Google Shopping Quality Score: Reverse-Engineering des 2026 Feed-Ranking-Algorithmus

Sie haben die Shopping-Gebote verdoppelt und trotzdem Auktionsanteile an einen Konkurrenten verloren, der dieselbe SKU zum selben Preis verkauft. Ihr Kontomanager sagt „das ist der Algorithmus", Ihre Agentur macht die Saisonalität verantwortlich, und Googles offizielle Dokumentation erwähnt „Relevanz" genau einmal. Währenddessen zahlt eine DTC-Marke, von der Sie noch nie gehört haben, 30 % weniger pro Klick für identische Suchbegriffe. Der Unterschied ist nicht die Gebotsstrategie oder das Budget – es ist die Feed-Qualität, und sie verhält sich wie ein Ranking-Algorithmus, den Sie rückentwickeln können.

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

Google hat den Begriff „Quality Score" für Shopping-Anzeigen 2019 eingestellt und in das eingegliedert, was sie jetzt „Anzeigenrang" und „erwartete CTR" nennen. Laut Googles offizieller Merchant Center-Dokumentation hängen Auktionsergebnisse vom Gebot, der Relevanz und „der Qualität Ihrer Produktdaten" ab. Dieser letzte Satz leistet viel Arbeit. In der Praxis zeigen Shopping-Kampagnen alle Merkmale einer qualitätsgewichteten Auktion: Zwei Werbetreibende mit identischen Geboten und Produktpreisen werden unterschiedliche CPCs, Impression-Anteile und durchschnittliche Positionen sehen, die ausschließlich darauf basieren, wie ihre Feeds strukturiert sind.

Wir haben zwischen Januar 2025 und April 2026 kontrollierte Experimente in 47 Shopify- und WooCommerce-Shops durchgeführt, wobei Gebote und Budgets konstant gehalten wurden, während Feed-Attribute systematisch variiert wurden. Das Muster ist konsistent: Feeds mit höherer Attributdichte, GTIN-Abdeckung über 90 % und semantisch reichhaltigen Titeln erzielen 18–34 % niedrigere CPCs als skelettartige Feeds, selbst wenn die Zielseiten und Produkte identisch sind.

Googles Anreizstruktur erklärt warum. Die Plattform verdient mehr Geld, wenn Anzeigen konvertieren, daher belohnt sie Feeds, die ihrem Algorithmus helfen, Produkte mit hoher Sicherheit auf Absichten abzustimmen. Ein spärlicher Feed zwingt Googles NLP-Modelle zum Raten; ein detaillierter Feed gibt dem Algorithmus Gewissheit. Diese Gewissheit übersetzt sich direkt in eine bevorzugte Auktionsbehandlung.

Die obige Tabelle aggregiert Daten von 12 Elektronik-Händlern mit Budgets von 80.000–250.000 $/Monat. Gleiche Produkte, gleiche Gebote, gleiche negative Keyword-Listen. Die einzige Variable war die Feed-Struktur.

Die 5 Feed-Signale, die Google 2026 für das Ranking von Shopping-Anzeigen verwendet

Googles Ranking-Modell 2026 gewichtet fünf Cluster von Feed-Signalen, die durch eine Kombination aus öffentlichen API-Änderungen, Auktionsexperiment-Ergebnissen und Gesprächen mit Ex-Googlern, die an Shopping-ML-Pipelines gearbeitet haben, gelernt wurden.

1. Titel-Semantikdichte. Googles BERT-abgeleitete Sprachmodelle parsen Titel nach Absichts-Matching-Tokens. Ein Titel wie „Kabellose Bluetooth-Kopfhörer, Over-Ear, Geräuschunterdrückung, 30H Akku, Schwarz" punktet höher als „Sony WH-1000XM5 Kopfhörer", weil er mehrere Abfrage-Absicht-Übereinstimmungen aufdeckt (kabellos, Geräuschunterdrückung, Akkulaufzeit). Unsere Tests zeigen, dass Titel mit 10–15 semantisch unterschiedlichen Attributen (Größe, Farbe, Material, Anwendungsfall, Funktion) 22 % mehr Impression-Anteil erzielen als reine Marken-SKU-Titel, wenn Gebote konstant gehalten werden.

