Wer im Regal glänzt, hat noch lange nicht gewonnen. Denn ein wachsender Teil der Customer Journey könnte künftig bereits bei ChatGPT, Gemini oder Perplexity beginnen. Shopper nutzen KI-Systeme, um Produkte zu vergleichen, Einkaufslisten zusammenzustellen oder passende Lösungen für konkrete Konsumanlässe zu finden.
So entsteht eine neue Abfolge:
Shopper-Frage → KI-Empfehlung → Produktauswahl → Händler → Kauf
Anders als eine klassische Suchmaschine zeigt die KI häufig keine lange Trefferliste, sondern verdichtet das Angebot auf wenige Vorschläge. Für FMCG-Marken stellt sich damit eine neue Frage: Werden unsere Produkte von der KI überhaupt in die engere Auswahl aufgenommen?
Eine neue Kennzahl entsteht
Antworten könnte künftig der „Share of Recommendation“ liefern. Er beschreibt, wie häufig eine Marke bei relevanten Shopper-Fragen empfohlen wird – im Vergleich zu Wettbewerbern und Handelsmarken.
Messen lässt sich dies über ein „Recommendation Audit“. Dafür werden 50 bis 100 typische Fragen aus unterschiedlichen Konsumanlässen definiert und regelmäßig über mehrere KI-Systeme ausgespielt. Untersucht wird, welche Marken erscheinen, wie die Empfehlungen begründet werden und bei welchen Bedürfnissen andere Anbieter vorne liegen.
So entsteht kein unveränderlicher Marktanteil, aber ein belastbares Frühwarnsystem für die algorithmische Sichtbarkeit einer Marke.
Produktdaten werden zum Vertriebsfaktor
Ob eine KI ein Produkt korrekt einordnet, hängt wesentlich von der Qualität der verfügbaren Informationen ab. Inhaltsstoffe, Nährwerte, Packungsgrößen, Verwendungsanlässe und Bezugsquellen müssen vollständig, konsistent und maschinenlesbar vorliegen.
Für das Shopper Marketing bedeutet dies, stärker vom konkreten Bedürfnis auszugehen. Die entscheidende Frage lautet nicht mehr nur: „Was wollen wir über unsere Marke erzählen?“, sondern: „Auf welche Shopper-Frage ist unser Produkt die beste Antwort?“
Neue Gesprächsfelder für das KAM
Auch das Key Account Management ist gefordert. Hersteller und Händler müssen gemeinsam klären, wie Produkte in KI-gestützten Such-, Beratungs- und Einkaufsprozessen dargestellt werden. Dazu gehören die Aktualität gemeinsamer Produktdaten, die Verknüpfung von Konsumanlässen mit Sortiment und Verfügbarkeit sowie der möglichst direkte Übergang von der Empfehlung in den Warenkorb.
Hinzu kommt die Frage, wie KI-vermittelter Traffic und die daraus entstehenden Käufe gemessen werden können – und wie künftig organische von bezahlten Empfehlungen zu unterscheiden sind.
Jetzt mit einem Pilotprojekt beginnen
Der „Share of Recommendation“ ist noch keine etablierte Vertriebskennzahl. Dennoch sollten FMCG-Unternehmen nicht auf einen fertigen Branchenstandard warten. Ein klar abgegrenzter Audit mit relevanten Shopper-Prompts, mehreren KI-Plattformen und regelmäßigen Wiederholungen kann bereits heute wichtige Transparenz schaffen.
Der Share of Shelf bleibt relevant. Doch der Share of Recommendation könnte zunehmend darüber entscheiden, welche Marken den Weg ins Regal – und in den Warenkorb – überhaupt noch schaffen.