klicks einzusammeln.

Was genau ändert sich im AI Mode?

• Visuelle Antworten: Die Suche zeigt eine Galerie nah passender Ergebnisse, teils in einem scrollbaren Panel. Nutzerinnen und Nutzer verfeinern ihre Anfrage schrittweise, zum Beispiel von „Barrel Jeans“ zu „Barrel Jeans, knöchellang, acid wash“.
• Multimodale Eingaben: Fotos oder Live-Bilder können mit Text kombiniert werden, etwa „diese Knopfart“ plus „Jacke für Herbstregen“.
• Visual search fan-out: Hinter den Kulissen zerlegt die Suche Bilder und Anfragen in Objekte, Materialien, Formen und Kontexte und feuert mehrere Teilanfragen parallel ab. So werden Ergebnisse präziser und visuell konsistenter.
• Shopping-Graph-Anbindung: Produktdetails wie Preis, Verfügbarkeit, Farbvarianten und Reviews werden aus Milliarden Produktlistings gezogen, die stündlich aktualisiert werden.

Konsequenz: Bildvarianten, strukturierte Produktdaten und klare Texte werden zum Growth-Hebel, weil sie die maschinelle Zuordnung verbessern und die Klickwahrscheinlichkeit im visuellen Panel erhöhen.

Warum das für Growth und Marketing zählt

• Aufmerksamkeit folgt Bildern: Im visuellen Antwortenformat entscheidet die erste Bildreihe stärker über Klicks als eine Meta Description. Wer zwei starke Bildvarianten ausspielt, kann Nachfrage schneller testen.
• Natürlichsprachliche Filter statt Drop-downs: Attribute wie „wasserdicht“, „leicht“, „für 2-Tages-Trip“ werden direkt in die Anfrage getippt. Nur saubere, vollständige Produktdaten mappen zuverlässig auf solche Begriffe.
• Höhere Intent-Dichte: Nutzerinnen und Nutzer, die innerhalb der Antwort verfeinern, haben meist klarere Kaufabsichten. Das verschiebt Attribution hin zu qualitativ weniger, aber kaufbereiteren Klicks.

14-Tage-Plan: So testen Sie jetzt mit Bild- und Textvarianten

Ziel: In zwei Wochen messen Sie, ob Varianten von Produktbildern und Beschreibungen im AI Mode höhere Klicks und mehr Warenkorb-Abschlüsse bringen, ohne Ihre gesamte Kategorieseite umzubauen.

Setup in drei Schritten

1. Auswahl und Segmentierung

• Wählen Sie 1 bis 3 Produktlinien mit hohem Suchvolumen in beschreibenden, nicht nur markenbezogenen Queries, z. B. „leichter Weekender“, „Wanderschuh für nasses Wetter“, „Barrel Jeans Damen“.
• Legen Sie pro Linie 20 bis 30 Variantenartikel fest, um genügend Stichprobe zu haben.

2. Varianten bauen

• Bilder: Erstellen Sie je Produkt zwei Bildvarianten:
  • V1 Studio: frontales Produktfoto, hoher Kontrast, neutraler Hintergrund.
  • V2 Kontext: Lifestyle-Szene, die das primäre Nutzenversprechen sichtbar macht, z. B. Weekender offen gepackt im Zugabteil, Regenperlen auf Jackenstoff.
• Texte: Erstellen Sie je Produkt zwei Kurzbeschreibungen:
  • T1 Nutzenfokus: 2 Sätze zu Hauptszenario, z. B. „2-Tages-Trip, Handgepäckmaß, 1,1 kg“.
  • T2 Attributfokus: klare Spezifikationen mit Alltagssprache, z. B. „wasserdicht 10.000 mm, 5 Außentaschen, Laptopfach 16 Zoll“. Vermeiden Sie Floskeln wie „Premium“.

3. Datenhygiene sicherstellen

• Merchant Center Feed: Titel, Beschreibung, Marke, GTIN, Farbe, Größe, Material, Geschlecht, Altersgruppe, Produktkategorie, Produkttyp, Preis, Verfügbarkeit, zusätzliche Bilder. Keine Sonderzeichen im Titel, Farbe und Größe ausgeschrieben statt Kürzeln.
• Strukturierte Daten im Shop: Product, Offer, AggregateRating, BreadcrumbList und ImageObject vollständig und valide. Canonical sauber setzen, keine noindex-Leichen.

