von Markus Schmid
Überblick
Von der Produktsuche zum Distributed Commerce
Answering Engines verändern die Logik der Produktsuche. Kunden müssen nicht mehr nach konkreten Produkten oder einzelnen Keywords suchen, sondern können beschreiben, was sie brauchen, welche Anforderungen sie haben oder welches Problem sie lösen möchten. Die AI kann daraus passende Produkte identifizieren, vergleichen und konkrete Empfehlungen ableiten.
Damit verändert sich nicht nur, wo Produktsuche stattfindet, sondern auch wie. Dass Commerce sich über den eigenen Onlineshop hinaus auf verschiedene Plattformen und Touchpoints verteilt, ist dabei keine neue Entwicklung. Marktplätze, Social Commerce und andere externe Kanäle sind längst Teil vieler Commerce-Strategien.
Mit Answering Engines kommt nun jedoch eine neue Qualität hinzu: Externe Systeme werden zunehmend selbst Teil von Beratung und Produktauswahl. Sie zeigen Produkte nicht nur an, sondern können Anforderungen interpretieren, Angebote vergleichen und Empfehlungen ableiten. Damit erweitern sich die Spielregeln des Distributed Commerce.
Distributed Commerce: Wenn Commerce sich vom eigenen Frontend löst
Distributed Commerce ist kein neues Konzept. Händler verkaufen und präsentieren ihre Produkte schon seit Jahren über Marktplätze, Social-Media-Plattformen und andere externe Kanäle. Gemeinsam ist diesen Modellen, dass Teile der Customer Journey außerhalb der eigenen digitalen Angebote stattfinden.
Mit Answering Engines erweitert sich dieses Prinzip. AI-basierte Interfaces übernehmen zunehmend Funktionen der Produktauswahl und Beratung: Sie zeigen Produkte nicht nur an, sondern können beeinflussen, welche Angebote sichtbar werden, verglichen oder empfohlen werden.
Damit verschiebt sich der Schwerpunkt noch einmal gegenüber klassischen Omnichannel-Ansätzen.
Omnichannel Commerce
Händler verbinden verschiedene Kanäle zu einer möglichst konsistenten Customer Journey.
Im Mittelpunkt steht ein möglichst nahtloses Kundenerlebnis über verschiedene Touchpoints hinweg.
Der Händler gestaltet die Customer Journey über seine Kanäle hinweg weitgehend selbst.
Der eigene Onlineshop bleibt meist ein zentraler Ankerpunkt.
Distributed Commerce
Produkte und Commerce-Prozess werden über eigene Angebote hinaus auf externe Plattformen und Kanäle verteilt.
Im Mittelpunkt steht, Produkte auch dort verfügbar zu machen, wo Kunden entdecken, suchen, vergleichen oder kaufen.
Bei externen Plattformen gibt der Händler einen Teil der Kontrolle über Darstellung, Sichtbarkeit und Kundenkontakt ab.
Der Onlineshop bleibt wichtig, muss aber nicht Ausgangspunkt von Produktsuche und Kaufentscheidung sein.
Omnichannel Commerce
Händler verbinden verschiedene Kanäle zu einer möglichst konsistenten Customer Journey.
Im Mittelpunkt steht ein möglichst nahtloses Kundenerlebnis über verschiedene Touchpoints hinweg.
Der Händler gestaltet die Customer Journey über seine Kanäle hinweg weitgehend selbst.
Der eigene Onlineshop bleibt meist ein zentraler Ankerpunkt.
Distributed Commerce
Produkte und Commerce-Prozess werden über eigene Angebote hinaus auf externe Plattformen und Kanäle verteilt.
Im Mittelpunkt steht, Produkte auch dort verfügbar zu machen, wo Kunden entdecken, suchen, vergleichen oder kaufen.
Bei externen Plattformen gibt der Händler einen Teil der Kontrolle über Darstellung, Sichtbarkeit und Kundenkontakt ab.
Der Onlineshop bleibt wichtig, muss aber nicht Ausgangspunkt von Produktsuche und Kaufentscheidung sein.
Kurz gesagt: Beim Omnichannel Commerce steht die Verbindung verschiedener Kanäle im Mittelpunkt. Beim Distributed Commerce geht es darum, Commerce über die eigenen digitalen Angebote hinaus verfügbar zu machen.
