Bevor du startest: Du brauchst Bestellhistorie mit Retouren- oder Erstattungsdaten aus einer verbundenen Plattform - der Report Retouren & Rückerstattungen ist das, woraus diese ganze Anleitung liest.
Triage: Ist das überhaupt ein Content-Problem?
Reichere noch nichts an. Die erste Aufgabe ist herauszufinden, ob bessere Daten überhaupt helfen - denn wenn die Ursache Passform oder das Produkt selbst ist, verbrennt die Anreicherung Credits und ändert nichts.
1
Deine Baseline notieren
Öffne Retouren & Rückerstattungen aus der Analytics-Seitenleiste und notiere Retourenquote, retournierte Bestellungen und erstatteten Umsatz für den aktuellen Zeitraum. Der Report zeigt daneben Richtwerte, sodass du eine normale von einer alarmierenden Zahl unterscheiden kannst. Alles Weitere in dieser Anleitung wird an diesen dreien gemessen - halte sie also fest, bevor du irgendetwas anfasst.
2
Das Diagramm Retourenquote nach Qualitätsnote lesen
Dieses eine Diagramm entscheidet deine Strategie - lies es vor allem anderen auf der Seite. Es sortiert die Retourenquote pro Qualitätsnote, A bis F, und die Insight-Karte benennt dein schlechtestes Band direkt.
3
Die häufigsten Retourengründe prüfen
Wo positionsgenaue Daten verfügbar sind, sind die Gründe gerankt. „Nicht wie beschrieben” ist der Grund, der direkt auf Content abbildet - das ist die Kundin, die dir sagt, dass die Seite gelogen hat. Eine Gründeliste, die von Größe oder Meinungsänderung dominiert wird, zeigt woanders hin.
4
Deine schlimmsten Fälle auswählen
Nutze die Tabelle der meistretournierten Produkte, um deine Zielliste zu bauen, und sortiere nach Produkten, die eine niedrige Qualitätsnote mit hohem Bestellvolumen verbinden. Ein Produkt mit Note F, das zweimal im Jahr verkauft wird, ist nicht dein Problem; ein Produkt mit Note D, das sich 400 Mal im Monat verkauft, schon. Produkte in dieser Tabelle mit hohem Qualitäts-Score sind das umgekehrte Signal - das sind Passform- oder Produktprobleme, lass sie also von der Liste.
Die Produkte korrigieren, die dich wirklich Geld kosten
Jetzt arbeite die Zielliste ab. Die Reihenfolge zählt: Verstehe, was falsch ist, bevor du etwas generierst, und teste immer an einem Produkt, bevor du den Lauf festschreibst.
1
Die schlimmsten Fälle in der Datenqualität öffnen
Nimm deine Liste mit Note D und F und hohem Volumen mit in die Datenqualität und wechsle über die Tabs oben im Abschnitt zu Probleme beheben. Sortiere die Quick Wins nach Wirkung, um aus „diese Produkte sind schlecht” eine konkrete, zählbare Lücke zu machen.
2
Das Panel Mit AI beheben nutzen, und zuerst an einem testen
Jede Schaltfläche Mit AI beheben öffnet dasselbe Prüf-Panel, und nichts wird geschrieben, bevor du es sagst. Lies die erwartete Wirkung und wer betroffen ist, klicke auf An einem testen, um ein Vorher-Nachher an einem einzelnen Produkt zu sehen, und erst dann auf Auf alle anwenden. Den Test zu überspringen ist der Weg, auf dem ein schlechter Prompt 400 Produkte erreicht.
3
Eine AI-Qualitätsprüfung auf der Zielliste laufen lassen
Die AI-Qualitätsprüfung liest jedes Produkt wie eine anspruchsvolle Kundin, über 12 Dimensionen hinweg, und rankt die Funde; Ergebnisse liegen in wenigen Minuten vor. Für Retouren achte auf die Abweichungsdimensionen: Bild vs. Daten, Bild vs. Beschreibung, semantische Konsistenz, feldübergreifende Rechnung und Conversion-Bereitschaft. Genau dort gehen Erwartung und Paket auseinander.
