KI-Suche für BigCommerce, die Besucher zu Käufern macht

BigCommerce ist für ernsthaften E-Commerce konzipiert. Multi-Channel-Verkauf, robuste APIs, flexible Preisregeln – es ist eine Plattform, die die Komplexität des Betriebs eines Online-Shops im großen Maßstab bewältigt. Aber das Sucherlebnis auf den meisten BigCommerce-Shops ist nicht mit der Art und Weise mitgewachsen, wie Käufer tatsächlich nach Produkten suchen. Die native Suche gleicht Schlüsselwörter mit Produktfeldern ab und gibt ein gefiltertes Raster von Ergebnissen zurück. Das funktioniert, wenn ein Besucher weiß, was er will – „Nike Air Max 90 schwarz Größe 44“. Es bricht vollständig zusammen, wenn er stöbert, Geschenke sucht oder versucht, ein Produkt zu beschreiben, das er sich vorstellen kann, aber nicht benennen kann. Und diese zweite Kategorie von Besuchern repräsentiert weitaus mehr verlorenen Umsatz, als die meisten Shop-Besitzer ahnen.

Betrachten Sie die Abfrage „Ich brauche ein Geburtstagsgeschenk für einen 10-Jährigen, der sich für Wissenschaft interessiert.“ Dieser Satz enthält keine Produktschlüsselwörter. Eine auf Schlüsselwörtern basierende Suchmaschine hat nichts zum Abgleichen. Sie gibt möglicherweise nichts zurück, oder sie gibt jedes Produkt zurück, das das Wort „Wissenschaft“ irgendwo in seiner Beschreibung enthält – ein Stapel lose zusammenhängender Ergebnisse, den der Besucher durchsuchen muss. Keines der Ergebnisse hilft dem Besucher, das richtige Produkt zu finden, und beide Ergebnisse enden gleich: Der Besucher geht. Er geht zu Amazon, wo die Suche intelligenter ist, oder er geht zu Google, wo die Antwort möglicherweise auf einen Konkurrenten verweist. Der Verkauf war da. Die Suche konnte ihn nur nicht erfassen.

Dies ist die Lücke, die die konversationelle KI-Suche schließt. Asyntai fügt Ihrem BigCommerce-Shop ein KI-gestütztes Chat-Widget hinzu, das natürliche Sprache versteht, Ihren Produktkatalog durchsucht und passende Produkte als dynamische Produktkarten anzeigt – visuelle Karten mit Produktbildern, Preisen, Beschreibungen und Kauf-Buttons, direkt im Chatfenster. Wenn dieser Besucher tippt: „Geburtstagsgeschenk für einen 10-Jährigen, der sich für Wissenschaft interessiert“, analysiert die KI die Abfrage: altersgerecht, lehrreich, wissenschaftlich, geschenktauglich. Sie durchsucht den Katalog und zeigt möglicherweise ein Chemie-Experimentierkasten-Set, ein Roboter-Bausatz und eine Sternenprojektor-Lampe an – Produkte, die der Besucher über die Stichwortsuche niemals gefunden hätte, dargestellt als Karten, die er durchsuchen kann, ohne das Gespräch zu verlassen.

Die Produktdaten hinter der KI stammen aus dem Echtzeit-Datenfeed. Sie exportieren Ihren BigCommerce-Katalog als CSV oder verbinden die BigCommerce REST API, und Asyntai indiziert ihn. Der Feed enthält Produktnamen, Beschreibungen, Preise, Bilder, Kategorien, Varianten und alle benutzerdefinierten Felder, die Sie einschließen. Die KI verwendet diese strukturierten Daten, um Ihre Produkte ganzheitlich zu verstehen – nicht als Ansammlung von Schlüsselwörtern, sondern als Artikel mit Attributen, Zwecken und Kontexten. Wenn der Feed „Alter 8-12“ in der Produktbeschreibung und „MINT“ in der Kategorie enthält, verbindet die KI diese Punkte mit der Abfrage „10-jähriger, der sich für Wissenschaft interessiert“. Das ist kein Schlüsselwortabgleich. Das ist Verständnis.

