Der durchschnittliche Google-Shopping-Feed steht bei 55,9 von 100 Punkten
Über 290 Feeds und 487.000 Produkte liegt der durchschnittliche Quality Score bei 55,9 von 100. Das ist die Kernzahl aus unserem Q2-2026-Datensatz, und sie erklärt, warum so viele Shopping-Kampagnen unter ihrem Potenzial laufen: Der Feed dahinter ist im Schnitt nur mittelmäßig gepflegt.
Am auffälligsten ist die Lücke zwischen den Feldern. Titel erreichen im Schnitt 79,5 Punkte, Beschreibungen sogar 88,1. Der Gesamt-Score fällt trotzdem auf 55,9, weil Attribute, GPC-Kategorisierung und Produktdetails den Durchschnitt nach unten ziehen. Ein Feed kann gute Texte haben und trotzdem strukturell krank sein.
Methodik: Woher die Daten kommen
Dieser Report basiert auf 487.355 Produkten aus 290 aktiven Google-Shopping-Feeds in 23 Ländern und 7 Sprachen, gemessen über den FeedOptimizer.AI Scoring-Engine im Juli und August 2026. Alle Zahlen sind aggregiert und anonymisiert, keine einzelne Shop-Kennzahl ist aus diesem Report ableitbar.
| Metrik | Wert |
|---|---|
| Getrackte Feeds | 290 |
| Produkte im Datensatz | 487.355 |
| Länder | 23 |
| Sprachen | 7 |
| Zeitraum | Juli/August 2026 |
Eine ehrliche Einschränkung vorab: Der Datensatz ist stark DACH- und speziell Schweiz-gewichtet. 117 der 290 Feeds (40%) kommen aus der Schweiz, sie stellen aber 445.282 der 487.355 Produkte, also rund 91% des gesamten Produktvolumens. Deutschland folgt mit 25 Feeds, aber nur 1.282 Produkten. Die Muster in diesem Report spiegeln also vor allem mittelständischen DACH-E-Commerce wider, nicht global gleichverteilte Shops. Das deckt sich mit einer unabhängigen Beobachtung: Laut der FHNW-Onlinehändler-Befragung 2025 (8. Ausgabe, 643 befragte Onlinehändler, davon 581 aus der Schweiz) generieren bereits 66% der befragten Onlineshops ihre Produktbeschreibungen mit KI, ein Beleg dafür, wie stark KI-gestützte Content-Erstellung im Schweizer E-Commerce inzwischen verbreitet ist.
Wo der Quality Score wirklich verloren geht
Ein Blick auf die Statusverteilung zeigt das Ausmaß: Von 174.393 bewerteten Produkten in unserem aktuellsten Scoring-Fenster gelten 26,3% als kritisch, 32,8% als Warnung und nur 40,9% als gut.
| Status | Anteil | Bedeutung |
|---|---|---|
| Kritisch | 26,3% | Fehlende Pflichtfelder, GPC, GTIN oder Titel unter Mindestlänge |
| Warnung | 32,8% | Teilweise befüllt, aber Lücken bei Attributen oder Produktdetails |
| Gut | 40,9% | Vollständig, Score über dem Zielwert |
Fast sechs von zehn Produkten im Datensatz stehen auf Kritisch oder Warnung. Titel und Beschreibungen sind meist der am wenigsten kaputte Teil eines Feeds, weil sie am sichtbarsten sind. Attribute wie Farbe, Material, GPC-Kategorie oder Produktdetails fallen seltener auf, kosten aber genauso viel Sichtbarkeit in der Google Shopping Auktion. FeedOptimizer.AI-Benchmark-Daten, August 2026.
Wer die "Kritisch"-Quote im eigenen Feed senken will, findet die sieben häufigsten Feed-Fehler meist an denselben Stellen: fehlende GTIN, unvollständige Kategorien, veraltete Preise.
Der Optimierungs-Funnel: Wo Feeds auf dem Weg zum GMC verloren gehen
Nur 52,9% aller Produkte im Datensatz haben jemals einen KI-Optimierungsdurchlauf gesehen. Das bedeutet: Fast die Hälfte eines durchschnittlichen Feeds läuft mit Original-Herstellertexten oder unveränderten Shop-Exporten in die Google-Shopping-Auktion.
Vom optimierten Produkt zum freigegebenen Upload
| Schritt | Produkte | Anteil vom Katalog |
|---|---|---|
| Gesamt-Katalog | 487.355 | 100% |
| Titel/Beschreibung KI-optimiert | 257.906 | 52,9% |
| Im Workbench-Review freigegeben | 94.315 | 19,4% |
Von den 257.906 optimierten Produkten schaffen es nur 94.315, also 36,6%, durch die manuelle Freigabe zum Upload. Zwei von drei optimierten Produkten bleiben im Review hängen, meist weil Teams die Freigabe aufschieben, nicht weil die KI-Vorschläge schlecht sind. Das ist der stille Engpass in den meisten Setups, ähnlich wie bei Merchant-Center-Ablehnungen: Nicht die Optimierung ist der limitierende Faktor, sondern die menschliche Kapazität, sie freizugeben.