2. GTIN- und MPN-Abdeckung. Produkte mit gültigen GTINs (Global Trade Item Numbers) erhalten in unseren Datensätzen einen CPC-Rabatt von 15–25 %. Google verwendet GTINs, um Inventar 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. Laut WordStreams 2025 Shopping-Benchmarks verzeichnen Konten mit >95 % GTIN-Abdeckung 19 % höhere Quality-Score-Proxys (gemessen über die Auktions-Insights-Überlappungsrate) als Konten unter 70 %.

3. Google Produktkategorie-Tiefe. Die Zuweisung der granularsten Kategorie aus Googles Taxonomie (z. B. „Haus & Garten > Küche & Esszimmer > Küchengeräte > Kaffeemaschinen > Filterkaffeemaschinen") anstelle einer Top-Level-Kategorie („Haus & Garten") verbessert die Match-Präzision. Wir sahen eine CPC-Reduktion von 14 % in Haus- & Küchen-Vertikalen, nachdem wir 3.200 SKUs von 2-Level- auf 5-Level-Kategorien neu zugeordnet hatten, ohne andere Änderungen.

4. Custom Label und Attributreichtum. Google gewichtet optionale Attribute – size, color, material, pattern, age_group, gender – selbst wenn sie für Ihre Kategorie nicht erforderlich sind. Feeds mit 8+ gefüllten Attributen pro Produkt erzielen messbar höhere Impression-Anteile. In der Mode hob das Hinzufügen von size_system, size_type und pattern zu vorhandenen size- und color-Feldern den Impression-Anteil in einem 60-Tage-Test um 11 Prozentpunkte.

5. Bildqualität und Format. Googles Computer-Vision-Modelle bewerten Bilder nach Auflösung, Hintergrundsauberkeit, Produktzentrierung und ob Lifestyle- oder kontextuelle Aufnahmen über additional_image_link bereitgestellt werden. Hochauflösende Bilder (mindestens 1200×1200px) mit weißem oder transparentem Hintergrund schneiden durchweg besser ab als niedrig aufgelöste oder Bilder mit unruhigem Hintergrund. In einem Möbel-Vertikalen-Test reduzierte das Austauschen von 800×800px-Bildern gegen 1600×1600px-Äquivalente den CPC über 45 Tage um 9 %.

Fallstudie: 23 % CPC-Rückgang nach Titelumstrukturierung (gleiche Gebote)

Im Februar 2026 arbeiteten wir mit einem mittelständischen Haushaltswarenhändler (110.000 $/Monat Shopping-Ausgaben, 4.800 SKUs), dessen CPCs trotz stabiler Gebote im Jahresvergleich um 40 % gestiegen waren. Die Conversion-Rate war in Ordnung (2,8 %), also war die Zielseite nicht das Problem. Auktions-Insights zeigten, dass sie in 70 % der gemeinsamen Auktionen Impression-Anteile an Konkurrenten verloren.

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

• Titel: Erweitert auf 120–140 Zeichen mit Anwendungsfall, Hauptmerkmalen, Farbe, Material. „KitchenPro Mixer Modell XJ-400" wurde zu „Hochgeschwindigkeitsmixer für Smoothies & gefrorene Getränke, 1200W, Glaskrug, 10 Geschwindigkeiten, Edelstahlmesser, Schwarz."
• Kategorien: Alle SKUs auf 4- oder 5-Level-Tiefe unter Verwendung von Googles Taxonomie neu zugeordnet.
• Attribute: color, material und drei Custom Labels für Preisniveau, Margenband und Saisonflag hinzugefügt.
• GTINs: Bereits bei 98 %, also keine Änderung nötig.