4
Die Specs füllen, die ein Käufer für Sicherheit braucht
Fehlende Abmessungen, Materialien und Kompatibilität sind das, was Menschen raten lässt, und Raten erzeugt Retouren. Beginne mit der Attributextraktion für 1 Credit pro Produkt - sie zieht Specs aus Text, den du bereits hast, aber nur in Attribute, die an der Produktfamilie existieren, und sie erfindet nie neue. Wo die Abdeckung niedrig bleibt, weil die Fakten schlicht nicht in deinem Text stehen, führe die Web-Recherche aus und extrahiere danach erneut.
5
Die Bilder und ihren Alt-Text prüfen
Falsche oder irreführende Bilder sind eine Hauptursache für „nicht wie beschrieben”. Sieh dir die Galerie deiner Zielprodukte in der Medienbibliothek an, die du aus der Hauptnavigation öffnest, und führe dann Bild-Alt-Text aus - er füllt nur Bilder ganz ohne Alt-Text und überschreibt nie, was du geschrieben hast, du kannst ihn also bedenkenlos breit laufen lassen.
Verhindern, dass es zurückkommt, dann veröffentlichen
Die Produkte von heute zu korrigieren, ohne den Zulauf von morgen zu ändern, heißt, das nach dem nächsten Lieferantenimport erneut zu tun. Schließ die Schleife vor dem Messen, denn das Messfenster startet bei der Veröffentlichung, nicht bei der Anreicherung.
1
Die gerade behobene Lücke in eine Regel verwandeln
Klicke auf der Regelseite in Quality Guard auf Regel erstellen und baue eine Mindest-Content-Prüfung für das, was deinen Zielprodukten gefehlt hat - eine Mindestlänge der Beschreibung, eine Mindestanzahl an Bildern, ein Pflichtattribut. Numerische Schwellenwerte zeigen einen Verteilungshinweis mit p10, Median und p90 deines Katalogs, plus eine Live-Auswirkungsvorschau, wie viele Produkte bestehen oder durchfallen würden - du kannst also einen Schwellenwert wählen, den deine echten Daten erreichen können.
2
Mit Warnen starten, nicht mit Blockieren
Warnen exportiert das Produkt und protokolliert den Verstoß im Audit-Protokoll; Blockieren stellt es unter Quarantäne, bis das Problem behoben ist. Lass neue Regeln auf Warnen laufen, bis du gesehen hast, was sie erwischen, und erhöhe den Schweregrad, sobald die Anzahl vernünftig ist.
3
Die korrigierten Inhalte in deinen Shop exportieren
Das ist der Schritt, den man vergisst, und er macht die ganze Messung ungültig. Wähle die korrigierten Produkte auf der Produktseite aus und nutze Export in der Toolbar. Plattform-Exporte laufen als Hintergrund-Jobs und können je nach Kataloggröße von wenigen Minuten bis zu einigen Stunden dauern - sieh also in der Export-Referenz nach, bevor du annimmst, es hänge.
4
Auf der Live-Seite prüfen und das Datum notieren
Öffne zwei oder drei korrigierte Produkte in deinem echten Shop und bestätige, dass der neue Content da ist. Notiere, wann das gelandet ist: Dein Vorher-Nachher hängt an diesem Datum, nicht an dem Tag, an dem du die Anreicherung ausgeführt hast.
So erkennst du, dass es funktioniert hat
Retouren bewegen sich langsam, weil jeder Datenpunkt erst durch eine Bestellung, eine Zustellung und ein Rückgabefenster reisen muss, bevor er das Diagramm erreicht. Die Signale auf Katalogseite bestätigen, dass die Arbeit gelandet ist; nur die Retouren-Signale bestätigen, dass sie gewirkt hat. Erwarte in den ersten zwei Wochen nichts davon.Der Beleg, den du willst, ist ein flacher werdendes Gefälle: deine früheren Produkte mit Note D und F retournieren näher an der Quote deiner Produkte mit Note A.
