SEO Content: Search Terms

Zugriff über: Prozesse → Workflows

Auditiert das Backend-Feld Search Terms (generic_keyword) jedes aktiven Produkts (Seller und Vendor) auf der konfigurierten Verbindung und im Marketplace. Search Terms sind versteckte Keywords, die nur Amazon sieht: gut optimiert fangen sie Traffic ein, der nicht in Titel, Aufzählungspunkte oder Beschreibung passt; schlecht optimiert verschwenden sie eine kritische Indexierungsressource.

Verkettete Auto-Korrektur in dieser Vorlage

Diese Vorlage ist diejenige, die am meisten auto-korrigiert: 9 der 12 Checks erzeugen einen Vorschlagswert. Wenn mehrere gleichzeitig fehlschlagen, werden die Korrekturen in der Reihenfolge S08 → S04 → S05 → S06 → S07 → S09 → S10 → S11 → S12 verkettet und ergeben einen einzigen optimierten, mit einem Klick anwendbaren Wert.

Wann es läuft

• Standard-Frequenz: 1. jedes Monats um 5:00 Uhr (Zeitzone des Workflows).
• Im Workflow-Editor nach dem Klonen anpassbar.

So funktioniert es

Auto-Korrektur vs. manuelle Prüfung

Typ	Checks
Auto-Korrektur verfügbar	S04 (Kommas), S05 (eigene ASIN), S06 (Marke), S07 (Duplikate), S08 (Großbuchstaben), S09 (Stoppwörter), S10 (Überschneidung), S11 (Wettbewerber-ASINs), S12 (Superlative)
Manuelle Prüfung	S01 (leer), S02 (Mindestbytes), S03 (Byte-Überschreitung)

Wenn mehrere Auto-Korrekturen auf dasselbe Produkt angewendet werden, werden die Korrekturen verkettet: der endgültige Vorschlagswert ist das Ergebnis aller sequenziell auf den ursprünglichen generic_keyword angewendeten Transformationen.

Checks

Leere Search Terms (S01)

• Schweregrad: Fehler
• Was geprüft wird: Dass das Feld generic_keyword nicht leer ist.
• Warum es wichtig ist: Das Backend-Feld Search Terms ist einer der wichtigsten Kanäle, damit A9 dein Produkt für Keywords indexiert, die nicht im Titel oder in den Aufzählungspunkten erscheinen. Es leer zu lassen heißt, organischen Traffic abzugeben, den andere Produkte einfangen werden.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: nein — erfordert die Generierung von Inhalten. Die Massenbearbeitung mit KI kann Search Terms auf Basis des restlichen Listings erzeugen.
• Aufgaben-Meldung: "Keine Backend-Suchbegriffe definiert. Suchbegriffe sind entscheidend für die Auffindbarkeit über Titel und Aufzählungspunkte hinaus."

Search Terms zu kurz (S02)

• Schweregrad: Warnung
• Was geprüft wird: Dass das Feld mindestens 150 Bytes hat.
• Warum es wichtig ist: Amazon erlaubt bis zu 249 Bytes in generic_keyword. Unter 150 zu liegen bedeutet, Platz für zusätzliche Indexierungs-Keywords zu verschwenden — vor allem in wettbewerbsintensiven Kategorien, in denen jedes indexierte Keyword zählt.
• Amazon-Referenz: Keyword attributes explained.
• Auto-Korrektur: nein — die Massenbearbeitung mit KI kann unter Wahrung der Relevanz erweitern.
• Aufgaben-Meldung: "Die Suchbegriffe haben nur {byteCount} Bytes (empfohlen: {minBytes}+). Kurze Suchbegriffe verpassen Indexierungsmöglichkeiten."