Woche 1: Vorbereitung und Instrumentierung

Tag 1–2, Hypothesen und Design

• Hypothese H1: Kontextbild V2 erhöht die Klickrate aus AI-Mode-Antworten um mindestens 15 Prozent gegenüber Studio V1.
• Hypothese H2: Nutzenbeschreibung T1 steigert die Add-to-Cart-Rate um mindestens 10 Prozent gegenüber Attributfokus T2.
• Testdesign: 2x2 Variantenmatrix pro Produktlinie. Randomisieren Sie auf Artikelebene, nicht nach Traffickanal.

Tag 3–4, Feeds und Tracking

• Merchant Center: Erstellen Sie zwei Feeds oder einen Feed mit Regelsets, um Bild- und Textvarianten gezielt auszuspielen. Nutzen Sie custom_label-Felder für Variantenzuordnung.
• UTM-Parameter im Feedlink: Fügen Sie utm_campaign=ai_mode_test, utm_content=v1t1 usw. hinzu. So können Sie nach Variante im Web-Analytics auswerten, wenn Produktklicks aus visuellen Panels auf die Produktdetailseite führen.
• GA4 Events: Stellen Sie sicher, dass view_item, add_to_cart, begin_checkout, purchase sauber feuern und die Variantenzuordnung als Dimension mitläuft.

Tag 5, Search- und Onsite-Signale

• Query-Listen: Erstellen Sie Long-tail-Querysets mit natürlichsprachlichen Modifikatoren, z. B. „für regnerisches Wochenende“, „leicht, 40 Liter, Handgepäck“. Diese enthalten mit hoher Wahrscheinlichkeit AI-Mode-Ausspielungen.
• SERP-Stichproben: Dokumentieren Sie 50 bis 100 SERPs pro Kategorie, um das visuelle Panel und dargestellte Attribute zu erfassen. Wiederholen Sie das in Woche 2 an identischen Queries.
• Für belastbares Rank-Tracking beachten: Google hat den num=100 Parameter abgeschaltet. Kalibrieren Sie Messpunkte in Search Console und eigenen SERP-Samples entsprechend.

Woche 2: Live-Test und Auswertung

Tag 6–10, Live-Phase

• Lassen Sie die Varianten aktiv live laufen. Ändern Sie keine Preise, Lagerbestände oder Promos, außer es ist unvermeidlich. Notieren Sie Abweichungen.
• Täglicher Check: Merchant Center Diagnosen, abgelehnte Artikel, sinkende Datenqualität. Beheben Sie Feed-Fehler innerhalb von 24 Stunden.

Tag 11–12, Zwischenlesung

• KPI-Sicht: Sessions mit utm_campaign=ai_mode_test, Add-to-Cart-Rate, Checkout-Abschlussrate, Warenkorbwert. Segmente je Variantenkombination.
• Query-Sicht: CTR und Position in der Google Search Console für die definierte Queryliste als Proxy für Sichtbarkeit und Klicks. Vergleichen Sie mit den SERP-Screenshots.

Tag 13–14, Endauswertung und Entscheidung

• Gewinner je Produktlinie bestimmen. Konfidenz prüfen, z. B. über proportionelle Tests für CTR und Checkout-Rate. Für kleine Stichproben nonparametrische Tests nutzen.
• Rolloutplan: Gewinnerbild und Gewinnersnippet in den Hauptfeed übernehmen, Verlierervarianten archivieren. Nächsten Test definieren, etwa Material- oder Passformatattribute.

Wie Sie die Klickrate aus AI-Mode-Antworten messen

Direkte Impressionen pro AI-Mode-Kachel sind nicht immer separat ausweisbar. Folgende Methoden bewähren sich als robuste Näherung:

• UTM-basierte Zuordnung über Produktlinks: Wenn die visuelle Antwort ein Produkt aus Ihren Merchant-Center-Daten verlinkt, kommt der UTM-Parameter in GA4 an. CTR-Näherung ergibt sich aus Sitzungen mit utm_campaign=ai_mode_test im Verhältnis zur Sichtbarkeit der dazugehörigen Produkt-Queries in der Search Console innerhalb des Testfensters.
• Query-kohortenbasierte CTR: Nutzen Sie Ihre definierte Queryliste. Messen Sie die CTR-Veränderung während des Tests gegenüber einem 14-Tage-Baselinefenster. Ergänzen Sie eine Kontrollkohorte von Queries, die eher klassische Snippets triggern.
• Onsite-Stichprobensurvey: 1-prozentiger Intercept auf Produktdetailseiten, Frage „Sind Sie über ein visuelles Google-Ergebnis hierher gelangt?“ Das liefert ein Korrektiv für die Schätzung.