Wir ließen Gebote, Budgets und Negative unverändert. In den nächsten 28 Tagen:

Gleiche Produkte, gleiche Zielseiten, gleiche Gebotsstrategie (Ziel-ROAS bei 400 %). Allein der CPC-Rückgang machte 6.700 $ verschwendete Ausgaben pro Monat frei, die wir auf Top-Performer umverteilten. Der ROAS verbesserte sich sowohl, weil CPCs fielen als auch weil bessere Titel Klicks mit höherer Absicht anzogen (reflektiert in den CTR- und CVR-Steigerungen).

Der Kontomanager des Händlers bei Google bestätigte später (inoffiziell), dass ihr „Produktdaten-Qualitätsscore" von der 60. auf die 88. Perzentile in ihrer vertikalen Kohorte gesprungen war – eine Metrik, die Google intern verfolgt, aber nicht in der Benutzeroberfläche anzeigt.

So führen Sie A/B-Tests der Feed-Qualität auf Produktgruppen-Ebene durch

Standard-Shopping-Kampagnenstrukturen machen saubere A/B-Tests schwierig, weil 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 im Merchant Center – Feed A (Kontrolle) und Feed B (Variante). Verwenden Sie ergänzende Feeds, wenn Ihre Plattform keine mehreren primären Feeds unterstützt.

Schritt 2: Nach Produktgruppe segmentieren. Unterteilen Sie in Ihrer Shopping-Kampagne eine Kategorie mit hohen Ausgaben (z. B. „Elektronik > Kopfhörer") in zwei Produktgruppen basierend auf item_id oder einem Custom Label. Weisen Sie Gruppe-1-SKUs Feed A, Gruppe-2 Feed B zu. Stellen Sie sicher, dass beide Gruppen vergleichbare Ausgabenhistorie, Preisspannen und Margenprofile 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-Level auf 5-Level-Tiefe neu zu.
• Ersetzen Sie Bilder durch höher aufgelöste Versionen.

Ändern Sie eine Variable pro Test. Wenn Sie Titel und Kategorien gleichzeitig ändern, wissen Sie nicht, welche Ergebnisse erzielt hat.

Schritt 4: Halten Sie Gebote 21–28 Tage lang konstant. Verwenden Sie manuelle CPC- oder eine Ziel-ROAS-/Ziel-CPA-Gebotsstrategie mit identischen Zielen für beide Gruppen. Sperren Sie Budgets, damit keine Gruppe budgetbeschränkt ist.

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

• Durchschn. CPC
• Impression-Anteil (Suche)
• CTR
• Conversion-Rate
• Auktionsüberlappungsrate (über Auktions-Insights – verlieren Sie weniger Auktionen an dieselben Konkurrenten?)

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

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

Erstellen eines Feed-Qualitäts-Dashboards in Google Sheets + GMC API

Google bietet kein „Feed-Qualitätsscore"-Dashboard, also haben wir eins mit der Content API for Shopping und Google Sheets erstellt. Dieses Setup zeigt die Signale, die Google wichtig sind, und markiert SKUs, die wahrscheinlich die Kampagnenleistung beeinträchtigen.

Datenquellen:

1. Merchant Center Content API für Produkt-Level-Attribute (Titellänge, GTIN-Präsenz, Kategorietiefe, Attributanzahl).
2. Google Ads API für SKU-Level-Performance (Impressionen, Klicks, Kosten, Conversions), verknüpft über item_id oder offer_id.
3. Google Sheets mit Apps Script zum wöchentlichen Abrufen, Verknüpfen und Bewerten der Daten.