Search Terms überschreiten das Limit (S03)

• Schweregrad: Fehler
• Was geprüft wird: Dass das Feld 249 Bytes nicht überschreitet.
• Warum es wichtig ist: Kritisch. Über 249 Bytes zu gehen führt dazu, dass Amazon das Feld komplett ignoriert — kein Keyword aus den Search Terms wird indexiert, nicht nur die, die das Limit überschreiten. Der Nutzer denkt oft, ein volleres Feld sei besser; in Wahrheit führt Überfüllung zur Deindexierung.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: nein — erfordert die Entscheidung, was entfernt wird. Die Massenbearbeitung mit KI kann die relevantesten Keywords innerhalb des Limits priorisieren.
• Aufgaben-Meldung: "Die Suchbegriffe haben {byteCount} Bytes und überschreiten das 249-Byte-Limit. Amazon de-indexiert das GESAMTE Feld, wenn dieses Limit überschritten wird."

Kommas statt Leerzeichen (S04)

• Schweregrad: Warnung
• Was geprüft wird: Dass das Feld keine Kommas (,) als Trennzeichen enthält.
• Warum es wichtig ist: Amazon trennt Search Terms durch Leerzeichen, nicht durch Kommas. Kommas sind Zeichen, die Bytes verbrauchen, ohne Trennung beizutragen: sie verschlechtern die Indexierung und verschwenden das Limit von 249 Bytes.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: ja — ersetzt Kommas durch Leerzeichen und fasst Mehrfach-Leerzeichen zusammen.
• Aufgaben-Meldung: "Die Suchbegriffe verwenden Kommas als Trennzeichen. Amazon empfiehlt Leerzeichen — Kommas verschwenden Bytes ohne Nutzen."

Eigene ASIN in den Search Terms (S05)

• Schweregrad: Fehler
• Was geprüft wird: Dass die ASIN des eigenen Produkts nicht in seinen Search Terms erscheint.
• Warum es wichtig ist: Amazon indexiert die ASIN des Produkts bereits automatisch. Sie in den Search Terms einzuschließen verschwendet Bytes und bringt nichts — das Produkt erscheint bereits, wenn jemand nach seiner ASIN sucht.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: ja — entfernt die eigene ASIN und normalisiert die Leerzeichen.
• Aufgaben-Meldung: "Die Suchbegriffe enthalten die eigene ASIN ({asin}). Amazon indexiert Ihre ASIN bereits automatisch; dies verschwendet Bytes."

Marke in den Search Terms (S06)

• Schweregrad: Warnung
• Was geprüft wird: Dass die Marke des Produkts nicht in seinen Search Terms erscheint.
• Warum es wichtig ist: Das Attribut brand wird bereits automatisch indexiert. Es in Search Terms zu wiederholen belegt Bytes ohne Nutzen: das Produkt ist über das richtige Feld bereits anhand seiner Marke indexierbar.
• Amazon-Referenz: Keyword attributes explained.
• Auto-Korrektur: ja — entfernt den Markennamen aus dem Feld.
• Aufgaben-Meldung: "Die Suchbegriffe enthalten den Markennamen "{brand}". Die Marke wird automatisch aus dem Markenfeld indexiert; dies verschwendet Bytes."

Doppelte Wörter (S07)

• Schweregrad: Warnung
• Was geprüft wird: Dass es keine wiederholten Wörter im Feld gibt.
• Warum es wichtig ist: A9 indexiert jedes Keyword nur einmal. Ein Wort zu wiederholen verbessert das Ranking nicht — es verbraucht nur Bytes, die für neue Keywords genutzt werden könnten.
• Amazon-Referenz: Amazon search glossary.
• Auto-Korrektur: ja — entfernt Duplikate unter Beibehaltung des ersten Vorkommens jedes Wortes.
• Aufgaben-Meldung: "Die Suchbegriffe enthalten doppelte Wörter. Jedes Wort muss nur einmal für die Indexierung erscheinen."

Großbuchstaben in den Search Terms (S08)

• Schweregrad: Warnung
• Was geprüft wird: Dass das Feld vollständig in Kleinbuchstaben ist.
• Warum es wichtig ist: A9 ist bei der Indexierung case-insensitive: Kamera und kamera werden identisch indexiert. Im Gegensatz dazu können Großbuchstaben (besonders mit Akzent) in manchen Kodierungen mehr Bytes belegen. Alles in Kleinbuchstaben optimiert den Platz, ohne Relevanz zu verlieren.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: ja — konvertiert das gesamte Feld in Kleinbuchstaben (erste Transformation der Korrekturkette).
• Aufgaben-Meldung: "Die Suchbegriffe sind nicht vollständig in Kleinbuchstaben. Die Amazon-Suche unterscheidet nicht zwischen Groß-/Kleinschreibung; Großbuchstaben verschwenden Bytes."

