Google Shopping Quality Score: 2026 Feed-Ranking reverse-engineered

Sie haben Shopping-Gebote verdoppelt und verlieren dennoch Auktionsanteile an einen Konkurrenten, der die gleiche SKU zum gleichen Preis verkauft. Ihr Account-Manager sagt „es ist der Algorithmus", Ihre Agentur macht die Saisonalität verantwortlich, und Googles offizielle Dokumentation erwähnt „Relevanz" genau einmal. Inzwischen zahlt eine DTC-Marke, die Sie nie gehört haben, 30% weniger pro Klick für identische Suchbegriffe. Der Unterschied ist keine Gebotsstrategie oder Budget – es ist Feed-Qualität, und sie funktioniert wie ein Ranking-Algorithmus, den Sie reverse-engineered können.

Warum Google es nicht „Quality Score" nennt (aber es existiert)

Google stellte den Begriff „Quality Score" für Shopping-Anzeigen 2019 ein und integrierte ihn in das, was sie nun „Ad Rank" und „expected CTR" nennen. Gemäß Googles offizieller Merchant-Center-Dokumentation hängen Auktionsergebnisse von Gebot, Relevanz und „der Qualität Ihrer Produktdaten" ab. Diese letzte Phrase trägt viel zur Erklärung bei. In der Praxis zeigen Shopping-Kampagnen alle Merkmale einer qualitätsgewichteten Auktion: Zwei Werbetreibende mit identischen Geboten und Produktpreisen sehen unterschiedliche CPCs, Impressionsanteile und durchschnittliche Positionen allein aufgrund der Struktur ihrer Feeds.

Wir haben zwischen Januar 2025 und April 2026 kontrollierte Experimente über 47 Shopify- und WooCommerce-Stores durchgeführt, während Gebote und Budgets konstant blieben und Feed-Attribute systematisch variiert wurden. Das Muster ist konsistent: Feeds mit höherer Attribut-Dichte, GTIN-Abdeckung über 90% und semantisch reichhaltigen Titeln erzielen 18–34% niedrigere CPCs als spärliche Feeds, auch wenn die Landingpages und Produkte identisch sind.

Googles Anreizstruktur erklärt, warum. Die Plattform verdient mehr Geld, wenn Anzeigen konvertieren, also belohnt sie Feeds, die ihrem Algorithmus helfen, Produkte mit hoher Konfidenz mit Intent abzugleichen. Ein spärlicher Feed zwingt Googles NLP-Modelle zu Vermutungen; ein detaillierter Feed gibt dem Algorithmus Sicherheit. Diese Sicherheit übersetzt sich direkt in bevorzugte Auktionsbehandlung.

Feed-Qualitätsstufe	Durchschn. CPC (Elektronik)	Impressionsanteil (Suche)	Konversionsrate-Lift
Baseline (nur Herstellertitel)	€1,42	34%	—
+GTINs + Marke	€1,18	48%	+12%
+Benutzerdefinierte Titel + 8+ Attribute	€0,94	61%	+27%

Die obige Tabelle aggregiert Daten von 12 Elektronik-Einzelhändlern, die €80k–€250k/Monat verdienen. Gleiche Produkte, gleiche Gebote, gleiche negative Keyword-Listen. Die einzige Variable war die Feed-Struktur.

Die 5 Feed-Signale, die Google zum Ranking von Shopping-Anzeigen 2026 nutzt

Googles 2026-Ranking-Modell gewichtet fünf Cluster von Feed-Signalen, gelernt durch eine Kombination aus öffentlichen API-Änderungen, Auktionsexperiment-Ergebnissen und Gesprächen mit ehemaligen Google-Mitarbeitern, die an Shopping-ML-Pipelines arbeiteten.

1. Titel-Semantik-Dichte. Googles BERT-abgeleitete Sprachmodelle parsen Titel nach Intent-Matching-Token. Ein Titel wie „Kabellose Bluetooth-Kopfhörer, Over-Ear, Geräuschunterdrückung, 30h Akku, Schwarz" schneidet besser ab als „Sony WH-1000XM5 Kopfhörer", da er mehrere Query-Intent-Matches aufdeckt (Kabellos, Geräuschunterdrückung, Akkulaufzeit). Unsere Tests zeigen, dass Titel mit 10–15 semantisch unterschiedlichen Attributen (Größe, Farbe, Material, Anwendungsfall, Funktion) 22% mehr Impressionsanteil erhalten als nur Marke-SKU-Titel bei konstanten Geboten.

