Auf den meisten PrestaShop-Shops nutzen 15 bis 30 % der Besucher die Suchleiste. Und das ist genau das Segment, das man im Auge behalten muss: Ein Besucher, der eine Anfrage in die Suchleiste tippt, hat eine 2 bis 5 Mal stärkere Kaufabsicht als ein passiv navigierender Besucher. Baymard- und Forrester-Studien konvergieren seit zehn Jahren auf diesen Befund — interne Suche konvertiert besser als der Rest des Traffics.
Das Problem: Die native PrestaShop-Suche ist technisch schwach. Keine Echtzeit-Vorschläge, keine Tippfehlertoleranz, keine Ergebnisgewichtung, keine Analytik. Auf diesem ultra-profitablen Segment bietet der Shop das Äquivalent einer Textdatei mit einem grep. Und niemand misst die Kosten.
Dieser Artikel zerlegt, warum die interne Suche ein oft ignorierter Conversion-Hebel ist, wie sich quantifizieren lässt, was sie aktuell kostet, und was eine gut gebaute Live-Search ändert.
Das Profil des Besuchers, der die Suche nutzt
Den Einsatz zu verstehen, beginnt damit zu verstehen, wer sucht. Verhaltensanalysen zeigen drei dominante Profile:
1. Der transaktionale Besucher
Er weiß, was er will. „Rotes Kleid Größe 38″, „iPhone 17 Pro 256 GB“, „Bose Kopfhörer“. Seine Kaufabsicht ist hoch, er toleriert Reibung schlecht. Liefert die Suche nicht in 2-3 Sekunden, was er sucht, verlässt er den Shop und tippt seine Anfrage bei Google.
2. Der explorative Besucher
Er hat eine vage Idee. „Geschenk für Männer“, „Sommerschuhe“, „Bequeme Hose“. Seine Absicht ist weniger unmittelbar, aber er ist offen. Eine Suche, die relevante Vorschläge anbietet, lenkt seine Entscheidung.
3. Der wiederkehrende Besucher
Er kennt den Shop, hat ein Produkt bei einem vorherigen Besuch gesehen, sucht es mit teilweisem oder ungefährem Namen. Tippfehlertoleranz und kontextuelles Gedächtnis machen den Unterschied.
Alle drei konvertieren 2 bis 5 Mal mehr als der Site-Durchschnitt, wenn die Suche sie korrekt bedient. Und alle drei gehen verloren, wenn sie scheitert.
Was die native PrestaShop-Suche nicht tut
Die native Engine von PrestaShop 8 (und 9) basiert auf einem MySQL-Volltextindex oder optionalem Elasticsearch. Sie funktioniert, aber mit strukturellen Lücken:
Keine Tippfehlertoleranz
„Sambba“ liefert keine Adidas Samba. „Iphon“ liefert kein iPhone. Der Besucher sieht „Keine Ergebnisse“ und geht. In einem Mode-Shop enthalten 8 bis 15 % der Suchen mindestens einen Tippfehler. Alle diese Besucher sind verloren.
Keine Echtzeit-Vorschläge
Der Besucher muss seine Suche bestätigen (Enter-Taste oder Lupen-Klick), dann auf das Laden der Ergebnisseite warten. Während dieser Zeit fällt die Aufmerksamkeit. Die Konkurrenz (Amazon, Marktplätze) bietet sofortige Vorschläge. Der Vergleich ist brutal.
Keine Produktgewichtung
Eine „Kleid“-Suche liefert alle Produkte, die das Wort enthalten, ohne intelligente Sortierung: Bestseller, Neuheiten, lagernde Produkte werden nicht bevorzugt. Der Besucher landet auf einem ausverkauften, einem veralteten oder einem nicht saisonalen Produkt. Gescheiterte Conversion.
Keine Analytik
Wie viele Suchen pro Tag? Welche Anfragen liefern null Ergebnisse? Welche Anfragen haben eine niedrige Klickrate? Ohne diese Daten unmöglich, den Katalog zu optimieren oder Produktchancen zu erkennen.
Begrenzte Performance
In einem Katalog mit mehr als 10.000 Produkten wird die MySQL-Volltextsuche langsam (200-500 ms). Mit einem korrekt konfigurierten Elasticsearch-Index fällt sie unter 50 ms — aber Elasticsearch-Installation und -Wartung werden selten geschultert.
