Product-Schema-Beispiel für Shopify-Apparel

Apparel-Produktseiten auf Shopify werden von KI-Shopping-Engines zitiert, je nachdem, wie präzise das JSON-LD die Variantenlandschaft beschreibt. Ein Käufer, der auf ChatGPT, Perplexity oder Gemini nach „Leinenhemd, das in Medium echt sitzt“ fragt, braucht eine KI, die erkennt: diese spezifische Variante existiert, ist auf Lager, hat einen Preis und ist unterscheidbar von den L- und XL-Geschwistern. Generisches Product-Schema ohne Varianten-Detail zwingt die KI zum Raten; ProductGroup mit hasVariant gibt ihr die Daten zum selbstbewussten Zitieren.

Dieses Beispiel liefert zwei kopierfertige JSON-LD-Blöcke: ein ProductGroup für die Variantenmatrix und ein BreadcrumbList für Kategoriekontext. Beide sind so kalibriert, dass sie Google Rich Results Test sauber durchlaufen und den sichtbaren Seiteninhalt spiegeln (die Regel, die KI-Engines in der Praxis tatsächlich durchsetzen).

Wann Product vs ProductGroup#

Shopifys Standard-Liquid-Templates emittieren Product unabhängig von der Variantenanzahl. Das Upgrade auf ProductGroup für jeden Apparel- Store mit mehreren Größen ist eine einmalige Theme-Anpassung (oder eine Shopify-App, die das automatisch erledigt); der KI-Shopping-Citation- Lift ist die Mühe wert.

ProductGroup-JSON-LD (Apparel mit Varianten)#

In ein Produktseiten-Template einfügen und die Platzhalterwerte ersetzen. Das Beispiel zeigt einen 2-Varianten-Auszug; in Produktion hast du einen hasVariant-Eintrag pro reale SKU.

{
  "@context": "https://schema.org",
  "@type": "ProductGroup",
  "name": "Linen Relaxed Shirt",
  "description": "A breathable linen shirt in three colors, sizes XS–XL. 100% European linen, pre-washed for softness.",
  "brand": {
    "@type": "Brand",
    "name": "Example Apparel"
  },
  "productGroupID": "linen-shirt-001",
  "variesBy": ["https://schema.org/size", "https://schema.org/color"],
  "hasVariant": [
    {
      "@type": "Product",
      "sku": "LINEN-SHIRT-WHITE-M",
      "name": "Linen Relaxed Shirt — White / M",
      "color": "White",
      "size": "M",
      "material": "Linen",
      "image": "https://example.com/products/linen-shirt-white.jpg",
      "offers": {
        "@type": "Offer",
        "url": "https://example.com/products/linen-shirt?variant=white-m",
        "priceCurrency": "USD",
        "price": "79.00",
        "availability": "https://schema.org/InStock",
        "itemCondition": "https://schema.org/NewCondition"
      }
    },
    {
      "@type": "Product",
      "sku": "LINEN-SHIRT-BLACK-S",
      "name": "Linen Relaxed Shirt — Black / S",
      "color": "Black",
      "size": "S",
      "material": "Linen",
      "image": "https://example.com/products/linen-shirt-black.jpg",
      "offers": {
        "@type": "Offer",
        "url": "https://example.com/products/linen-shirt?variant=black-s",
        "priceCurrency": "USD",
        "price": "79.00",
        "availability": "https://schema.org/InStock",
        "itemCondition": "https://schema.org/NewCondition"
      }
    }
  ]
}

BreadcrumbList-JSON-LD#

Die ProductGroup mit einem BreadcrumbList paaren, damit KI-Engines verstehen, in welcher Kategorie dein Produkt lebt. Die Breadcrumb-URLs müssen exakt mit dem sichtbaren Breadcrumb der Seite übereinstimmen.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://example.com/"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Shirts",
      "item": "https://example.com/collections/shirts"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "Linen Relaxed Shirt",
      "item": "https://example.com/products/linen-shirt"
    }
  ]
}

Häufige Fehler (nach Häufigkeit sortiert)#

1. Varianten markupen, die auf der Seite nicht sichtbar oder auswählbar sind. Schema muss sichtbare Realität spiegeln. Wenn deine Produktseite nur S / M / L zeigt, aber JSON-LD XS bis XXL deklariert, versuchen KI-Engines irgendwann, eine Variante zu zitieren, die 404 ist, und downweighten den Store.

2. AggregateRating verwenden, wenn kein Review-Widget existiert. Entweder die Reviews sichtbar zeigen (Shopify-Reviews-App nutzen) oder das Schema-Feld weglassen. Nicht erfinden.

3. Inkonsistenz von Currency, Preis oder Verfügbarkeit zwischen Schema und sichtbarer Produktseite. Käufer sieht $79, aber Schema deklariert 89.00 — KI-Engines greifen die Schema-Zahl auf, zitieren sie, und der Käufer fühlt sich getäuscht. Schlimmer noch: Google flaggt das Schema als unzuverlässig.

4. Dieselbe sku für mehrere Varianten verwenden. Shopify generiert eindeutige SKUs, aber Merchants überschreiben sie oft. Doppelte SKUs in hasVariant führen dazu, dass KI-Engines Varianten falsch zusammenführen.

5. ProductGroup und Product so mischen, dass variantenspezifische Namen verloren gehen. Wenn du sowohl Product als auch ProductGroup für dasselbe Item emittierst, stelle sicher, dass die Product-Instanz das Eltern-Element ist (kein Varianten- Detail), und ProductGroup.hasVariant die Varianten enthält. Nicht Product für jede Variante außerhalb der Group emittieren.

6. Medizinische oder unbelegte Claims in Apparel-Beschreibungen. „Haltungskorrigierend“ / „verbessert die Durchblutung“ / „antibakterielle Faser verhindert Hautkrankheiten“ — das sind in den meisten Märkten regulierte Claims und triggern KI-Engine- Downweighting selbst wenn rechtlich OK. Bei Passform- und Materialbeschreibungen bleiben.

7. Schema-URLs auf nicht-kanonische Varianten-URLs zeigen lassen. Wenn die Seite eine kanonische Produkt-URL nutzt (z.B. /products/linen-shirt) und Varianten per Query-Param ausgewählt werden (?variant=white-m), sollte hasVariant[].offers.url trotzdem auf die variantenspezifische URL zeigen — dort landen Käufer (und KI-Agents).

Wie validieren#

1. Die deployte Produkt-URL bei

   Google Rich Results Test

   einfügen. Product- und BreadcrumbList-Item sollten beide validieren.
2. Die Validierungs-Checkliste oben Feld für Feld durchgehen.
3. Die Seite im Inkognito-Fenster öffnen und prüfen, dass sichtbare Produkt-H1, Preis, Verfügbarkeit und Breadcrumb alle mit dem Schema übereinstimmen.
4. Bei Strukturänderungen (neue Farbe, gestrichene Größe) den Schema-Generator neu laufen lassen und redeployen.

JSON-LD ist ein Signal im KI-Shopping-Stack. Paare es mit der Fashion-llms.txt-Vorlage für die Inhaltskarte-Seite und prüfe mit dem Robots-Analyzer, dass GPTBot die Produktseite erreichen kann.