Wenn es nicht klappt
Das Gefälle nach Qualitätsnote ist flach - wo fange ich überhaupt an?
Das Gefälle nach Qualitätsnote ist flach - wo fange ich überhaupt an?
Ein flaches Gefälle heißt, dass Content nicht dein Treiber ist - gute und schlechte Produkte kommen gleich oft zurück. Das deutet auf Passform, Größe oder Erwartung statt auf fehlende Information, und der Report Retouren & Rückerstattungen schlägt Größentabellen, Kompatibilitätsangaben und realistischere Lifestyle-Bilder vor. Das ist ein Gespräch auf Produktebene, kein Anreicherungsthema.
Drei Wochen später und die Retourenquote hat sich nicht bewegt
Drei Wochen später und die Retourenquote hat sich nicht bewegt
Prüfe, ob die korrigierten Inhalte den Shop wirklich erreicht haben. War Unveränderte überspringen an und die Produkte wurden nicht als geändert erkannt, hat der Export womöglich nichts gesendet - schalte es aus, um einen vollständigen erneuten Export zu erzwingen, wie unter Produkte exportieren beschrieben. Bestätige es auf der Live-Seite, bevor du schließt, dass der Fix gescheitert ist.
Ich habe überhaupt keine Retourengründe
Ich habe überhaupt keine Retourengründe
Manche Plattformen legen nur Erstattungen auf Bestellebene offen. Ohne positionsgenaue Daten bekommst du trotzdem Retourenquote, erstatteten Umsatz und das Gefälle nach Qualitätsnote - genug, um diese Anleitung durchzuziehen. Dir fehlt nur die Aufschlüsselung nach Gründen als Gegenprobe, stütze dich also stärker auf das Gefälle.
Die Attributextraktion hat fast nichts gefüllt
Die Attributextraktion hat fast nichts gefüllt
Sie füllt nur Attribute, die in deiner Struktur bereits existieren - eine Spec ohne Attribut an der Produktfamilie hat also nirgends zu landen. Prüfe, dass das Attribut an der Familie existiert, und lass es erneut laufen. Enthält der Quelltext die Spec schlicht nicht, holt die Web-Recherche sie aus externen Quellen, und du extrahierst danach.
Meine neue Quality-Guard-Regel stellt den halben Katalog unter Quarantäne
Meine neue Quality-Guard-Regel stellt den halben Katalog unter Quarantäne
Der Schweregrad Blockieren stellt alles unter Quarantäne, was durchfällt, und dein Schwellenwert liegt über dem, was deine Daten derzeit erreichen können. Setz den Schweregrad zurück auf Warnen, nutze den Verteilungshinweis im Regel-Editor, um einen Schwellenwert nahe am Median deines Katalogs zu wählen, und erhöhe ihn, während sich der Katalog verbessert.
Die Web-Recherche kam bei meinen schlechtesten Produkten leer zurück
Die Web-Recherche kam bei meinen schlechtesten Produkten leer zurück
Meist ist die Kennung falsch, online unbekannt, oder das Produkt ist zu neu oder zu speziell für öffentliche Daten. Probier einen anderen Kennungstyp - wenn EAN nichts liefert, schlägt die Web-Recherche Marke plus Name oder die Modellnummer vor.
Verwandte Themen
Retouren & Rückerstattungen
Der Report hinter dieser Anleitung: Quoten, Gründe und das Gefälle nach Qualitätsnote.
AI-Qualitätsprüfung
Zwölf Dimensionen, die die Abweichungen erwischen, wegen derer Produkte zurückgeschickt werden.
Einen geerbten Katalog aufräumen
Wenn das Retourenproblem in Wahrheit ein Datenproblem über den ganzen Katalog ist.
Wöchentliche Pflege-Routine
Die Gewinne halten: ein kurzer wiederkehrender Durchgang, damit die Qualität nie zurückdriftet.