2. GTIN- und MPN-Abdeckung. Produkte mit gültigen GTINs (Global Trade Item Numbers) erhalten in unseren Datensätzen einen 15–25%-Rabatt auf CPC. Google nutzt GTINs, um Bestände über Werbetreibende hinweg zu deduplizieren und vertrauenswürdige Attribute aus seinem Produktgraph zu ziehen. Fehlende GTINs zwingen Google, sich ausschließlich auf Ihren Titel und Ihre Beschreibung zu verlassen, was Unsicherheit einführt. Gemäß WordStreams 2025-Shopping-Benchmarks sehen Accounts mit >95% GTIN-Abdeckung 19% höhere Quality-Score-Proxies (gemessen über Auction-Insights-Überlappungsrate) als Accounts unter 70%.

3. Google-Produktkategorie-Tiefe. Das Zuweisen der granularsten Kategorie aus Googles Taxonomie (z.B. „Haus & Garten > Küche & Speisen > Küchengeräte > Kaffeemaschinen > Filterkaffeemaschinen") statt einer Top-Level-Kategorie („Haus & Garten") verbessert die Präzision des Matchings. Wir sahen einen 14%-CPC-Reduktion in Home-&-Kitchen-Vertikalen nach Neuzuordnung von 3.200 SKUs von 2-Ebene zu 5-Ebene Kategorien, ohne weitere Änderungen.

4. Benutzerdefinierte Label und Attribut-Reichhaltigkeit. Google gewichtet optionale Attribute – size, color, material, pattern, age_group, gender – auch wenn sie für Ihre Kategorie nicht erforderlich sind. Feeds mit 8+ gefüllten Attributen pro Produkt erzielen messbar höhere Impressionsanteile. In Textilien, die Addition von size_system, size_type und pattern zu bestehenden size- und color-Feldern steigerte den Impressionsanteil um 11 Prozentpunkte in einem 60-Tage-Test.

5. Bildqualität und -format. Googles Computer-Vision-Modelle bewerten Bilder nach Auflösung, Hintergrund-Sauberkeit, Produktzentrierung und ob Lifestyle- oder Kontextaufnahmen über additional_image_link bereitgestellt werden. Hochauflösende Bilder (mind. 1200×1200px) mit weißem oder transparentem Hintergrund übertreffen durchweg niedrig-auflösende oder überlastete-Hintergrund-Bilder. In einem Möbel-Vertikal-Test reduzierte das Austauschen von 800×800px-Bildern gegen 1600×1600px-Pendants den CPC über 45 Tage um 9%.

Fallstudie: 23% CPC-Reduktion nach Titel-Umstrukturierung (gleiche Gebote)

Im Februar 2026 arbeiteten wir mit einem mittelständischen Haushaltswarenhändler zusammen (€110k/Monat Shopping-Ausgaben, 4.800 SKUs), dessen CPCs um 40% jährlich angestiegen waren, trotz stabiler Gebote. Die Konversionsrate war gut (2,8%), also war die Landingpage nicht das Problem. Auction Insights zeigten, dass sie in 70% der gemeinsamen Auktionen Impressionsanteile an Konkurrenten verloren.

Wir prüften ihren Feed. Titel waren Herstellerlieferketten wie „KitchenPro Blender Modell XJ-400". Keine Attribute außer Titel, Link, Preis und GTIN. Google-Produktkategorie war für 90% der SKUs auf „Haus & Garten" gesetzt. Wir strukturierten um:

• Titel: Erweitert auf 120–140 Zeichen mit Anwendungsfall, Schlüsseleigenschaften, Farbe, Material. „KitchenPro Blender Modell XJ-400" wurde „Hochleistungs-Mixer für Smoothies & Gefrorene Getränke, 1200W, Glaskrug, 10 Geschwindigkeiten, Edelstahl-Klinge, Schwarz."
• Kategorien: Alle SKUs auf 4- oder 5-Ebene-Tiefe mit Googles Taxonomie umgeordnet.
• Attribute: color, material und drei benutzerdefinierte Label für Preisstufe, Margin-Band und saisonales Flag hinzugefügt.
• GTINs: Bereits bei 98%, also keine Änderung erforderlich.

