Shop-Suche ohne Treffer: Chat fängt den Abbruch auf

Ein Besucher tippt einen Begriff in die Shop-Suche, drückt die Eingabetaste und bekommt eine leere Seite. Kein Produkt, kein Vorschlag, kein Weg weiter. Genau dort endet für viele der Einkauf, und zwar nicht, weil das Sortiment nichts hergäbe, sondern weil niemand nachfragt, was gemeint war. Rund 50 Prozent der untersuchten Shops bieten auf der Null-Treffer-Seite keinen wirksamen Weg zurück ins Sortiment (Baymard Institute). Ein Chat-Assistent kann diesen Moment übernehmen: nachfragen, umformulieren, ein passendes Produkt als Karte zeigen oder offen sagen, dass es den Artikel hier nicht gibt.

Grafik vergrößern

Beschriftungen der Abbildung

• 50 %
• der Shops ohne Ausweg
• aus der Null-Treffer-Seite
• Suchanfrage
• Besucher tippt ein
• Treffer vorhanden
• Null Treffer
• bisher: Sackgasse
• Produktliste
• Chat-Assistent
• fragt nach, statt zu enden
• Passender Artikel
• Übergabe an Team
• Sortimentslücke
• Typische Ursachen
• Tippfehler
• Fachbegriff
• Kompatibilität
• Sortimentslücke
• Anteil: Baymard Institute, Search UX

Weg einer Suchanfrage

Was auf der Null-Treffer-Seite passiert

Die Suche im Shop ist kein Nebenschauplatz. In vielen Runden großangelegter Nutzertests greift etwa die Hälfte der Teilnehmer zuerst zum Suchfeld, die andere Hälfte navigiert über die Hauptkategorien (Baymard Institute). Wer sucht, hat den Kaufwunsch bereits in Worte gefasst: Er beschreibt ein konkretes Produkt, eine Eigenschaft oder ein Problem, nicht eine Kategorie. Deshalb wiegt eine leere Ergebnisseite schwerer als ein umständlicher Filter. Sie trifft genau die Besucher, die am dichtesten am Abschluss stehen, und sie trifft sie in dem Augenblick, in dem sie eine Antwort erwarten.

Das Benchmark-Bild dazu ist deutlich. 56 Prozent der untersuchten Shops decken die Suchbedürfnisse ihrer Nutzer nicht ausreichend ab (Baymard Institute). Nach Geräteklasse getrennt liegen 46 Prozent der Desktop-Shops, 58 Prozent der mobilen Shops und 64 Prozent der Shop-Apps insgesamt im Bereich mittelmäßig oder schlechter (Baymard Institute). Grundlage sind über 10.000 Einzelbewertungen zu mehr als 170 untersuchten Shops und Apps. Das ist keine Randgruppe schlecht gepflegter Kataloge, sondern der Durchschnitt.

Die typische Null-Treffer-Seite besteht aus einer Zeile Text und einem leeren Bereich darunter. Manchmal folgen Suchtipps: andere Schreibweise probieren, allgemeineren Begriff wählen, Filter zurücksetzen. Das Institut merkt zu solchen Hinweisen an, dass Nutzer sie selten lesen und noch seltener wirksam anwenden (Baymard Institute). Der Besucher steht also vor einer Seite, die ihm die Arbeit zurückgibt, die er gerade an den Shop delegiert hatte. Wer in diesem Moment nichts anbietet, überlässt den nächsten Schritt der Konkurrenz oder dem Schließen des Tabs.

Warum die Suche ins Leere läuft

Es lohnt sich, Suchanfragen nach Typ zu trennen, denn die Trefferquote hängt stark davon ab, wonach jemand fragt. Bei exakten Produktnamen und einfachen Produkttypen kommen die meisten Shops zurecht. Danach wird es steil: Bei Suchen nach einer Eigenschaft haben 39 Prozent der Shops Probleme, bei Suchen nach dem Einsatzzweck 43 Prozent, bei Kompatibilitätsfragen 44 Prozent und bei nicht-produktbezogenen Anfragen 66 Prozent (Baymard Institute). Das sind genau die Formulierungen, die ein Kunde wählt, wenn er die Artikelbezeichnung des Herstellers nicht kennt, also fast in jedem beratungsintensiven Sortiment.

