Was im britischen Golden Quarter geschah
Der End-of-Year Shopping Insights Report von Salesforce besagt, dass die weltweiten Online-Verkäufe im Golden Quarter 2025 einen Rekordwert von 1,29 Billionen US-Dollar erreichten, wobei das Vereinigte Königreich mit 38 Milliarden US-Dollar (rund 28 Milliarden Pfund) Umsatz im E-Commerce-Bereich vertreten war. Die britischen Online-Verkäufe stiegen im Jahresvergleich um 5,5 %, was auf einen Anstieg der durchschnittlichen Verkaufspreise um 9 % und einen Anstieg des Traffics um 10 % zurückzuführen ist, trotz eines insgesamt vorsichtigen Konsumumfelds. InternetRetailing.
Ein Schlüsselergebnis des Berichts ist die überproportionale Rolle der KI. Rund 20 % der Einzelhandelsumsätze weltweit wurden von KI und Agenten beeinflusst, was Ausgaben in Höhe von 262 Milliarden US-Dollar darstellt. KI-Shopping-Kanäle von Drittanbietern und KI-gestützte Suchen zeigten deutlich höhere Absichten: Der Traffic, der über diese Quellen generiert wurde, konvertierte etwa neunmal besser als soziale Verweise. Händler, die ihre eigenen KI-Agenten einsetzten, verzeichneten ein Umsatzwachstum von fast 60 % mehr als ihre Wettbewerber, und KI-Agenten übernahmen auch einen Anstieg von 142 % bei operativen Aufgaben wie Retouren und Versandaktualisierungen. InternetRetailing; Salesforce.
Gleichzeitig schnitt der stationäre Einzelhandel in Großbritannien schlechter ab. Laut dem British Retail Consortium ging die Kundenfrequenz im Dezember in den Haupteinkaufsstraßen und Einkaufszentren zurück, und die Non-Food-Umsätze in den Geschäften stiegen nur um 0,4 % im Jahresvergleich, während die Online-Non-Food-Umsätze um 11,1 % stiegen. InternetRetailing. Parallele ONS- und Branchenkommentare zum Golden Quarter heben ein verhaltenes Gesamtumsatzwachstum im Einzelhandel, eine selektive Reaktion auf Sonderangebote am Black Friday und eine anhaltende strukturelle Verlagerung in Richtung Online hervor, wobei die Online-Penetration im November den höchsten Stand seit Ende 2021 erreichte. PwC; FashionUnited.
Das Bild ist im Lebensmittelbereich differenzierter, der weitgehend außerhalb des Non-Food-Fokus von Salesforce liegt. Der Lebensmittelbereich war eine der wenigen Lichtblicke im britischen Einzelhandel über Weihnachten, unterstützt durch Ausgaben für festliche Lebensmittel und Inflation; die Online-Penetration liegt hier in Spitzenzeiten weiterhin im niedrigen bis mittleren zweistelligen Bereich, während 85–87 % der Ausgaben immer noch in den Geschäften getätigt werden. InternetRetailing. Daher kann das Quartal als eine „Zwei-Geschwindigkeiten“-Saison beschrieben werden: KI-gestützte digitale Kanäle, die an Wert und Effizienz gewinnen, im Vergleich zu physischen Formaten, die ein marginales oder negatives reales Wachstum verzeichnen.
Warum dieses Golden Quarter für die E-Commerce-Infrastruktur wichtig ist
Das Golden Quarter 2025 bestätigt nicht nur die Stärke der Online-Nachfrage, sondern kristallisiert auch eine strukturelle Veränderung in der Art und Weise heraus, wie die Nachfrage erzeugt und vermittelt wird. Traffic und Umsatz werden zunehmend über KI-Agenten, Konversations-Schnittstellen und absichtsorientierte Suche und Discovery und nicht über traditionelle Suche, bezahlte Medien oder soziale Medien geleitet. Diese Rekonfiguration hat direkte Auswirkungen auf die Produktdatenstrukturen, Katalogoperationen und Content-Pipelines.
KI-gesteuerte Nachfrage und Produkt-Feeds
Wenn bereits 20 % der weltweiten Einzelhandelsumsätze von KI-Agenten beeinflusst werden, sind Produkt-Feeds nicht mehr nur Eingaben für Werbeplattformen und Marktplätze; sie sind die Kern-"Sprache", die KI-Systeme verwenden, um das Inventar zu verstehen, zu ordnen und zu empfehlen. In diesem Umfeld:
Die Feed-Vollständigkeit wird zu einem kommerziellen Risikofaktor. KI-Systeme basieren auf strukturierten Attributen (Größe, Material, Farbe, Nutzungskontext, Kompatibilität, Nachhaltigkeitskennzeichen, Preishistorie), um die Relevanz abzuleiten und die Rankings zu personalisieren. Fehlende oder inkonsistente Daten verringern die Wahrscheinlichkeit, dass ein Produkt in hochgradig zielgerichteten KI-Interaktionen angezeigt wird, selbst wenn es in der traditionellen Suche gut abschneidet.