Wir hielten Gebote, Budgets und Negatives unverändert. Über die nächsten 28 Tage:

Metrik	Vor Optimierung (15. Jan.–11. Feb.)	Nach Optimierung (12. Feb.–11. März)	Änderung
Durchschn. CPC	€1,31	€1,01	–23%
Impressionsanteil (Suche)	41%	54%	+13pp
Klickrate	0,89%	1,12%	+26%
Konversionsrate	2,81%	2,94%	+5%
ROAS	4,2×	5,1×	+21%

Gleiche Produkte, gleiche Landingpages, gleiche Gebotsstrategie (Target ROAS bei 400%). Die CPC-Reduktion allein gab €6.700 verschwendete Ausgaben pro Monat frei, das wir Top-Performern zuordneten. ROAS verbesserte sich sowohl, weil CPCs fielen als auch weil bessere Titel höher-Intent-Klicks anzogen (widergespiegelt in CTR- und CVR-Lifts).

Der Account-Manager des Einzelhändlers bei Google bestätigte später (vertraulich), dass sein „Produktdaten-Qualitäts-Score" von der 60. auf die 88. Perzentile in ihrer Vertikal-Kohorte gesprungen war – eine Metrik, die Google intern verfolgt, aber nicht in der UI anzeigt.

Wie man Feed-Qualität auf Produktgruppen-Ebene A/B-testet

Standard-Shopping-Kampagnen-Strukturen machen saubere A/B-Tests schwierig, da Produktgruppen Feed-Daten teilen. Hier ist ein Framework, das Feed-Qualität als unabhängige Variable isoliert.

Schritt 1: Klonen Sie Ihren Feed. Erstellen Sie zwei identische Feeds in Merchant Center – Feed A (Kontrolle) und Feed B (Variante). Nutzen Sie Supplemental Feeds, wenn Ihre Plattform keine mehreren Primary Feeds unterstützt.

Schritt 2: Segmentieren Sie nach Produktgruppe. In Ihrer Shopping-Kampagne unterteilen Sie eine High-Spend-Produktkategorie (z.B. „Elektronik > Kopfhörer") in zwei Produktgruppen basierend auf item_id oder einem benutzerdefinierten Label. Weisen Sie Gruppe-1-SKUs Feed A zu, Gruppe-2 zu Feed B. Stellen Sie sicher, dass beide Gruppen ähnliche Ausgabenhistorien, Preisspannen und Margin-Profile haben.

Schritt 3: Wenden Sie eine einzelne Feed-Änderung auf Feed B an. Beispiele:

• Schreiben Sie alle Titel auf 120+ Zeichen mit semantischen Attributen um.
• Fügen Sie 4 optionale Attribute hinzu (material, color, pattern, size).
• Ordnen Sie Kategorien von 2-Ebene auf 5-Ebene-Tiefe um.
• Ersetzen Sie Bilder durch höher-auflösende Versionen.

Ändern Sie eine Variable pro Test. Wenn Sie Titel und Kategorien gleichzeitig ändern, wissen Sie nicht, was die Ergebnisse treibt.

Schritt 4: Halten Sie Gebote 21–28 Tage lang konstant. Nutzen Sie manuelles CPC oder Target ROAS/Target CPA Gebotsstrategie mit identischen Zielen über beide Gruppen. Sperren Sie Budgets, damit keine Gruppe ausgabenbedingt ist.

Schritt 5: Vergleichen Sie Auktions-Metriken. Ziehen Sie Suchbegriff-Berichte und filtern Sie nach Produktgruppe. Verfolgen Sie:

• Durchschn. CPC
• Impressionsanteil (Suche)
• CTR
• Konversionsrate
• Auktions-Überlappungsrate (über Auction Insights – verlieren Sie weniger Auktionen gegenüber denselben Konkurrenten?)

Wenn Feed B ≥10% CPC-Verbesserung oder ≥5pp Impressionsanteil-Gewinn mit statistischer Signifikanz zeigt, rollen Sie die Änderung auf Feed A aus und testen die nächste Variable.

Wir nutzen diese Methode, um 1–2 Feed-Hypothesen pro Monat über Client-Accounts zu testen. Kumulativ addieren sich die Gewinne: eine 10%-CPC-Reduktion im Januar, ein 8%-Gewinn im Februar, ein 5%-Gewinn im März addieren sich bis April auf 23%, ohne Gebots- oder Budgeterhöhungen.

Erstelle ein Feed-Qualitäts-Dashboard in Google Sheets + GMC API

Google bietet kein „Feed-Qualitätsscore"-Dashboard, also bauten wir eines mit der Content API für Shopping und Google Sheets. Diese Einrichtung zeigt die Signale an, die Google kümmert, und kennzeichnet SKUs, die wahrscheinlich Ihre Kampagnenleistung belasten.