• Tippfehler und Schreibvarianten – ein Buchstabe daneben, ein Bindestrich zu viel, und der Index findet nichts. Der Kunde sieht keinen Unterschied zwischen seinem Fehler und einer echten Lücke.
• Fachbegriff statt Katalogname – im Betrieb heißt das Bauteil anders als beim Hersteller. Der Shop führt den Artikel, aber unter einer Bezeichnung, die im Alltag niemand benutzt.
• Abkürzungen, Maße und Sonderzeichen – Größenangaben, Zollmaße, Leerzeichen zwischen Zahl und Einheit. Jede Schreibweise ist plausibel, nur eine passt zum Index.
• Kompatibilitätsfragen – „passt das zu meinem Modell“ ist keine Produktbezeichnung, sondern eine Frage. Eine Volltextsuche kann sie strukturell nicht beantworten.
• Symptombeschreibungen – der Kunde beschreibt das Problem, nicht die Lösung. Er sucht nach dem, was nicht funktioniert, und erwartet den Artikel, der es behebt.
• Nicht-produktbezogene Anfragen – Rückgabe, Lieferzeit, Rechnung, Kündigung. Das Suchfeld ist für viele Besucher das Suchfeld der ganzen Website, nicht nur des Katalogs.

Alle sechs Fälle haben eines gemeinsam: Der Besucher hat sich verständlich ausgedrückt, nur nicht in der Sprache des Index. Ein Mensch am Tresen würde in diesem Moment eine Rückfrage stellen und wäre nach zwei Sätzen am Ziel. Eine Suchfunktion kann das nicht, weil sie keinen zweiten Zug kennt. Sie bewertet eine Zeichenkette und liefert eine Menge zurück, die auch leer sein darf. Der Dialog ist deshalb kein hübsches Extra neben der Suche, sondern die fehlende zweite Runde.

Was der Chat-Assistent im Null-Treffer-Moment tut

Der Unterschied zwischen einer Suchfunktion und einem Assistenten liegt nicht in der Trefferqualität, sondern in der Anzahl der Züge. Die Suche hat einen, der Dialog hat so viele, wie der Kunde bereit ist zu geben. Das Institut nennt in seinen Empfehlungen für Null-Treffer-Seiten ausdrücklich die Möglichkeit, direkt von dieser Seite aus ein Chat-Gespräch zu starten, weil in den Tests ein Teil der Nutzer den Chat dem Telefonanruf vorzieht (Baymard Institute). Genau dort setzt der Shop-Assistent an.

Wichtig ist die Reihenfolge. Der Assistent rät nicht sofort ein Produkt, sondern prüft zuerst, ob die Anfrage überhaupt produktbezogen war. Eine Frage nach der Rückgabefrist bekommt eine Antwort aus der Wissensbasis, keine Produktkarte. Erst wenn feststeht, dass jemand einen Artikel sucht, beginnt die Eingrenzung. Diese Trennung verhindert einen häufigen Fehlgriff automatisierter Suchhilfen: irgendetwas anzubieten, weil die leere Seite unangenehm wirkt. Wie das im Detail abläuft, zeigt der Beitrag zur Kaufberatung im Chat.

Die Übergabe von der Suchseite in den Dialog

Technisch ist der Einstieg klein. Die Suchergebnisseite weiß, wie viele Treffer sie gerendert hat, und sie kennt den Suchbegriff aus dem Aufruf. Beides reicht, um den Assistenten mit Kontext zu öffnen, statt ihn als anonymes Symbol in der Ecke zu belassen. Der Auslöser gehört an die Ergebnisseite und nicht global auf jede Seite, sonst öffnet sich das Fenster an Stellen, an denen es stört. Wie die Einbindung insgesamt aussieht, beschreibt die Seite zur Integration.

const treffer = document.querySelectorAll('[data-produkt]').length;
const begriff = (new URLSearchParams(location.search).get('search') || '').trim();

if (treffer === 0 && begriff !== '') {
  document.dispatchEvent(new CustomEvent('assistent:oeffnen', {
    detail: {
      anlass: 'suche-ohne-treffer',
      begriff: begriff,
      kategorie: document.body.dataset.kategorie || null,
      seite: location.pathname
    }
  }));
}

Der Assistent bekommt damit mehr als den Begriff. Er weiß, aus welchem Bereich des Shops die Anfrage kam, ob ein Filter aktiv war und ob der Besucher angemeldet ist. Je mehr davon feststeht, desto kürzer wird die Rückfrage. Was genau übergeben wird, gehört vor dem Livegang schriftlich festgelegt, denn jedes Feld ist eine Datenverarbeitung mit Zweck. Der Beitrag zur Übergabe an Mitarbeiter beschreibt dieselbe Logik für den zweiten Schritt.