Answering Engines erweitern dieses bekannte Prinzip um eine neue Dimension. Denn sie verändern nicht nur den Ort der Produktsuche, sondern auch die Art, wie aus einem Kundenbedürfnis eine Produktauswahl oder Empfehlung entsteht.
Was Answering Engines anders machen als klassische Suchmaschinen
Bei klassischen Suchmaschinen beginnt die Produktsuche meist mit einer konkreten Anfrage. Die Suchmaschine liefert Ergebnisse für passende Seiten und Produktangebote, die Nutzer anschließend selbst vergleichen und bewerten.
Answering Engines funktionieren stärker im Dialog. Nutzer können direkt beschreiben, was sie brauchen und welche Anforderungen ihnen wichtig sind. Zum Beispiel:
„Ich suche einen leichten, wasserdichten Wanderschuh für eine mehrtägige Tour. Er sollte maximal 180 Euro kosten.“
Die AI kann daraus Kriterien ableiten, passende Produkte vergleichen, Unterschiede erklären und durch Rückfragen die Produktauswahl weiter eingrenzen. Nutzer müssen ihren Bedarf also nicht erst in einzelne Suchbegriffe und Filter übersetzen.
Damit verschiebt sich die Produktsuche von einzelnen Keywords hin zu konkreten Bedürfnissen und Anwendungssituationen. Im Mittelpunkt steht zunehmend die Frage: Welches Produkt passt zu meinem konkreten Bedarf?
Dass Answering Engines bereits für konkrete Kaufentscheidungen genutzt werden, zeigen aktuelle Forrester-Daten: 62 Prozent der regelmäßigen Nutzer von Answering Engines in den USA und Großbritannien verwenden sie demnach für Produktrecherche und Empfehlungen. 40 Prozent nutzen sie gezielt, um neue Produkte zu entdecken.
Die Nutzung von Answering Engines für Produktrecherche und Empfehlungen zeigt, dass diese Entwicklung bereits im Kaufprozess angekommen ist. Answering Engines übernehmen damit zunehmend eine aktive Rolle bei Produktauswahl und Empfehlung – und nicht mehr nur bei der Informationssuche.
Für Händler entsteht daraus eine neue Anforderung: Wenn eine AI Produkte sinnvoll auswählen soll, muss sie verstehen können, was ein Produkt auszeichnet und für welchen Bedarf es geeignet ist.
Wenn AI Produkte auswählt, muss sie sie auch verstehen können
Damit eine Answering Engine einschätzen kann, ob ein Produkt zu einer konkreten Anfrage passt, braucht sie mehr als Produktname und Kurzbeschreibung. Entscheidend sind Informationen, die ein Produkt eindeutig beschreiben und erkennen lassen, für welche Anforderungen und Einsatzbereiche es geeignet ist.
Dazu gehören je nach Sortiment etwa technische Merkmale, Materialien, Varianten, Größen, Preise, Verfügbarkeiten, Zubehör, Kompatibilitäten oder Einsatzbereiche.
Für Händler entsteht damit eine zusätzliche Frage: Wie müssen Produktinformationen aufgebaut sein, damit externe Systeme ein Produkt korrekt verstehen, einordnen und mit anderen Angeboten vergleichen können?
Fehlen wichtige Angaben oder sind Informationen widersprüchlich, können AI-Systeme schwerer beurteilen, ob ein Produkt zu einem konkreten Bedarf passt. Produktdaten beeinflussen damit zunehmend nicht nur die Darstellung eines Produkts, sondern auch, ob und in welchem Kontext es von AI-Systemen berücksichtigt werden kann.
Produktdaten bekommen zusätzliche Aufgaben
Produktdaten bilden schon lange die Grundlage für Distributed Commerce. Sie versorgen Onlineshops, Marktplätze, Preisportale und weitere externe Touchpoints. Mit Answering Engines steigen jedoch die Anforderungen an diese Daten: AI-Systeme müssen Produktinformationen nicht nur ausspielen, sondern auch interpretieren, miteinander in Beziehung setzen und für konkrete Kundenbedürfnisse bewerten können.
Damit wird Datenqualität noch stärker zu einer Frage der Commerce-Infrastruktur.