Die realen Kosten einer schlechten Suche: wie man sie misst
Die meisten E-Commerce-Händler haben keine Ahnung, was ihre aktuelle Suche kostet, weil sie sie nicht messen. Hier die drei Mindest-KPI, die zu instrumentieren sind, auch ohne dediziertes Modul:
Null-Ergebnis-Rate
Wie viele Anfragen liefern null Produkte? Liegen Sie über 8-10 %, haben Sie ein Katalog- oder Tippfehlertoleranz-Problem. Jedes Null-Ergebnis ist ein frustrierter Besucher.
Klickrate auf Suchergebnisse
Der Besucher hat seine Anfrage getippt, hat die Ergebnisse gesehen — wie viele klicken auf ein Produkt? Liegt die CTR unter 40 %, sind Sortierung oder Relevanz schuld.
Post-Such-Conversion-Rate
Bei Sessions, die durch die Suche gehen, wie hoch ist die Conversion-Rate? Im Vergleich zur globalen Rate sollten Sie x1,5 bis x3 beobachten. Liegen Sie darunter, schadet Ihre Suche ihrem profitabelsten Segment.
Auf einem Shop mit 100 K€ Monatsumsatz und 25 % Besuchern, die durch die Suche gehen, bedeutet eine Suche, die 30 % unter ihrem Potenzial liegt, 5 bis 8 K€ verlorenen Umsatz pro Monat. Im Jahr: 60 bis 100 K€. Und es ist unsichtbar, weil niemand es misst.
Was eine gut gebaute Live-Search ändert
Sofortige Vorschläge beim Tippen
Ab dem 2. oder 3. Zeichen zeigt ein Popin unter der Leiste die passenden Produkte, mit Foto, Preis und direktem Link zur Seite. Der Besucher klickt direkt, ohne die Ergebnisseite zu durchlaufen. Reduktion der Seitenaufrufe pro Suche: ÷ 2 bis 3, bedeutende Conversion-Gewinne.
Tippfehlertoleranz
Levenshtein-Distanzalgorithmus oder Äquivalent: „Sambba“ findet „Samba“, „Iphon“ findet „iPhone“. In einem Mode-Shop bringt allein diese Anpassung 8 bis 15 % zuvor verlorene Suchen zurück.
Intelligente Sortierung
Die Ergebnisse berücksichtigen mehrere Kriterien: Textrelevanz, Beliebtheit (Bestseller), Verfügbarkeit (zuerst lagernd), Neuheit, Preis. Konfigurierbar je nach Handelsstrategie (Premium-Shop vs. Abverkauf).
Ergänzende Vorschläge
„Suchen Sie ‚Kleid‘?“, gefolgt von vorgeschlagenen Kategorien (Lange Kleider, Kurze Kleider, Abendkleider). Der explorative Besucher wird auf relevante Kategorien umgeleitet. Anstieg qualifizierter Seitenaufrufe.
Integrierte Analytik
Dashboard mit: Top 20 der Suchen, Null-Ergebnis-Anfragen (= zu erstellende Produktchancen), CTR pro Anfrage, Post-Such-Conversion-Rate, zeitliche Entwicklung. Handlungsrelevante Daten, kein kosmetisches Reporting.
Performance
Optimierte Indexierung, Anfragen unter 50 ms selbst bei 100.000+ Produkten, Lazy Loading der Ergebnisse, intelligenter Cache. Die Flüssigkeit der Erfahrung ist so wichtig wie die Ergebnisrelevanz.
Unser dflivesearch-Modul: Suche, die konvertiert
Diesen Stack manuell umzusetzen erfordert 15 bis 25 Entwicklungstage: optimierter Index, Matching-Algorithmus mit Tippfehlertoleranz, interaktives Frontend, Analytik. Unser dflivesearch-Modul für PrestaShop 8 und 9 paketiert den gesamten Stack:
- Echtzeit-Vorschläge ab dem 2. Zeichen, mit Produktfoto, Preis und Lagerbestand.
- Konfigurierbare Tippfehlertoleranz (1-2 Zeichen Differenz akzeptiert).
- Intelligente Sortierung nach gewichteter Relevanz (Text + Beliebtheit + Lager + Preis).
- Kategorie- und Tag-Vorschläge zusätzlich zu den Produkten.
- Vollständige Analytik: Top-Anfragen, Null-Ergebnisse, CTR, Conversion, zeitliche Entwicklung.
- Optimierte Performance: Anfragen < 50 ms bis zu 100.000 Produkten.