• Der gescheiterte Suchbegriff im Originalwortlaut, ohne Korrektur durch den Shop.
• Die Kategorie oder der Bereich, in dem gesucht wurde, sofern die Suche eingegrenzt war.
• Aktive Filter, weil sie erklären, warum eine an sich passende Menge leer blieb.
• Die Sprache der Oberfläche, damit die Rückfrage in derselben Sprache erfolgt.
• Ein Kennzeichen, ob es die erste oder eine wiederholte Suche ohne Treffer war.

Sortimentslücke benennen statt überspielen

Nicht jede leere Suche ist ein Fehler des Shops. Manchmal gibt es den Artikel dort schlicht nicht. Für diesen Fall braucht der Assistent eine ausdrückliche Regel, sonst füllt er die Lücke mit dem, was am ähnlichsten aussieht. Das ist kurzfristig bequem und langfristig teuer: Der Kunde bestellt etwas, das nicht passt, schickt es zurück und merkt sich, dass die Beratung im Chat nicht getragen hat. Eine klare Auskunft kostet einen Auftrag, eine falsche Empfehlung kostet einen Kunden und eine Retoure.

Diese Zurückhaltung passt zur Erwartungslage. Nur 6,3 Prozent der Onlinekunden würden ihren Einkauf derzeit vollständig von einer KI abwickeln lassen, 91,7 Prozent lehnen das ab (bevh). Kunden wollen also keinen Automaten, der stellvertretend entscheidet, sondern eine Hilfe, die den eigenen Entschluss vorbereitet. Genau das leistet ein Assistent, der auch einmal sagt, dass er nichts Passendes hat. Wie sich diese Haltung technisch absichern lässt, zeigt der Beitrag zu Halluzinationen und Wissensbasis.

• Alternative mit Unterschied – ein vergleichbarer Artikel, verbunden mit dem Satz, worin er abweicht. Kein stiller Austausch.
• Anfrage an das Team – der Kunde hinterlässt Name und E-Mail-Adresse oder Telefonnummer zum gesuchten Artikel; angelegt wird die Anfrage erst, wenn er die übermittelten Angaben bestätigt hat. Eine automatische Nachricht, sobald der Artikel lieferbar ist, verschickt der Assistent nicht – die Antwort kommt von Ihrem Team.
• Beschaffungsanfrage – bei erklärungsbedürftigen Sortimenten geht die Anfrage an den Einkauf statt ins Leere.
• Notiz für die Sortimentsplanung – der Begriff landet in der Auswertung, auch wenn das Gespräch ohne Bestellung endet.

Fehlgeschlagene Suchen als Datenquelle

Die Liste der Suchbegriffe ohne Treffer ist eine der ehrlichsten Datenquellen im Shop. Sie enthält Wünsche in der Sprache der Kunden, unverfälscht durch Kategoriebäume und Filterlogik. In den meisten Systemen liegt sie bereits vor, wird aber nicht gelesen, weil niemand zuständig ist. Ein einfacher Auszug aus dem Suchprotokoll genügt für den Anfang und zeigt nach einer Woche mehr über Namenslücken im Katalog als eine lange Sortimentsdiskussion.

grep 'treffer=0' /var/log/shop/suche.log | cut -d'"' -f2 | sort | uniq -c | sort -rn | head
     47 adapter für modell x
     31 ersatzteil 12 mm
     22 rückgabe frist
     18 dichtung gummi klein
     14 wandhalter universal

Schon diese fünf Beispielzeilen enthalten vier verschiedene Aufgaben: eine Kompatibilitätsfrage, eine Maßangabe mit uneinheitlicher Schreibweise, eine nicht-produktbezogene Anfrage und zwei Begriffe, die auf fehlende Synonyme im Katalog hindeuten. Keine davon ist ein Suchmaschinenproblem. Drei davon löst der Assistent im Gespräch, alle vier gehören in die Pflege. Die Gesprächsanalyse macht daraus eine wiederkehrende Auswertung statt eines einmaligen Blicks ins Log.

• Einmal pro Woche die zwanzig häufigsten Suchbegriffe ohne Treffer ziehen, mit Anzahl statt nur mit Liste.
• Jeden Begriff einer von vier Klassen zuordnen: Schreibweise, fehlendes Synonym, nicht-produktbezogen, echte Sortimentslücke.
• Schreibweisen und Synonyme direkt in die Suchkonfiguration und in die Wissensbasis eintragen.
• Nicht-produktbezogene Anfragen als Antwortbaustein hinterlegen, damit sie beim nächsten Mal ohne Umweg beantwortet werden.
• Echte Lücken gesammelt an den Einkauf geben, mit Häufigkeit und Zeitraum, nicht als Einzelmeldung.