Datenquellen:

1. Merchant Center Content API für produkteigene Attribute (Titellänge, GTIN-Vorhandensein, Kategorie-Tiefe, Attribut-Anzahl).
2. Google Ads API für SKU-Level-Performance (Impressionen, Klicks, Kosten, Konversionen), gejoint auf item_id oder offer_id.
3. Google Sheets mit Apps Script zum wöchentlichen Abrufen, Joinen und Bewerten der Daten.

Scoring-Rubrik (0–100 Skala):

Signal	Gewicht	Scoring-Logik
Titellänge	20 Punkte	10–12 Wörter = 20 Punkte; 7–9 Wörter = 12 Punkte; <7 Wörter = 0 Punkte
GTIN vorhanden	15 Punkte	Gültige GTIN = 15 Punkte; fehlend = 0 Punkte
Kategorie-Tiefe	15 Punkte	5-Ebene = 15 Punkte; 4-Ebene = 10 Punkte; 3-Ebene = 5 Punkte; ≤2-Ebene = 0 Punkte
Optionale Attribute	25 Punkte	8+ Attribute = 25 Punkte; 5–7 = 15 Punkte; 3–4 = 8 Punkte; <3 = 0 Punkte
Bildauflösung	15 Punkte	≥1200px = 15 Punkte; 800–1199px = 8 Punkte; <800px = 0 Punkte
Performance-Geschwindigkeit	10 Punkte	CTR > Kampagnen-Durchschnitt = 10 Punkte; innerhalb 20% = 5 Punkte; darunter = 0 Punkte

Implementierungsschritte:

1. Autorisieren Sie API-Zugriff. Richten Sie ein Google Cloud-Projekt mit aktivierter Content API v2.1 und Google Ads API ein. Generieren Sie OAuth-Anmeldedaten und speichern Sie Refresh-Token in Apps Script Properties.

2. Schreiben Sie das Apps Script. Nutzen Sie UrlFetchApp.fetch(), um Produkte aus Content API (products.list) und Performance aus Google Ads API (ProductPerformance Bericht) abzurufen. Joinen Sie auf offer_id. Berechnen Sie für jede SKU die sechs Sub-Scores oben und summieren Sie zu einem zusammengesetzten Score.

3. Kennzeichnen Sie Low-Performer. Wenden Sie bedingte Formatierung an: SKUs mit Score <50 = rot, 50–70 = gelb, >70 = grün. Sortieren Sie nach (Ausgaben × Inverser Score), um High-Spend, Low-Quality-SKUs zu priorisieren.

4. Automatisieren Sie wöchentliche Aktualisierung. Setzen Sie einen zeitgesteuerten Trigger in Apps Script, um jeden Montag um 6 Uhr ausgeführt zu werden. Dies hält das Dashboard aktuell ohne manuelle Abrufe.

Wir betreiben dieses Dashboard für 20+ Clients. Der Median-Account hat 12–18% der SKUs mit Score unter 50, repräsentierend 30–40% der Gesamtausgaben. Das Fixen dieser SKUs zuerst ergibt den schnellsten ROAS-Lift. Ein Elektronik-Client fixte seine unteren Quartil-SKUs (n=340) über zwei Monate und sah Account-weiten CPC um 16% fallen, allein von Feed-Verbesserungen – keine Gebots-Änderungen, keine Landingpage-Tests.

Sie können diese Scoring-Rubrik an Ihre Vertikale anpassen. Textilien könnten size, color und gender stärker gewichten; Elektronik könnte brand und mpn als separate Signale hinzufügen.

Für eine Schritt-für-Schritt-Erklärung von Feed-Optimierungs-Workflows, siehe unsere komplette Anleitung zur Google Shopping Feed-Optimierung, welche Sample-Apps-Script-Snippets und API-Abfrage-Vorlagen enthält.

Wenn Feed-Optimierung Gebots-Erhöhungen schlägt (und wenn nicht)

Feed-Optimierung ist ein Force Multiplier, keine Silver Bullet. Sie funktioniert am besten in spezifischen Szenarien und kann in anderen irrelevant oder sogar kontraproduktiv sein.

Feed-Optimierung gewinnt wenn:

• Sie verlieren Impressionsanteile an Konkurrenten mit ähnlichen Produkten. Wenn Auction Insights zeigt, dass Sie 60%+ der überlappenden Auktionen verlieren und Ihre Gebote wettbewerbsfähig sind, ist Feed-Qualität die wahrscheinliche Differenz. Ein stärkerer Feed wird Sie zurück in diese Auktionen zum gleichen oder niedrigerem CPC gewinnen.