Echtzeit- und Event-Aware-Feeds gewinnen an Priorität. Das Golden Quarter Trading ist durch schnelle Preisänderungen, Blitzangebote und schnelle Lagerbewegungen gekennzeichnet. Für einen KI-Agenten, von dem erwartet wird, dass er Einschränkungen (Budget, Lieferfristen, Markenpräferenzen) im Namen des Käufers aushandelt, beeinträchtigen veraltete Bestands- oder Preisdaten die Ergebnisse und das Vertrauen. Das verlagert Investitionen von Batch-Feed-Exporte hin zu Latenz-armen APIs, Event-gesteuerten Aktualisierungen und einer engeren Integration zwischen Merchandising-Systemen und KI-Schichten.
Die Multi-Channel-Feed-Governance wird komplexer. KI-Empfehlungen kommen zunehmend aus Quellen, die außerhalb der klassischen „Walled Gardens“ angesiedelt sind: unabhängige Agenten, allgemeine Konversations-Tools und Händler-eigene Assistenten. All diese verbrauchen Produkt- und Angebotsdaten auf leicht unterschiedliche Weise. Die Standardisierung von Taxonomie, Attributsätzen und Aktualisierungsplänen über die Kanäle hinweg wird zu einer Voraussetzung für eine konsistente Leistung. Product Feeds wird zu einer Voraussetzung für eine konsistente Leistung.
Katalogstandards und semantische Struktur
Das starke Outperformance von KI-beeinflusstem Traffic unterstreicht die Bedeutung von maschinell lesbaren Katalogstandards. Je mehr Verkäufe über Agenten-basierte Erlebnisse abgewickelt werden, desto weniger tolerant wird das Ökosystem gegenüber fehlerhaften oder unstrukturierten Katalogen.
Mehrere Trends werden durch dieses Golden Quarter verstärkt:
Von keyword-Orientierung zu semantischer Orientierung. KI-Agenten interpretieren Benutzerabsichten, die auf natürliche Weise in Zielen ausgedrückt werden („Finde einen Wintermantel, der warm ist, aber unter 150 £ kostet und bis Freitag geliefert wird“), und nicht in Produktnamen. Kataloge müssen Attribute und Beziehungen offenlegen, die diesen Absichten entsprechen: Wärme Bewertungen, Isolierungsart, Lieferversprechen nach Postleitzahl, Pflegeanforderungen usw. Wenn solche Daten unstrukturiert sind oder sich im Marketing-Text verbergen, müssen Agenten sie ableiten, was das Risiko irrelevanter oder nicht konformer Empfehlungen erhöht.
Normalisierung über Marken und Kategorien hinweg. Wenn Agenten Artikel von mehreren Händlern in einem einzigen Gespräch vergleichen, erschwert eine inkonsistente Attributbenennung (z. B. „navy“ vs. „midnight blue“, gemischte Größenangaben) den Händlerübergreifenden Vergleich. Dies schafft einen Anreiz für eine branchenweite Harmonisierung von Attributdefinitionen, Einheitennormen und Wertelisten sowie für rigorosere interne Datenwörterbücher auf Händlerebene.
Lebenszyklus- und Richtlinien-Metadaten. Da Agenten nun ein deutlich höheres Volumen an Serviceaufgaben wie Retouren, Umtausch und Versandaktualisierungen bearbeiten, müssen Kataloge strukturierte Richtlinien- und Lebenszyklusdaten enthalten: Retourenfristen nach Produkttyp, Wiederauffüllungsgebühren, Überholungsstatus, Garantiebedingungen. Wenn diese Attribute explizit und standardisiert sind, können Agenten Betriebsfragen beantworten und Reibungsverluste vor der Kaufabwicklung vermeiden.
Produktdetailseiten: Qualität, Vollständigkeit und Maschinenlesbarkeit
Die Verlagerung hin zu KI-gestützter Suche verändert die Funktion der Produktdetailseite (PDP). Menschliches Storytelling ist nach wie vor unerlässlich, aber PDPs fungieren zunehmend als „Quelle der Wahrheit“ für KI-Modelle, die Inhalte in großem Maßstab parsen.