Warum Feed-Qualität 2026 wichtiger wird, nicht weniger
Performance Max hat lange als Blackbox gegolten, in der Feed-Qualität sowieso kaum zählt. Die Daten widersprechen dem. Laut einer Analyse von Smarter Ecommerce über mehr als 4.000 PMax-Kampagnen und 500+ Werbekonten machen feedbasierte Shopping-Anzeigen im Median 90% der PMax-Ausgaben aus. Gleichzeitig ist der Anteil von PMax an den Gesamt-Ad-Kosten von seinem Hoch von rund 82% (Mai 2024) im Schnitt um 0,65 Prozentpunkte pro Monat gesunken, macht bis Anfang 2025 also rund 6 Prozentpunkte auf etwa 76%, Advertiser holen sich also wieder mehr Kontrolle über einzelne Kampagnentypen zurück.
Das heißt: Der Hebel Feed-Qualität wird nicht kleiner, weil PMax alles automatisiert. Er wird größer, weil Advertiser wieder genauer hinschauen, welche Kampagnenform funktioniert, und dabei fällt ein schwacher Feed schneller auf.
Was das für deinen Feed bedeutet
- Prüfe zuerst Attribute und GPC, nicht nur Titel. Die Daten zeigen: Titel (79,5) und Beschreibung (88,1) sind selten das Problem. Der Gesamt-Score kippt meist über fehlende oder falsche Attribute und Google Product Category.
- Baue Freigabe-Kapazität für Optimierungsvorschläge ein. Mit einer Freigaberate von nur 36,6% ist Review, nicht Content-Erstellung, der Flaschenhals. Ein fester wöchentlicher Slot für Workbench-Reviews holt mehr aus bereits investiertem Optimierungsbudget als noch mehr Optimierungsdurchläufe.
- Optimiere den Rest des Katalogs, nicht nur die Bestseller. 47% aller Produkte im Datensatz wurden noch nie optimiert. Gerade Longtail-Produkte mit schwachem Score verlieren überproportional viel Impression Share in Performance Max.
Wie FeedOptimizer.AI dir dabei hilft
FeedOptimizer.AI berechnet genau diesen Quality Score für deinen eigenen Feed, mit derselben Scoring-Logik wie in diesem Report: Titel, Beschreibung, Attribute, GPC-Kategorie und Produktdetails einzeln gewichtet. Die KI schlägt pro Produkt konkrete Optimierungen vor, du siehst sie im Workbench-Review vor dem Upload und behältst die volle Kontrolle über jede Freigabe. Kein manuelles Nachziehen von tausenden Zeilen mehr, sondern ein Dashboard, das dir zeigt, wo dein Feed heute steht und was als Nächstes den größten Unterschied macht.
und sieh in Minuten, wo dein Feed im Vergleich zum Branchendurchschnitt aus diesem Report steht.
Häufige Fragen
Was ist ein guter Quality Score für einen Google Shopping Feed?
Laut unserem Q2-2026-Datensatz liegt der Branchendurchschnitt bei 55,9 von 100. Werte über 75 gelten als solide, über 90 als sehr stark. Nur 40,9% der bewerteten Produkte im Datensatz erreichen aktuell den "Gut"-Status.
Warum ist mein Titel-Score gut, aber der Gesamt-Score trotzdem niedrig?
Titel (Ø 79,5) und Beschreibung (Ø 88,1) sind im Datensatz durchweg die stärksten Einzelwerte. Der Gesamt-Score gewichtet zusätzlich Attribute, GPC-Kategorisierung und Produktdetails, und genau dort liegen laut den Daten die größten Lücken.
Wie viele Google-Shopping-Produkte werden aktuell mit KI optimiert?
52,9% der 487.355 Produkte im Datensatz haben mindestens einen KI-Optimierungsdurchlauf durchlaufen. Der Rest läuft mit unveränderten Original- oder Herstellertexten in die Auktion.
Warum werden nicht alle optimierten Produkte auch hochgeladen?
Von den optimierten Produkten schaffen es nur 36,6% durch die manuelle Freigabe (Workbench-Review) zum Upload. Der Engpass liegt in der Praxis meist bei der Review-Kapazität im Team, nicht bei der Qualität der KI-Vorschläge.
Wie oft wird dieser Report aktualisiert?
Der State-of-Report basiert auf Live-Daten aus der FeedOptimizer.AI Scoring-Engine und wird quartalsweise mit frischen Zahlen aktualisiert, damit die Benchmarks mit der tatsächlichen Marktentwicklung Schritt halten.
