Wenn ChatGPT mit einkauft: Was Marken in ihrer Customer Journey übersehen

„Welcher Kinderwagen passt in einen kleinen Kofferraum und lässt sich mit einer Hand zusammenklappen?“ Wer so einen KI-Assistenten fragt, bekommt womöglich schon eine Liste passender Modelle, bevor er einen Shop besucht. Das Beispiel ist hypothetisch. Die Frage für Marken ist konkret: Wie entsteht die Vorauswahl, mit der Kunden überhaupt erst auf ihrer Website ankommen?

Ein Webanalyse-Dashboard kann zeigen, welche Modelle Besucher ansehen. Es erfasst meist nicht, welche Alternativen sie vorher im Chat aussortiert haben. Wer nur den Besuch im Shop untersucht, setzt für manche Kaufentscheidungen zu spät an.

Eine Empfehlung ist noch kein Kauf

Julia Eymann beschreibt auf marktforschung.de, wie regelmäßige KI-Nutzer solche Assistenten in ihre Produktsuche einbauen. Die qualitative GIM-Trendstudie gibt Einblick in die Entscheidungswege dieser Gruppe. Wie verbreitet diese Wege unter allen Käufern sind, lässt sich daraus nicht ableiten.^[1]

Der Consumer Snapshot von KPMG und EHI vom Oktober 2026 zeigt, warum es sich lohnt, einzelne Schritte zu unterscheiden. Beim Smartphone-Kauf würden 72 Prozent der Befragten einen KI-Agenten für die Informationssuche nutzen, aber nur 45 Prozent für die Zahlung. Das sind Angaben zur Bereitschaft, keine beobachteten Käufe.^[2]

Jon Arthurs von Toluna schlägt in Quirk’s vor, die Sichtbarkeit von Marken in KI-Antworten mit Suchanfragen zu prüfen, die auf echten Bedürfnissen beruhen:

“These should use prompt entry points derived from real consumer needs, not generic prompts”^[3]

Das ist eine Empfehlung aus der Praxis. Ein solcher Test zeigt, was ein Assistent unter bestimmten Bedingungen ausgibt. Ob Menschen dem Rat folgen, muss separat untersucht werden.

Wie man den Einfluss der KI untersucht

Beim Kaufanlass beginnen. In einem kurzen Einkaufstagebuch halten Teilnehmende bei einer anstehenden Anschaffung fest, was sie zuerst tun, wann sie einen Assistenten nutzen und welche Vorschläge sie übernehmen oder verwerfen. Die Studie sollte auch Menschen einschließen, die anders suchen. Sonst wird der KI-Kanal schon durch die Rekrutierung wichtiger, als er für die Fragestellung sein muss.

Eine konkrete Suche begleiten. In einer beobachteten Produktsuche lässt sich nachvollziehen, welche Kriterien Menschen in den Chat eingeben, was sie auf der Händlerseite gegenprüfen und wann sie zu einer anderen Quelle wechseln. Beim Kinderwagen könnte sich zeigen, dass das Modell überzeugt, aber die gefalteten Maße fehlen. Das legt eine andere Maßnahme nahe als mehr Sichtbarkeit in KI-Antworten.

Nach der Entscheidung nachfassen. Im Interview klären wir, was den Ausschlag gab: die Empfehlung, eine vertraute Marke, der Preis oder vielleicht der Rat einer anderen Person. Ein späteres Gespräch hilft auch, Fälle zu verstehen, in denen eine Empfehlung erst überzeugte und dann doch nicht zum Kauf führte.

Was Marken daraus ableiten können

Für Auftraggeber ergeben sich unterschiedliche Aufgaben. Taucht das Produkt bei passenden Suchanfragen kaum auf, lohnt sich ein Blick auf seine Auffindbarkeit. Wird es empfohlen, aber falsch beschrieben, sind verlässliche und konsistente Produktinformationen ein Ansatzpunkt. Ist die Empfehlung korrekt und bricht die Suche trotzdem im Shop ab, kann ein Nutzertest dort weiterhelfen.

Bei WMM würden wir das Design an der Entscheidung ausrichten, die als Nächstes ansteht. Wenige gut dokumentierte Kaufwege können zeigen, wo sich ein genauerer Blick lohnt. Wie häufig ein Muster auftritt oder ob eine Änderung den Absatz steigert, braucht eine passende Anschlussmessung. So wird aus der allgemeinen Frage nach KI eine konkrete Forschungsaufgabe.