Im Kontext dieses Golden Quarters:
Hoch konvertierende KI-Empfehlungen unterstreichen den Wert vollständiger PDPs. Da KI in der Regel bereits qualifizierte Absichten lenkt, liegt der Engpass oft darin, die letzten Unsicherheiten zu beseitigen: Passform, Kompatibilität, Pflege, gebündelte Artikel oder in der Bestätigung von Retouren- und Lieferbedingungen. Einzelhändler, die diese Informationen klar und konsequent offenlegen – sowohl für Menschen als auch für Maschinen – sind besser in der Lage, diese Absicht zu nutzen.
Rich Media wird zu strukturierten Eingaben. Bilder, Videos und benutzergenerierte Inhalte haben traditionell die Konversion durch menschliche Überzeugung gesteigert. Wenn Computer Vision und multimodale Modelle in Shopping-Agenten integriert werden, werden diese Assets auch zu Datenquellen. Eine saubere Kennzeichnung von Bildern (Winkel, Nutzungskontext, Modellmaße) und konsistente Metadaten rund um Videos oder Guides ermöglichen es Agenten, visuelle oder stilistische Anfragen präziser zu beantworten.
Bewertungen und Q&A-Inhalte sind ein Trainingssignal. Benutzerbewertungen und Q&A-Abschnitte informieren nun nicht nur die menschliche Wahrnehmung, sondern auch das Modellverständnis von Produktstärken, -schwächen und der realen Nutzung. Händler gewinnen an Bedeutung, indem sie diese Inhalte moderieren, kennzeichnen und strukturieren – z. B. wiederkehrende Themen zusammenfassen, häufig gestellte Fragen als explizite Attribute hervorheben und sicherstellen, dass wichtige Präzisierungen in die Basis Produktdaten zurück übertragen werden.
Geschwindigkeit der Sortimentsbereitstellung und saisonale Agilität
Da die Online-Verkäufe im Vereinigten Königreich schneller wachsen als der gesamte Einzelhandel und der E-Commerce-Bereich Non-Food über Weihnachten einen zweistelligen Anstieg verzeichnet, wird die Time-to-Market für neue SKUs noch kritischer. KI verstärkt diese Dynamik, anstatt sie zu lockern.
Die Daten des Golden Quarters deuten auf mehrere operative Belastungen hin:
Kürzere Content-Vorlaufzeiten. Um die Umsatzfenster zu nutzen, müssen Einzelhändler in der Lage sein, Lieferantendaten zu erfassen, anzureichern und PDPs in Tagen statt Wochen live zu schalten. Manuelles Copywriting und studiointensive Workflows haben Schwierigkeiten, mit dieser Kadenz Schritt zu halten, insbesondere bei Long-Tail-Sortimenten und saisonalen Kapseln.
Dynamische Sortimentskuratierung. KI-Agenten, die den Kontext auf Korb-Ebene und erklärte Einschränkungen verstehen, können Käufer zu alternativen SKUs lenken, wenn primäre Artikel nicht vorrätig sind oder eine Einschränkung wie die Lieferzeit fehlschlägt. Damit dies funktioniert, müssen die Range-Architektur, die Substitutionsregeln und die Kompatibilitätsmetadaten in Systemen kodifiziert und nicht den Ad-hoc-Merchandising-Entscheidungen überlassen werden.
Experimente zur Preis- und Promo-Elastizität. Höhere durchschnittliche Verkaufspreise und eine selektive Reaktion auf Werbeaktionen während des Golden Quarters deuten darauf hin, dass Käufer den Wert sorgfältiger abwägen. Das Einbetten von Experimentier-Frameworks in die Preis- und Content-Ebenen – z. B. das Testen verschiedener Bundles, Nutzenformulierungen oder Schwellenwertangebote – erfordert eine enge Kopplung zwischen Preis-Engines, Content-Management und KI-gestützter Personalisierung.
No-Code, KI und die Industrialisierung von Content-Operationen
Die Effizienz-Erzählung, die sich aus den Salesforce-Daten ergibt – Agenten, die eine große Zunahme an Serviceaufgaben bewältigen und ein überdurchschnittliches Umsatzwachstum unterstützen – unterstreicht eine tiefgreifendere Veränderung: die Industrialisierung von E-Commerce-Inhalten und -Abläufen durch No-Code- und KI-Tools.