Wichtig: Halten Sie das Testfenster kurz und die externen Variablen stabil. Je enger das Fenster und je sauberer die Variantenzuordnung, desto belastbarer Ihre CTR-Näherung aus AI-Mode-Antworten.

Checkout-Abschlussrate im Blick behalten

Mit den neuen Shopping-Funktionen verschiebt sich Traffic eher in spätere Funnel-Phasen. Messen Sie deshalb konsequent die Abschlussrate im Warenkorb:

• Frictionpunkte definieren: Versandoptionen, Zahlungsmittel, Gast-Checkout. Reduzieren Sie Reibung während des Tests nicht, sonst verfälschen Sie die Wirkung der Bild- und Textvarianten.
• Event-Instrumentierung: begin_checkout, add_payment_info, purchase müssen zuverlässig feuern. Prüfen Sie Sample-Replay für 20 zufällige Conversions.
• Warenkorbdiagnose: Tracken Sie Abbrüche nach Endgerät. Visuelle Antworten erzeugen oft höheren Mobile-Anteil, der andere Hürden hat, etwa Autocomplete oder Apple Pay.

Bilder, die im visuellen Panel gewinnen

• Auflösung und Formate: Mindestens 1200 x 1200 Pixel, zusätzlich 4:5 und 16:9 Varianten, um Zuschneideverluste im Panel zu vermeiden.
• Kontrast und Kanten: Klare Kontur zum Hintergrund, vermeidet Detailverlust in verkleinerten Kacheln.
• Kontext mit Funktion: Zeigen Sie den Hauptnutzen, nicht Lifestyle um des Lifestyles willen.
• Serienkonsistenz: Halten Sie Perspektive, Licht und Abstand über eine Serie konstant.
• Textfreie Bilder: Keine eingeblendeten Siegel oder Copy im Bild.

Beschreibungen, die natürlichsprachliche Anfragen treffen

• Erst der Job-to-be-done, dann die Spezifikation: „Für 2-Tages-Trips, Handgepäckmaß, wasserdicht“ vor „40 L, 1,1 kg, 10.000 mm Wassersäule“.
• Alltagssprache statt Fachjargon: „Lässt sich im Zugfach verstauen“ statt „kompakter Formfaktor“.
• Attribute ausschreiben: Farben, Materialien, Passformen als Klartext, nicht als Kürzel.
• Redundanz vermeiden: Kurzbeschreibung auf 40 bis 60 Wörter begrenzen.

Saubere Produktdaten als Ranking-Hebel

• Merchant-Center-Attribute vollständig pflegen. Achten Sie auf eindeutige Produktkennungen wie GTIN und MPN.
• Strukturierte Daten vollständig und valide halten. Bilder als ImageObject mit width, height, caption angeben.
• Verfügbarkeiten und Preise stündlich aktualisieren, besonders während des Tests.

Agentic Checkout und virtuelle Anprobe: Was heißt das für Conversion?

Google kündigte zudem Funktionen an, die das Kaufen beschleunigen sollen, darunter ein agentischer Checkout und eine virtuelle Anprobe für Mode. Der Checkout kann, nach Preisbenachrichtigung und Bestätigung, den Kauf auf Händlerseiten automatisiert anstoßen. Mehr dazu im offiziellen Beitrag AI Mode Shopping und virtuelle Anprobe. Parallelen zeigt unser Überblick zu ChatGPT Instant Checkout mit Etsy, insbesondere bei Conversion-Hürden auf Mobile.

Praxis-Hinweis: Wenn Sie Preis-Tracking anbieten, definieren Sie eine Preisuntergrenze und eine Post-Purchase-Kommunikation. Achten Sie auf die Synchronität Ihrer Lagerbestände, damit automatisierte Käufe nicht auf Out-of-Stock laufen.