- Mehrsprachig DE/EN/FR/ES mit Verwaltung pro Multi-Shop-Boutique.
- DSGVO-konform: kein Tracking-Cookie ohne Einwilligung.
- Kein Elasticsearch erforderlich: funktioniert mit Standard-MySQL für Shops bis 50.000 Produkte.
Für 89 € verwandeln Sie das profitabelste Segment Ihres Traffics in eine Conversion-Maschine.
Drei schnelle Optimierungen, die auch ohne Modul gehen
Wenn Sie nicht bereit sind, ein dediziertes Modul zu installieren, können drei kostenlose Optimierungen bereits einen Teil des Vorkommens zurückholen:
- Null-Ergebnis-Suchen instrumentieren. Das native PrestaShop-Log oder ein Custom-Skript aktivieren, das Anfragen ohne Match erfasst. Die Top 20 häufigsten Null-Ergebnis-Anfragen identifizieren und entweder die entsprechenden Produkte erstellen oder Synonyme/Aliase im Suchmodul hinzufügen.
- Produkt-Tags und -Aliase konfigurieren. Die native PrestaShop-Engine akzeptiert Tags. Produkt-Tags (Synonyme, Schreibvarianten, Abkürzungen) gut zu pflegen, verbessert die Relevanz, ohne die Engine zu wechseln.
- Die Suchleiste promoten. Bei 30 % der Themes ist die Leiste versteckt oder kaum sichtbar. Sie prominent zu platzieren, vor allem mobil, erhöht ihre Nutzung und damit das konvertierte Segment.
Diese drei Aktionen sind auch ohne Modul rentabel. Sie ersetzen keine vollständige Live-Search, aber sie bereiten das Terrain vor.
FAQ
Braucht man Elasticsearch für eine gute Suche?
Nein, nicht systematisch. Für Shops unter 50.000 Produkten reicht ein gut konfigurierter MySQL-Index mit einem intelligenten Modul reichlich aus und bietet sub-50-ms-Performance. Über 100.000 Produkte hinaus oder bei fortgeschrittenen Anforderungen (dynamische Echtzeit-Filter) wird Elasticsearch relevant. Installations- und Wartungskomplexität bleiben einzukalkulierende Kosten.
Beeinflusst die Suche das SEO?
Indirekt, ja. Eine konvertierende Suche verbessert das Engagement (Verweildauer, Seitenaufrufe), was Google als Qualitätssignal interpretiert. Und die erfassten internen Anfragen sind eine Goldgrube, um Google-Anfragen zu identifizieren, die zu bearbeiten lohnen — tippen Ihre Besucher häufig „Lederherrenschuhe“, ist das wahrscheinlich auch eine im SEO anzuzielende Anfrage.
Was ist der Unterschied zwischen Live-Search und verbesserter Suchleiste?
„Live-Search“ bezeichnet spezifisch die sofortige Anzeige von Ergebnissen während des Tippens. Eine „verbesserte Suchleiste“ kann nur Autovervollständigung ohne Ergebnisanzeige haben. Der Conversion-Gewinn kommt hauptsächlich aus der Echtzeit-Ergebnisanzeige, nicht nur aus den Textvorschlägen.
Wie geht man mit Mehrwort-Suchen um?
Die Falle: „Rotes Seidenkleid“ muss mit einer flexiblen Kombination behandelt werden. Ein strenges System (AND auf den drei Wörtern) liefert oft null Ergebnisse. Ein lockeres System (OR) liefert zu viel Rauschen. Best Practice: vorrangiges AND-Matching, OR-Fallback mit reduziertem Score. dflivesearch verwaltet diese Logik standardmäßig.
Wirft Suchmaschinen-Analytik DSGVO-Probleme auf?
Nicht, wenn sie aggregiert bleibt (wie oft Anfrage X getippt wurde, ohne Verbindung zu einem identifizierbaren Nutzer). Kreuzen Sie die Suche mit der eingeloggten Nutzer-ID, wird es zu einer personenbezogenen Datenverarbeitung, die DSGVO-Behandlung erfordert. dflivesearch bleibt standardmäßig auf Aggregat. Die Datenschutzbehörden haben klargestellt: aggregierte, nicht identifizierende Suchanalytik ist konform.
Zum Weiterlesen
Die interne Suche ist einer der am wenigsten ausgeschöpften Hebel im E-Commerce-Funnel. Drei komplementäre Blickwinkel: erfassen (Suche), überzeugen (Produktseite), abschließen (Warenkorb-Checkout).