Mehrere Muster stechen hervor:
Automatisierung sich wiederholender Inhaltsaufgaben. KI wird zunehmend verwendet, um erste Entwürfe von Titeln, Beschreibungen und SEO-Texten zu generieren, Inhalte zu lokalisieren, fehlende Attribute aus Lieferanten-PDFs oder Bildern auszufüllen und den Tonfall zu standardisieren. No-Code-Schnittstellen ermöglichen es Merchandisern, Regeln und Workflows zu spezifizieren (z. B. welche Attribute nach Kategorie priorisiert werden sollen, wie mit regulatorischen Formulierungen umgegangen werden soll) ohne Entwicklereingriff, wodurch die Zykluszeiten verkürzt und gleichzeitig die redaktionelle Aufsicht erhalten bleibt.
Regelbasierte Qualitätssicherung. Mit dem Wachstum der Kataloge und der KI, die mehr Journeys vermittelt, werden automatisierte Checks auf Vollständigkeit, Konsistenz und Konformität notwendig. No-Code-Orchestrierung und KI-Validierungsmodelle können Produkte kennzeichnen, denen kritische Attribute für das KI-Ranking fehlen, die von den Taxonomie Regeln abweichen oder widersprüchliche Richtlinieninformationen enthalten, und nur „KI-fähige“ Artikel in stark sichtbare Feeds pushen.
Operative Agenten als Rückgrat. Da Agenten bereits einen Anstieg an Retouren- und Versandfragen bewältigen, ist der nächste Schritt ihre tiefere Integration in Back-Office-Systeme: Inventar, Auftragsverwaltung, Kundenkommunikation und Content-Repositories. Dies ermöglicht beispielsweise die automatische Erstellung oder Aktualisierung von PDP-Inhalten basierend auf Retourengründen oder die dynamische Anpassung von Onsite-Nachrichten als Reaktion auf logistische Einschränkungen.
Demokratisierung des Experimentierens. No-Code-Tools erleichtern es E-Commerce- und Content-Teams, Variationen in Produktpräsentation, Navigation, Filtern und redaktionellem Storytelling zu konfigurieren und zu testen, ohne auf Entwicklungs-Sprints warten zu müssen. In Kombination mit KI-gestützter Segmentierung ermöglicht dies eine kontinuierliche Optimierung, die auf die im Golden Quarter beobachteten Verhaltensänderungen abgestimmt ist.
Strategische Implikationen für E-Commerce und Content-Infrastruktur
Das Golden Quarter 2025 positioniert KI nicht als peripheres Optimierungstool, sondern als zentrale Ebene, die Nachfrage, Discovery und Operationen vermittelt. Für E-Commerce-Akteure lassen sich die Datenpunkte aus diesem Zeitraum in eine Reihe von Infrastrukturprioritäten übersetzen:
- Behandeln Sie Produktdaten als erstklassiges Asset, strukturiert für Maschinen ebenso sorgfältig wie für Menschen.
- Investieren Sie in Katalogstandards und Governance, die Multi-Channel- und Multi-Agenten-Konsum unterstützen.
- Bauen Sie PDPs und Zusatzinhalte mit zwei Zielgruppen im Hinterkopf neu auf: menschliche Käufer und KI-Systeme, die zunehmend Optionen vorfiltern und erklären werden.
- Verkürzen und automatisieren Sie die Content-Lieferkette vom Lieferanten-Feed bis zum Live-PDP, wobei KI und No-Code verwendet werden, um die Qualität in großem Maßstab aufrechtzuerhalten.
- Betten Sie KI-Agenten sowohl in kundenorientierte als auch in operative Workflows ein und betrachten Sie sie als Bindegewebe zwischen Content, Commerce und Logistik und nicht als isolierte Chat-Widgets.
In diesem Sinne dient das Golden Quarter als Live-Test für ein aufkommendes Einzelhandelsmodell, in dem das Wachstum zunehmend davon abhängig ist, wie gut die Content- und Kataloginfrastruktur eines Einzelhändlers mit KI-Systemen „spricht“, die nun einen wesentlichen Teil der Ausgaben beeinflussen. Das Verständnis der Auswirkungen auf Ihr Product Data Management ist der Schlüssel zum Erfolg.
Die Erkenntnisse aus dem Golden Quarter unterstreichen die entscheidende Notwendigkeit eines robusten Product Data Management. Da KI zum Haupttreiber für Discovery und Umsatz wird, sind die Qualität, Vollständigkeit und Struktur der Produktinformationen von größter Bedeutung. Wir bei NotPIM erkennen diesen Wandel und bieten eine umfassende Lösung, mit der E-Commerce-Unternehmen das Feed-Management rationalisieren, Produktdaten anreichern und sich an die sich entwickelnden Anforderungen des KI-gesteuerten Handels anpassen können. Unternehmen, die ihrer Dateninfrastruktur Priorität einräumen, werden sich einen erheblichen Wettbewerbsvorteil verschaffen.