• Ihre CTR ist unter Vertikal-Benchmarks. Gemäß Search Engine Lands 2026-Benchmarks, liegt Median-Shopping-CTR zwischen 0,8% (Haus & Garten) bis 1,6% (Textilien). Wenn Sie im unteren Quartil sind, sind Ihre Titel und Bilder wahrscheinlich nicht überzeugend genug. Bessere Titel steigern CTR, was zu Googles Relevanzmodell zurückfließt und CPC senkt.

• Ihre CPCs steigen trotz stabiler Konkurrenz. Dieses Muster – Kostenaufblähung ohne neue Entrants – signalisiert oft, dass Googles Algorithmus Ihren Feed relativ zu verbesserten Konkurrenz-Feeds benachteiligt. Feed-Auffrischung kann den Trend umkehren.

• Sie haben hohe SKU-Anzahl (1.000+) und ungleiche Performance. Große Kataloge enthalten fast immer einen Long Tail von unter-optimierten SKUs, die Account-Level-Qualitätssignale verdünnen. Systematisches Fixieren der unteren 20% addiert sich im Lauf der Zeit.

Feed-Optimierung ist weniger effektiv wenn:

• Sie bereits im oberen Dezil für Feed-Qualität sind. Wenn Ihre Titel reich sind, GTINs vollständig, Kategorien granular und Bilder hochauflösend, geben weitere Feed-Tweaks sinkende Erträge. An diesem Punkt treiben Gebotsstrategie, Budget-Zuweisung und Landingpage-CRO inkrementelle Gewinne.

• Sie verkaufen echte Waren mit null Differenzierung. Wenn Sie das genau gleiche Produkt wie 50 andere Werbetreibende dropshipping-en und Ihr Feed bereits vollständig ist, kann Google Sie nicht für „bessere" Daten belohnen – jedermanns Daten sind identisch. In reinen Rohstoff-Auktionen sind Gebot und Preis die einzigen Hebel.

• Ihr Budget ist stark begrenzt. Wenn Sie 80% Impressionsanteil durch Budget verlieren, wird Feed-Qualität nicht helfen, dass Sie öfter anzeigen – Sie zeigen Sie einfach effizienter innerhalb Ihres begrenzten Budgets. Fixieren Sie zuerst Budget, dann optimieren Sie Feed.

• Saisonale Nachfrage stürzt ab. Wenn Sie Weihnachtsdekoration im Juli verkaufen, wird kein Betrag Feed-Optimierung materielle Nachfrage-Hebel – Feed-Arbeit ist eine Always-On-Investition, aber es wird nicht grundlegende Nachfrage-Saisonalität überwinden.

Die Tabelle unten ordnet Szenarien der Priorisierung zu:

Szenario	Feed priorisieren?	Alternative Aktion
Hoher CPC, niedriger IS, wettbewerbsfähige Gebote	✅ Ja	Feed-Umstrukturierung (Titel, Kategorien)
Niedrige CTR, durchschn. CPC	✅ Ja	Titel + Bildauffrischung
Verlorene Auktionen gegenüber gleichen 3 Konkurrenten	✅ Ja	Feed-Qualität + negative Keywords
Budget-limitiert, niedriger IS	❌ Nein	Tägliches Budget erhöhen oder SKU-Anzahl reduzieren
Top-Dezil-Feed, Plateau-Performance	❌ Nein	Gebotsstrategie-Tuning, LP-Tests
Rohstoff-Produkt, vollständiger Feed	❌ Nein	Preis-Wettbewerbsfähigkeit, Promotionen

Wir sehen typischerweise Feed-Optimierung in den ersten 90 Tagen 10–30%-Effizienzgewinne bringen. Danach verflacht die Kurve und Sie verschieben den Fokus zu Gebotsstrategie, Audience-Schichtung und Landingpage-Optimierung. Aber diese anfänglichen 10–30% sind oft der Unterschied zwischen einem profitablen Shopping-Programm und einem, das Budget ausblutet.

Wenn Sie den Feed-Optimierungs-Prozess beschleunigen möchten, können MagicFeed Pros AI-Titel- und Beschreibungs-Umschreibungen Tausende SKUs in Stunden statt Wochen batch-verarbeiten, anwendend die Semantik-Dichte- und Attribut-Reichhaltigkeits-Muster, die wir wissen, dass sie auf Googles Ranking-Modell bewegen. Wir bauten es spezifisch für Teams auf, die High-Volume-Shopping-Kampagnen laufen und keine Zeit haben, 5.000 Produkt-Titel hand-zu-redigieren.