Nach wenigen Durchläufen verschiebt sich das Bild: Die Liste wird kürzer und die verbleibenden Begriffe werden aussagekräftiger. Was übrig bleibt, sind meist echte Beschaffungsthemen. Damit wird aus einer Fehlerliste ein Planungswerkzeug. Wie diese Pflege organisiert wird, wer sie übernimmt und in welchem Takt, beschreibt der Beitrag zum Pflegeprozess der Wissensbasis.

Einbau in den Shop: Reihenfolge und Messpunkte

Der Einbau lässt sich in überschaubaren Schritten machen und braucht keinen Umbau der Suche. Entscheidend ist, dass vor dem ersten Auslöser feststeht, was gemessen werden soll. Sonst steht am Ende ein Assistent auf der Seite, dessen Wirkung niemand belegen kann. Der Beitrag zum KI-Assistenten für Onlineshops ordnet den Baustein in den Gesamtaufbau ein.

• Ausgangswert erheben: Wie viele Suchen enden ohne Treffer, und wie viele Sitzungen enden unmittelbar danach.
• Die zwanzig häufigsten Begriffe ohne Treffer sichten und daraus die ersten Antwortbausteine ableiten.
• Den Auslöser auf der Ergebnisseite einbauen, zunächst als sichtbaren Einstiegspunkt ohne automatisches Öffnen.
• Produktkarten im Dialog aktivieren, damit das Ergebnis nicht als Textliste, sondern als Karte mit Weg in den Warenkorb erscheint.
• Die Übergabe an einen Mitarbeiter einrichten, samt Verlauf und Zuständigkeit außerhalb der Geschäftszeiten.
• Nach vier Wochen erneut messen und die Antwortbausteine anhand der tatsächlichen Gespräche nachziehen.

Für die Produktkarten im Dialog sind die Produktboxen der passende Baustein, für den Weg vom Vorschlag in die Bestellung der Warenkorb-Assistent. Beide sind kein Selbstzweck: Ohne sie endet der Dialog mit einem Namen, den der Kunde erneut suchen muss. Wie Karten und Warenkorb im Gespräch zusammenspielen, zeigt der Beitrag zu Produktboxen im Chat.

Was messbar wird und was nicht

Messbar sind die Anzahl der Suchen ohne Treffer, der Anteil davon, der in ein Gespräch führt, und der Anteil der Gespräche, die mit einer Produktkarte, einer Anfrage oder einer Übergabe enden. Nicht messbar ist der Umsatz, der ohne den Assistenten verloren gegangen wäre, denn dafür fehlt die Vergleichsgruppe. Wer das trotzdem als Zahl ausweist, rechnet eine Annahme in eine Kennzahl um. Belastbar ist der Vergleich desselben Zeitraums vor und nach dem Einbau, mit ausgewiesener Saisonlage. Wie stark eine Saisonspitze die Zahlen verschiebt, zeigt der Beitrag zum KI-Assistenten für Versicherungsmakler in der Wechselsaison.

Der mobile Anteil verschärft die Lage zusätzlich. 69 Prozent der Onlineumsätze entfallen auf mobile Endgeräte (HDE Online-Monitor 2026). Auf einem kleinen Bildschirm gibt es keine Randspalte mit Kategorien, keine sichtbare Navigation und keinen bequemen zweiten Versuch. Die leere Ergebnisseite füllt dort das ganze Sichtfeld. Genau deshalb wirkt ein Dialogangebot mobil stärker als am Schreibtisch, und genau deshalb muss das Eingabefeld dort ohne Zoom bedienbar sein.

Der Umgang mit Assistenten ist inzwischen vertraut. 35 Prozent der Verbraucher nutzen KI-Chatbots bereits zur Produktrecherche, 26 Prozent der Internetnutzer setzen sie regelmäßig ein (HDE Online-Monitor 2026). Wer im eigenen Shop keine Möglichkeit zum Nachfragen anbietet, verlagert diese Rückfrage nach außen. Der Beitrag zur Zero-Click-Suche beschreibt dieselbe Bewegung aus Richtung der Suchmaschinen.

Die Null-Treffer-Seite ist einer der wenigen Orte im Shop, an denen der Kunde bereits gesagt hat, was er will, und trotzdem mit leeren Händen dasteht. Wer diesen Moment mit einer Rückfrage besetzt statt mit einem Hinweistext, gewinnt in der Regel zweierlei: einen Teil der Abbrüche und eine Liste dessen, was im Katalog fehlt. Beides entsteht aus demselben Gespräch. Für Betriebe mit erklärungsbedürftigem Sortiment lohnt sich zusätzlich der Blick auf den Assistenten für Onlineshops und die passenden Funktionen.

Häufige Fragen