Was dynamische Produktkarten von einer Suchergebnisseite unterscheidet, ist der Kontext. Auf einer Ergebnisseite erscheinen Produkte in einem Raster mit minimalen Informationen – der Besucher klickt auf eines, liest die Produktseite, drückt „Zurück“, klickt auf ein anderes, liest, drückt „Zurück“. Jeder Klick ist ein Kontextwechsel. Im Chat-Widget von Asyntai erscheinen Produktkarten inline mit der Empfehlung der KI. Die KI könnte sagen: „Hier sind drei Wissenschafts-Sets in Ihrem Budget – das Chemie-Set ist das beliebteste für dieses Alter, aber das Roboter-Set hat bessere Bewertungen von Eltern.“ Die Karten befinden sich direkt unter dieser Empfehlung, Bilder und Preise sind auf einen Blick sichtbar. Der Besucher sieht die Produkte im Kontext, warum sie ausgewählt wurden, was die Entscheidung beschleunigt und die Wahrscheinlichkeit einer Konversion erhöht.

Das konversationelle Format ermöglicht auch eine iterative Verfeinerung auf eine Weise, die keine Suchergebnisseite replizieren kann. Ein Besucher fragt: „Gartenmöbel für einen kleinen Balkon.“ Die KI zeigt drei kompakte Essgruppen als Produktkarten an. „Etwas Lässigeres – wie Loungesessel.“ Die KI passt sich an und zeigt Klappstühle und Bistrotische an. „Kommt eines davon in Türkis?“ Die KI prüft die Varianten-Daten aus dem Feed. Jeder Austausch baut auf dem vorherigen auf und verengt sich von einem allgemeinen Bedarf zu einem bestimmten Produkt, ohne dass der Besucher die Suche neu starten muss. Es ist das digitale Äquivalent der Zusammenarbeit mit einem sachkundigen Verkaufsmitarbeiter, der sich an jede Präferenz erinnert, die Sie im Gespräch geäußert haben.

Für BigCommerce-Händler löst der Echtzeit-Datenfeed ein Problem, das Drittanbieter-Suchtools plagt: die Aktualität der Daten. BigCommerce-Shops führen häufig häufige Aktionen, Blitzverkäufe und dynamische Preisgestaltung durch – insbesondere B2B-Shops mit kundenspezifischen Preisstufen. Ein Suchtool, das nächtlich neu indiziert, zeigt die Preise von gestern während des heutigen Verkaufs an. Der Datenfeed von Asyntai wird bei jeder Abfrage gelesen, was bedeutet, dass Preisänderungen sofort übernommen werden. Wenn Sie den Preis eines Produkts für einen Wochenendverkauf von 89 € auf 59 € senken, sieht der nächste Besucher, der danach fragt, sofort 59 € auf der Produktkarte. Wenn ein Artikel ausverkauft ist, erscheint er automatisch nicht mehr in den Ergebnissen. Die KI empfiehlt niemals Produkte, die sie nicht zu dem angegebenen Preis verkaufen kann.

Die Katalogkapazität ist für BigCommerce-Shops wichtig, die tendenziell größere und komplexere Kataloge führen als Shops auf leichteren Plattformen. Der Plan „Standard“ unterstützt bis zu 500 Produkte im Echtzeit-Datenfeed – ausreichend für Shops mit einem fokussierten Produktsortiment. Der Echtzeit-Datenfeed Max skaliert auf 25.000 Produkte und bedient Enterprise-BigCommerce-Kataloge mit Tausenden von SKUs, mehreren Varianten pro Produkt und detaillierten Beschreibungen. Die KI wird bei wachsendem Katalog nicht langsamer, da sie keine brute-force-Schlüsselwortabgleiche durchführt – sie analysiert, welche Produkte am besten zum ausgedrückten Bedarf des Besuchers passen, unabhängig davon, ob der Katalog 50 Artikel oder 15.000 enthält.

Die KI durchsucht nicht nur den Datenfeed. Sie durchsucht auch Ihre BigCommerce-Storefront – Produktseiten, Kategorieseiten, Über-uns-Seiten, Blogbeiträge und alle anderen Inhalte auf Ihrer Website. Das bedeutet, dass die KI Fragen beantworten kann, die außerhalb des Produktkatalogs liegen: Versandrichtlinien, Rückgabefristen, Garantieinformationen, Größenratgeber, Materialpflegeanweisungen. Ein Besucher könnte fragen: „Versenden Sie nach Kanada?“ und eine Antwort von Ihrer Versandrichtlinienseite erhalten, gefolgt von: „Zeigen Sie mir Ihre meistverkauften Wintermäntel“ und erhält dynamische Produktkarten aus dem Datenfeed. Die KI zieht nahtlos aus beiden Quellen und schafft so ein einheitliches Erlebnis, bei dem Produktdiscovery und Informationszugriff in derselben Konversation stattfinden.