Hier kommt das PIM ins Spiel. Es kann die zentrale Datenbasis bilden, aus der Onlineshop, Marktplätze und weitere Touchpoints konsistente Produktinformationen beziehen. Mit Answering Engines erweitert sich dieser Kreis um AI-basierte Interfaces.
Dafür braucht es eine Infrastruktur, die Produktdaten, Preise, Verfügbarkeiten und weitere Commerce-Informationen flexibel über Schnittstellen oder Feeds bereitstellen kann. Entscheidend ist weniger ein einzelner neuer Kanal als die Fähigkeit, neue Systeme ohne aufwendige Sonderlösungen anbinden zu können.
Ein konkretes Beispiel für diese Entwicklung ist das Universal Commerce Protocol von Google. Der Ansatz verdeutlicht, wie Produktinformationen und Commerce-Funktionen künftig strukturiert für AI-basierte Anwendungen verfügbar gemacht werden können.
Produktdaten bekommen damit keine völlig neue Rolle, aber eine zusätzliche: Sie bilden nicht nur die Grundlage für die Ausspielung in bestehenden Kanälen, sondern zunehmend auch dafür, wie externe AI-Systeme Produkte verstehen, einordnen und für konkrete Kundenbedürfnisse auswählen.
Mehr Sichtbarkeit bedeutet auch weniger Kontrolle
Answering Engines können Produkte genau dann sichtbar machen, wenn Kunden einen konkreten Bedarf formulieren. Gleichzeitig geben Händler einen Teil der Kontrolle darüber ab, wie ihre Produkte ausgewählt, eingeordnet und gegenüber Wettbewerbern dargestellt werden.
Damit entstehen neue Fragen: Welche Merkmale beeinflussen eine Empfehlung? Was passiert, wenn Produktinformationen fehlen oder falsch interpretiert werden? Und wie viel Einfluss bleibt auf Markenbotschaft und Produktdarstellung, wenn die Customer Journey in einem externen AI-Interface stattfindet?
Distributed Commerce ist deshalb nicht nur eine technische Frage. Händler müssen auch strategisch abwägen, welche Plattformen für sie relevant sind, welche Abhängigkeiten dadurch entstehen und wie viel Kontrolle sie im Gegenzug für zusätzliche Sichtbarkeit abgeben wollen.
Es geht also nicht darum, überall präsent zu sein. Entscheidend ist, neue Touchpoints dort zu nutzen, wo die zusätzliche Reichweite den Aufwand und den Verlust an Kontrolle rechtfertigt.
Was Händler jetzt tun können
Händler müssen ihre Commerce-Strategie nicht sofort neu aufstellen. Wichtiger ist, die Voraussetzungen dafür zu schaffen, neue AI-basierte Touchpoints gezielt testen zu können.
Vier Punkte sind dabei besonders relevant:
Produktdaten prüfen
Produktdaten sollten vollständig, eindeutig und aus Sicht typischer Kundenfragen beschrieben sein. Entscheidend ist, dass nicht nur technische Merkmale vorhanden sind, sondern auch Informationen, die erkennen lassen, für welche Anforderungen und Einsatzbereiche ein Produkt geeignet ist.
Infrastruktur flexibel halten
Produktinformationen, Preise und Verfügbarkeiten sollten sich über Schnittstellen und Feeds zuverlässig für neue Systeme bereitstellen lassen.
Gezielt experimentieren
Nicht jeder neue Touchpoint passt zu jedem Sortiment oder Geschäftsmodell. Sinnvoll ist es, zunächst mit ausgewählten Produkten und konkreten Anwendungsfällen zu testen, welche Formen von Produktsuche und Beratung tatsächlich relevant sind.
Aufwand und Nutzen bewerten
Händler sollten prüfen, wie Produkte dargestellt werden, welche Informationen benötigt werden, welche Anfragen zu relevanten Empfehlungen führen und welcher operative Aufwand dadurch entsteht. So lässt sich besser beurteilen, ob sich ein neuer Touchpoint langfristig lohnt.
Wer Produktdaten und Systeme so vorbereitet, dass sich neue Touchpoints ohne aufwendige Sonderlösungen anbinden lassen, und diese gezielt erprobt, schafft eine bessere Grundlage für fundierte Entscheidungen im Distributed Commerce.