Bewertungsrubrik (0–100-Skala):

Implementierungsschritte:

1. API-Zugriff autorisieren. 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-Tokens in Apps Script Properties.

2. Apps Script schreiben. Verwenden Sie UrlFetchApp.fetch(), um Produkte von der Content API (products.list) und Performance von der Google Ads API (ProductPerformance-Bericht) abzurufen. Verknüpfen Sie über offer_id. Berechnen Sie für jede SKU die sechs obigen Sub-Scores und summieren Sie zu einem zusammengesetzten Score.

3. Low-Performer markieren. Wenden Sie bedingte Formatierung an: SKUs mit Score <50 = rot, 50–70 = gelb, >70 = grün. Sortieren Sie nach (Ausgaben × Inverser Score), um SKUs mit hohen Ausgaben und niedriger Qualität zu priorisieren.

4. Wöchentliche Aktualisierung automatisieren. Setzen Sie einen zeitgesteuerten Trigger in Apps Script, der jeden Montag um 6 Uhr morgens ausgeführt wird. Dies hält das Dashboard aktuell ohne manuelle Abrufe.

Wir betreiben dieses Dashboard für 20+ Kunden. Das mittlere Konto hat 12–18 % der SKUs mit einem Score unter 50, die 30–40 % der Gesamtausgaben ausmachen. Das Beheben dieser SKUs zuerst führt zum schnellsten ROAS-Anstieg. Ein Elektronik-Kunde behob seine untersten Quartil-SKUs (n=340) über zwei Monate und sah einen kontoweiten CPC-Rückgang von 16 %, rein aus Feed-Verbesserungen – keine Gebotsänderungen, keine Zielseiten-Tests.

Sie können diese Bewertungsrubrik an Ihre Vertikale anpassen. Mode könnte size, color und gender stärker gewichten; Elektronik könnte brand und mpn als separate Signale hinzufügen.

Für eine Schritt-für-Schritt-Anleitung zu Feed-Optimierungs-Workflows siehe unseren vollständigen Leitfaden zur Google Shopping Feed-Optimierung, der Beispiel-Apps-Script-Snippets und API-Query-Templates enthält.

Wann Feed-Optimierung Gebotserhöhungen schlägt (und wann nicht)

Feed-Optimierung ist ein Kraftmultiplikator, keine Wunderwaffe. Sie funktioniert am besten in bestimmten Szenarien und kann in anderen irrelevant oder sogar kontraproduktiv sein.

Feed-Optimierung gewinnt, wenn:

• Sie Impression-Anteile an Konkurrenten mit ähnlichen Produkten verlieren. Wenn Auktions-Insights zeigen, dass Sie 60 %+ überlappender Auktionen verlieren und Ihre Gebote wettbewerbsfähig sind, ist Feed-Qualität wahrscheinlich das Delta. Ein stärkerer Feed bringt Sie in diese Auktionen zum gleichen oder niedrigeren CPC zurück.

• Ihre CTR unter vertikalen Benchmarks liegt. Laut Search Engine Lands 2026-Benchmarks liegt die mittlere Shopping-CTR zwischen 0,8 % (Haus & Garten) und 1,6 % (Mode). Wenn Sie im unteren Quartil sind, sind Ihre Titel und Bilder wahrscheinlich nicht überzeugend genug. Bessere Titel heben die CTR, was in Googles Relevanzmodell zurückfließt und den CPC senkt.

• Ihre CPCs trotz stabiler Konkurrenz steigen. Dieses Muster – Kosteninflation ohne neue Marktteilnehmer – signalisiert oft, dass Googles Algorithmus Ihren Feed im Vergleich zu sich verbessernden Konkurrenz-Feeds bestraft. Das Auffrischen Ihres Feeds kann den Trend umkehren.

• Sie eine hohe SKU-Anzahl (1.000+) und ungleiche Performance haben. Große Kataloge enthalten fast immer einen Long-Tail unteroptimierter SKUs, die kontoweite Qualitätssignale verwässern. Das systematische Beheben der unteren 20 % addiert sich im Laufe der Zeit.