Benutzerdefinierte Tools erweitern die KI über die Suche hinaus auf transaktionale Aktionen. Durch die Verbindung Ihrer BigCommerce-API-Endpunkte kann die KI den Echtzeit-Lagerbestand für eine bestimmte Variante prüfen („Haben Sie das in XL?“), den Versandstatus einer Bestellung nachschlagen („Wo ist meine Bestellung #12345?“), überprüfen, ob ein Aktionscode für ein bestimmtes Produkt gilt, oder sogar eine Rücksendeanfrage einleiten. Jedes Tool, das Sie verbinden, fügt eine Funktion hinzu, für die der Besucher bisher auf eine separate Seite navigieren oder den Support kontaktieren musste. Ein wiederkehrender Kunde kann fragen: „Ich habe letzte Woche den blauen Pullover bestellt – kann ich ihn gegen den grünen in Größe L umtauschen?“ und die KI kann die Bestellung nachschlagen, den Lagerbestand der grünen Variante prüfen und den Umtauschprozess starten – alles in einer Konversation.

Die BigCommerce-Funktion „Multi-Storefront“ fügt eine Komplexitätsebene hinzu, die Asyntai sauber handhabt. Wenn Sie separate Storefronts für verschiedene Regionen, Marken oder Kundensegmente betreiben, erhält jede Storefront ihr eigenes Asyntai-Widget mit eigenem Datenfeed, eigener Wissensdatenbank und eigenem Branding. Ein Besucher auf Ihrer US-Storefront sieht US-Preise und in den USA verfügbare Produkte. Ein Besucher auf Ihrer EU-Storefront sieht EUR-Preise und EU-Lagerbestand. Das KI-Sucherlebnis ist auf jede Storefront zugeschnitten, ohne dass es zu einer Vermischung von Produktdaten oder Preisgestaltung kommt. Sie verwalten den Feed jeder Storefront unabhängig, und die KI hält sie getrennt.

Die Installation ist bewusst einfach gehalten, da das größte Hindernis für eine bessere Suche nicht die Technologie ist – sondern die Implementierungsreibung. In BigCommerce gehen Sie zu „Storefront“ > „Script Manager“, erstellen ein neues Skript, stellen die Platzierung auf „Footer“ ein, fügen den Asyntai-Widget-Code ein und klicken auf „Speichern“. Das Chat-Widget erscheint innerhalb von Sekunden auf jeder Seite Ihres Shops. Es muss keine App installiert, keine Theme-Datei bearbeitet und kein Entwickler eingestellt werden. Es funktioniert mit Cornerstone, jedem Stencil-basierten Theme, Headless-BigCommerce-Implementierungen und neben allen anderen Skripten oder Apps, die Sie ausführen. Die gesamte Einrichtung – von der Anmeldung bis zur Anzeige des Widgets auf Ihrem Shop – dauert weniger Zeit als die Konfiguration eines einzigen Facettenfilter-Suchfilters.

Die Mehrsprachigkeitsfähigkeit ist für BigCommerce-Händler wichtiger, als viele annehmen. BigCommerce unterstützt den internationalen Verkauf, und viele Shops bedienen Kunden über Sprachgrenzen hinweg. Asyntai unterstützt 36 Sprachen, was bedeutet, dass ein Spanisch sprechender Besucher fragen kann: „necesito un regalo para un nino de 10 anos que le gusta la ciencia“ und die KI durchsucht denselben englischsprachigen Produktfeed, findet passende Wissenschafts-Sets und präsentiert die Produktkarten mit einer Antwort auf Spanisch. Die Produktnamen und Preise stammen direkt aus dem Feed; der konversationelle Text – Empfehlungen, Vergleiche, Folgefragen – ist in der Sprache des Besuchers. Sie benötigen keine übersetzten Produktdaten. Die KI übernimmt die Sprachebene, während der Datenfeed die Produktebene übernimmt.