Reporting und Entscheidungsregeln, die dem neuen Format gerecht werden

• Frühindikatoren: Anteil der Sitzungen mit utm_campaign=ai_mode_test, Anteil Mobile, Scrolltiefe auf Produktdetailseiten. Diese Werte reagieren innerhalb von 48 Stunden.
• Hauptkennzahlen: CTR-Näherung aus AI-Mode-Antworten, Add-to-Cart-Rate, Checkout-Abschlussrate, Warenkorbwert, Retourenquote nach 14 Tagen.
• Entscheidungsgrenzen: Fester Schwellenwert, z. B. +10 Prozent Checkout-Abschlussrate oder +15 Prozent CTR-Näherung, bei mindestens 95 Prozent Konfidenz. Alternativ Bayes-Kriterium mit 90 Prozent Wahrscheinlichkeit, dass Variante A besser ist.

Risiko-Management und Markenwächter

• Konsistenzprüfung: Stimmen die im Panel sichtbaren Attribute mit Produktdetailseite und Feed überein, besonders bei Farbe und Größe.
• Regulatorik: Pflegen Sie Pflichtangaben für Materialien und Sicherheitskennzeichnung sauber in den Feed. Wer zusätzlich AI-Overviews und Crawler steuern will, findet Hinweise in der Content Signals Policy in robots.txt.
• Sponsoring vs. organisch: Trennen Sie testweise Budgetspitzen in Shopping Ads vom AI-Mode-Test, um die Effekte nicht zu verzässern.

Team-Workflow, der Tests in zwei Wochen möglich macht

• Rollen: Performance-Lead verantwortet Hypothesen und KPI, Content-Lead erstellt Varianten, Merchandising liefert Daten, Engineering pflegt Feedregeln.
• Tägliches Stand-up 15 Minuten: Status Feeds, Diagnosen, KPI-Snapshot, Blocker.
• Dokumentation: Nutzen Sie ein leichtgewichtiges Testprotokoll mit Hypothese, Setup, Datenquellen, Ergebnissen und Entscheidung. Teams setzen hierfür oft Upcite.ai ein, um Varianten, SERP-Belege und Entscheidungen zentral nachvollziehbar zu halten.

Beispiel Jeans: Von Suchintention zu Klick

Ausgangslage: Zielquery „barrel jeans ankle length acid wash“. Variante V2 Kontextbild zeigt die Jeans in knöchellanger Kombi mit flachen Schuhen, Stoffdetails sind deutlich sichtbar. Variante T1 Nutzenfokus betont „knöchellang, formstabil, nicht zu baggy“. Ergebnis nach 14 Tagen: CTR-Näherung steigt um 18 Prozent in der Querykohorte, Add-to-Cart um 12 Prozent, Checkout-Abschlussrate um 9 Prozent. Interpretation: Das Kontextbild klärt die Passform, die nutzenorientierte Kurzbeschreibung trifft die natürlichsprachliche Verfeinerung der Nutzerinnen und Nutzer.

Fazit und konkrete nächste Schritte

Das visuelle AI-Mode-Update verschiebt die Regeln der Produktentdeckung. Sichtbarkeit entsteht, wenn Bild, Text und Daten exakt zur natürlichsprachlichen Suche passen. Wer jetzt schnell in Varianten denkt und sauber misst, sichert sich die vorderen Plätze im visuellen Antwortenformat.

Nächste Schritte in 7 Tagen starten:

1. Drei Produktlinien auswählen und Hypothesen formulieren.
2. 2x Bild- und 2x Textvarianten pro Produkt erstellen, Feeds und custom_label konfigurieren.
3. UTM-Parameter je Variante im Feedlink hinterlegen, GA4 Events prüfen.
4. Query-Liste mit natürlichsprachlichen Modifikatoren erstellen, SERP-Snapshots anlegen.
5. Zwei Wochen Test fahren, tägliche Diagnosen im Merchant Center und wöchentliches KPI-Review.
6. Gewinner ausrollen, Verlierer archivieren, nächsten Test planen, z. B. Material- oder Passformatattribute.
7. Frühzeitig planen, wie Sie Agentic Checkout und virtuelle Anprobe in Q4-Tests aufnehmen.

Wer diese Schritte diszipliniert umsetzt, verwandelt das neue Antwortenformat in wiederholbare Wachstumsgewinne und macht die visuelle Suche zu einem planbaren Kanal statt einem Black-Box-Hype.