Übermäßige Stoppwörter (S09)

• Schweregrad: Warnung
• Was geprüft wird: Dass das Feld nicht mehr als 3 Stoppwörter enthält (Artikel, Präpositionen, Konjunktionen der Marketplace-Sprache).
• Warum es wichtig ist: A9 ignoriert Stoppwörter wie de, la, the, and, der. Ihre Anwesenheit verbraucht Bytes, ohne zur Indexierung beizutragen. In Sprachen wie Französisch oder Italienisch sind Stoppwörter besonders häufig.
• Amazon-Referenz: Amazon search glossary.
• Auto-Korrektur: ja — entfernt Stoppwörter der Marketplace-Sprache.
• Aufgaben-Meldung: "Die Suchbegriffe enthalten {count} Stoppwörter. Wörter wie „der", „und", „für" verschwenden Bytes ohne der Indexierung zu helfen."

Überschneidung mit Titel und Aufzählungspunkten (S10)

• Schweregrad: Warnung
• Was geprüft wird: Dass die Wort-Überschneidung mit Titel und Aufzählungspunkten 30 % nicht überschreitet.
• Warum es wichtig ist: A9 indexiert bereits alle Wörter aus Titel und Aufzählungspunkten. Sie in Search Terms zu wiederholen heißt, die Indexierung zu duplizieren: es verbessert das Ranking nicht und verschwendet Bytes. Das Feld sollte die anderen mit Keywords ergänzen, die nirgendwo sonst im Listing erscheinen.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: ja — entfernt die Wörter, die bereits im Titel oder in den Aufzählungspunkten erscheinen.
• Aufgaben-Meldung: "Die Suchbegriffe überschneiden sich zu {overlapPercent}% mit Titel und Aufzählungspunkten. Nutzen Sie Suchbegriffe für Wörter, die NICHT bereits in Ihrem sichtbaren Inhalt stehen."

Wettbewerber-ASINs (S11)

• Schweregrad: Fehler
• Was geprüft wird: Dass das Feld keine ASINs anderer Produkte enthält (Format B0... mit 10 alphanumerischen Zeichen).
• Warum es wichtig ist: Amazon verbietet diese Praxis: Suchen auszunutzen, die zur ASIN eines Wettbewerbers gelangen. Ihre Anwesenheit ist Grund für eine Bestrafung oder Unterdrückung des Listings wegen Suchmanipulation, und Amazon erkennt das Muster automatisch.
• Amazon-Referenz: Product detail page rules.
• Auto-Korrektur: ja — entfernt jede ASIN, die nicht zum eigenen Produkt gehört.
• Aufgaben-Meldung: "Die Suchbegriffe enthalten ASINs von Wettbewerbern. Dies verstößt gegen die Amazon-Richtlinien und kann zur Listing-Unterdrückung führen."

Superlative in den Search Terms (S12)

• Schweregrad: Fehler
• Was geprüft wird: Dass das Feld keine verbotenen Superlative enthält ("der beste", "Premium", "Nr. 1", etc.).
• Warum es wichtig ist: Dieselben Amazon-Regeln zu nicht überprüfbaren Superlativen gelten für Search Terms. Ihre Anwesenheit kann automatische Prüfungen auslösen und die Sichtbarkeit des Listings einschränken.
• Amazon-Referenz: Use search terms effectively.
• Auto-Korrektur: ja — entfernt verbotene Superlative der Marketplace-Sprache.
• Aufgaben-Meldung: "Die Suchbegriffe enthalten verbotene Superlative. Aussagen wie „beste" verstoßen gegen Amazon-Richtlinien auch in Backend-Keywords."

Nächste Schritte

• Vorlagenkatalog — zurück zum Index
• Aufgaben — wie die generierten Elemente geprüft und genehmigt werden
• Workflows — verstehe die Engine darunter
• Bearbeitung mit KI — Search Terms in einem Block mit KI generieren