Der wirtschaftliche Nutzen der konversationellen KI-Suche für BigCommerce hängt von einer Zahl ab, die die meisten Analyse-Dashboards nicht erfassen: Besucher, die eine Kaufabsicht hatten, aber das richtige Produkt nicht finden konnten. Das sind keine Fensterkäufer oder Preisvergleichsbesucher. Sie kamen zu Ihrem Shop, um etwas Bestimmtes zu finden – oder zumindest etwas in einer bestimmten Kategorie – und gingen, weil das Sucherlebnis ihre Bedürfnisse nicht mit Ihrem Bestand verbinden konnte. In den meisten BigCommerce-Shops konvertiert die native Suche gut bei exakten Übereinstimmungen, bricht aber bei explorativen Suchen stark ab. Die KI-Suche zielt genau auf diesen Abbruchbereich ab: den Besucher, der weiß, was er will, aber nicht, wie es in Ihrem Katalog heißt.

Betrachten Sie den Unterschied im Einkaufserlebnis. Mit Stichwortsuche: Der Besucher gibt eine Abfrage ein, erhält ein Raster von Produkten, sortiert nach Relevanz (ein Relevanzalgorithmus, der keine Absicht lesen kann), scrollt durch Ergebnisse, die möglicherweise passen oder auch nicht, klickt sich einzeln durch Produktseiten, benutzt wiederholt die Zurück-Taste und findet entweder etwas oder bricht ab. Mit konversationeller KI-Suche: Der Besucher beschreibt, was er braucht, sieht kuratierte Produktkarten mit Bildern und Preisen, stellt eine Folgefrage, um die Ergebnisse einzugrenzen, erhält verfeinerte Vorschläge und klickt kaufbereit auf die Produktseite. Das zweite Erlebnis hat weniger Schritte, weniger Reibungspunkte und eine höhere Wahrscheinlichkeit, in einem Kauf zu enden – weil die KI die Arbeit geleistet hat, die Absicht in Produkte zu übersetzen.

Die Shops, die am meisten von der KI-Suche auf BigCommerce profitieren, weisen ein gemeinsames Muster auf: Sie verkaufen Produkte, bei denen die Sprache des Besuchers nicht mit dem Vokabular des Katalogs übereinstimmt. Wohnaccessoires („etwas Gemütliches für eine Leseecke“), Elektronik („eine Kamera, die sich gut für Immobilienfotografie eignet“), Nahrungsergänzungsmittel („etwas gegen Gelenkschmerzen beim Marathontraining“), Mode („Outfit für eine Strandhochzeit, nicht zu formell“), Speziallebensmittel („nussfreie Snacks für eine Schulparty“). In jedem Fall ist die Abfrage des Besuchers eine Beschreibung einer Situation oder eines Bedarfs, nicht ein Produktname. Die Stichwortsuche verlangt vom Besucher, dass er seine Bedürfnisse in Ihre Terminologie übersetzt. Die konversationelle KI-Suche übernimmt diese Übersetzung für ihn – sie gleicht seine Worte mit Ihren Produkten, seine Absicht mit Ihrem Bestand und sein Budget mit Ihrer Preisgestaltung ab. Diese Übersetzung ist der Punkt, an dem die Konversion stattfindet.

BigCommerce-Shops verfügen bereits über die Infrastruktur, damit dies funktioniert. Die REST API exportiert strukturierte Produktdaten. Die Plattform unterstützt das Einfügen von Skripten über den Skript-Manager. Die Katalogverwaltungstools erleichtern die Pflege eines sauberen Produktfeeds. Was gefehlt hat, ist die Schicht zwischen dem Besucher und dem Katalog – die Schicht, die „Geburtstagsgeschenk für einen 10-Jährigen, der sich für Wissenschaft interessiert“ versteht und daraus drei Produktkarten mit einem Chemie-Set, einem Roboter-Set und einer Sternenprojektor-Lampe macht. Diese Schicht ist die konversationelle KI-Suche, und sie verwandelt das BigCommerce-Sucherlebnis von einem reinen Stichwort-Nachschlagewerk in eine Produktdiscovery-Engine, die tatsächlich der Art und Weise entspricht, wie Besucher denken, sprechen und kaufen.