Fazit: Der Onlineshop bleibt, aber er bekommt Gesellschaft
Der Onlineshop bleibt ein wichtiger Teil der Customer Journey. Aber Produktsuche und Kaufentscheidung beginnen zunehmend auch an anderen Touchpoints. Answering Engines können dabei zur Schnittstelle zwischen Kundenbedürfnis und Produktsortiment werden und damit beeinflussen, welche Produkte überhaupt in die engere Auswahl kommen.
Der Onlineshop bleibt ein wichtiger Teil der Customer Journey. Aber Produktsuche und Kaufentscheidung beginnen zunehmend auch an anderen Touchpoints. Answering Engines können dabei zur Schnittstelle zwischen Kundenbedürfnis und Produktsortiment werden und damit beeinflussen, welche Produkte überhaupt in die engere Auswahl kommen.
Für Händler im Distributed Commerce zählt deshalb nicht nur das Frontend. Ebenso wichtig sind die Produktdaten, Schnittstellen und Systeme dahinter, die Informationen konsistent bereitstellen und neue Touchpoints flexibel anbinden können.
Aus Sicht von novomind rückt damit vor allem die technische Grundlage in den Fokus: Commerce wird noch verteilter, die zugrunde liegende Infrastruktur sollte deshalb umso verlässlicher zusammenspielen. Ein leistungsfähiges PIM, flexible Commerce-Systeme und offene Schnittstellen schaffen die Grundlage dafür, Produkte auch in neuen AI-basierten Umgebungen korrekt und kontextbezogen verfügbar zu machen.
Leseempfehlung
Wer tiefer in das Thema Distributed Commerce einsteigen möchte, findet im aktuellen Forrester-Report Distributed Commerce Strategy: Algorithms And LLMs Become Sellers eine weiterführende Einordnung zu neuen Commerce-Kanälen, Answer Engines und den strategischen Fragen, die sich daraus für Händler und Marken ergeben.
Häufige Fragen zu Distributed Commerce
Was ist Distributed Commerce?
Distributed Commerce beschreibt eine Commerce-Strategie, bei der Produktentdeckung, Beratung und teilweise auch Kaufprozesse außerhalb des eigenen Onlineshops stattfinden. Externe Plattformen und AI-basierte Interfaces werden dadurch zu eigenständigen Touchpoints der Customer Journey.
Wie verändern Answering Engines die Produktsuche?
Answering Engines ermöglichen eine Produktsuche auf Basis konkreter Bedürfnisse statt einzelner Keywords. Nutzer können Anforderungen oder Anwendungssituationen beschreiben, während die AI passende Produkte identifiziert, vergleicht und Empfehlungen ableitet.
Warum werden Produktdaten für Answering Engines wichtiger?
Answering Engines können Produkte nur dann zuverlässig einordnen und empfehlen, wenn relevante Merkmale vollständig und eindeutig verfügbar sind. Dazu gehören je nach Sortiment beispielsweise technische Eigenschaften, Materialien, Größen, Kompatibilitäten, Preise oder Einsatzbereiche.
Welche Rolle spielt ein PIM im Distributed Commerce?
Ein PIM kann als zentrale Datenbasis dienen, aus der Onlineshops, Marktplätze und AI-basierte Anwendungen konsistente Produktinformationen beziehen. Dadurch lassen sich Produktdaten strukturiert pflegen und über verschiedene Touchpoints hinweg bereitstellen.
Was ist der Unterschied zwischen Omnichannel und Distributed Commerce?
Beim Omnichannel Commerce verbindet ein Händler seine eigenen Kanäle zu einer möglichst konsistenten Customer Journey. Beim Distributed Commerce finden Teile von Produktsuche, Beratung und Kaufentscheidung zusätzlich auf externen Plattformen statt, die der Händler nicht vollständig kontrolliert.
Was sollten Händler für Distributed Commerce vorbereiten?
Händler sollten vor allem ihre Produktdatenqualität prüfen, Schnittstellen flexibel gestalten und neue AI-basierte Touchpoints gezielt testen. Entscheidend ist, dass Produktinformationen zuverlässig bereitgestellt werden können und Aufwand, Reichweite sowie Kontrollverlust regelmäßig bewertet werden.