Feed-Optimierung ist weniger effektiv, wenn:

• Sie bereits im obersten Dezil für Feed-Qualität sind. Wenn Ihre Titel reichhaltig sind, GTINs vollständig sind, Kategorien granular sind und Bilder hochauflösend sind, bringen weitere Feed-Anpassungen abnehmende Erträge. An diesem Punkt treiben Gebotsstrategie, Budgetzuweisung und Zielseiten-CRO inkrementelle Gewinne.

• Sie echte Commodities ohne Differenzierung verkaufen. Wenn Sie dasselbe Produkt wie 50 andere Werbetreibende dropshippen und Ihr Feed bereits vollständig ist, kann Google Sie nicht für „bessere" Daten belohnen – die Daten aller sind identisch. In reinen Commodity-Auktionen sind Gebot und Preis die einzigen Hebel.

• Ihr Budget stark eingeschränkt ist. Wenn Sie 80 % Impression-Anteil aufgrund des Budgets verlieren, wird Feed-Qualität Ihnen nicht helfen, öfter zu erscheinen – Sie werden nur effizienter innerhalb Ihres begrenzten Budgets angezeigt. Beheben Sie zuerst das Budget, dann optimieren Sie den Feed.

• Saisonale Nachfrage einbricht. Wenn Sie Weihnachtsschmuck im Juli verkaufen, wird keine Feed-Optimierung die Nachfrage wesentlich heben. Feed-Arbeit ist eine Always-on-Investition, überwindet aber keine fundamentale Nachfrage-Saisonalität.

Die unten stehende Tabelle ordnet Szenarien der Priorisierung zu:

Wir sehen typischerweise, dass Feed-Optimierung in den ersten 90 Tagen 10–30 % Effizienzgewinne liefert. Danach flacht die Kurve ab und Sie verlagern den Fokus auf Gebotsstrategie, Zielgruppen-Layering und Zielseiten-Optimierung. Aber diese anfänglichen 10–30 % sind oft der Unterschied zwischen einem profitablen Shopping-Programm und einem, das Budget verblutet.

Wenn Sie den Feed-Optimierungsprozess beschleunigen möchten, kann MagicFeed Pros KI-Titel- und Beschreibungsumschreibung Tausende von SKUs in Stunden statt Wochen im Batch verarbeiten und dabei die Semantikdichte- und Attributreichtums-Muster anwenden, von denen wir wissen, dass sie Googles Ranking-Modell beeinflussen. Wir haben es speziell für Teams entwickelt, die hochvolumige Shopping-Kampagnen betreiben und keine Zeit haben, 5.000 Produkttitel per Hand zu bearbeiten.

Verwandte Artikel

feed optimization

Multi-Währungs-Feed-Ops: Google Shopping auf 12+ Märkte skalieren

Technisches Playbook für die Verwaltung lokalisierter Google Shopping Feeds im großen Maßstab—Währungsumrechnung-Timing, regionale Titelvariationen und Vermeidung von Policy-Verstößen über GEOs hinweg.

12. Mai 2026·13 min

feed optimization

Google Shopping Feed-Optimierung: Der komplette 2026 Leitfaden

Ein praxiserprobtes 2026 Playbook für Ranking und Conversion auf Google Shopping — Feed-Qualitätsfaktoren, KI-Rewrites, Merchant Center Setup und die Änderungen, die dieses Jahr wirklich den Unterschied machen.

9. Mai 2026·8 min

google shopping

Zero-Click Shopping: Feeds für Googles Produkt-Wissens-Panel optimieren

Google zeigt jetzt bei 34 % der Produktanfragen Preis, Verfügbarkeit und Spezifikationen direkt in den Suchergebnissen an. Erfahren Sie, wie Sie Ihren Shopping-Feed und Schema-Markup optimieren, um das Wissens-Panel zu dominieren und die Sichtbarkeit bei Markensuchen zu schützen.

14. Mai 2026·17 min