
Ob Menschen googeln, zu Amazon gehen oder einen Chatbot fragen: KI gibt ihnen heute eine Antwort mit einem Produkt darin, und die meisten E-Commerce-Marken haben keine Ahnung, wie sie genau dieses Produkt werden. KI-Attribution im E-Commerce bedeutet, einer Bestellung eine frühere KI-Interaktion zuzuschreiben – mit den Hinweisen, die Sie beobachten können, und den Regeln, die Sie definieren. Sie zeigt Ihnen, woher eine Bestellung wahrscheinlich kam. Sie beweist nicht, dass die KI sie verursacht hat.
Ich sage den unbequemen Teil direkt vorweg. Die meisten Shops sehen einen Ausschnitt des KI-getriebenen Traffics, und fast keiner sieht den Moment, in dem der Assistent statt ihrer Produkte die eines Wettbewerbers auswählt. Attribution zählt nur die Verkäufe, die Sie bekommen haben. Über die Verkäufe, die der Agent still an jemand anderen gegeben hat, sagt sie nichts. Ich halte diese zweite Zahl für wichtiger, und fast niemand berichtet darüber.
Kurzfassung
- KI-Attribution hat zwei Bedeutungen: maschinelles Lernen, das die Zuordnung über Ihre Marketing-Kontaktpunkte verteilt, und das Tracking von Bestellungen, die mit einem KI-Assistenten beginnen. In diesem Artikel geht es um Letzteres.
- Eine Erwähnung in einer KI-Antwort ist Sichtbarkeit. Ein getrackter Besuch und eine zugeordnete Bestellung sind Hinweise. Halten Sie sie in getrennten Spalten.
- Auf Shopify zeigen Bestellungen aus unterstützten KI-Kanälen im Backend die Zuordnung nach Kanal oder Verweisquelle. In WooCommerce stützen Sie sich auf Referral-Daten in Analytics und UTM-Daten.
- Attribution kann nicht zeigen, warum ein Agent einen anderen Shop ausgewählt hat. Korrekturen an Produktdaten können dabei helfen, und sie kommen vor der Messung.
- Behandeln Sie jede Attributionszahl als Modell mit Annahmen, nicht als Messung von Ursache und Wirkung.
Was KI-Attribution tatsächlich bedeutet
Der Ausdruck wird für zwei verschiedene Dinge verwendet, und wenn man sie verwechselt, verschwendet man Budget.
Das erste ist Attribution so, wie Marketingteams sie schon immer kannten. Google Analytics beschreibt Attribution als die Zuordnung wichtiger Nutzeraktionen zu Anzeigen, Klicks und anderen Faktoren entlang des Weges bis zum Abschluss, und sagt, dass ein Modell eine Regel, ein Regelwerk oder ein datengestützter Algorithmus sein kann. Wenn man dazu maschinelles Lernen nimmt, erhält man „KI-Attribution“ im Ad-Tech-Sinn: Software, die schätzt, wie viel auf jeden erfassten Kontaktpunkt entfällt.
Die zweite ist neuer und darum geht es in diesem Artikel. Ein Käufer fragt einen Assistenten, was er kaufen soll, der Assistent nennt ein Produkt, und ein Teil dieser Käufer landet anschließend in Ihrem Shop. Dieser Unterhaltung einen Anteil zuzuschreiben bedeutet, einer früheren KI-Interaktion anhand beobachtbarer Hinweise und festgelegter Regeln einen Anteil zuzuschreiben, was etwas anderes ist, als zu beweisen, dass die Interaktion einen zusätzlichen Verkauf ausgelöst hat.
Diesen Unterschied übersieht man leicht. Genau so entstehen Dashboards voller selbstbewusster Zahlen, die in keiner Budgetbesprechung belastbar sind.
Was Sie sehen können – und was verborgen bleibt
Hier ist der sichtbare Teil. Shopify sagt, dass berechtigte Produkte über KI-Kanäle gefunden und gekauft werden können und dass dass Bestellungen aus diesen Kanälen im Shopify-Admin mit Kanal- oder Referrer-Attribution erscheinen. Shopify erklärt außerdem, dass ChatGPT-Nutzer den Kaufabschluss im Onlineshop des Händlers durchführen, während Google AI Mode, Gemini-, Copilot- und Meta-Oberflächen bei Aktivierung einen direkten Checkout unterstützen können. In der eigenen Ankündigung heißt es außerdem, dass Bestellungen mit ChatGPT-Referrer-Attribution im Admin eingehen.
Für Shops auf den KI-Agenten-Kanälen von Shopify wird also ein Teil der Spur sichtbar gemacht. Gut.

Der verborgene Teil ist größer. Eine PYMNTS-Studie aus dem Jahr 2026 ergab, dass 51 % der Händler einen Teil der KI-basierten Besuche identifizieren können, 37 % die Spur jedoch vor dem Kauf verlieren und 12 % KI-Agenten-Traffic nicht von menschlichem Traffic unterscheiden können. Dabei geht es um Händler, die überhaupt danach suchen. Wer nicht sucht, hat noch weniger Einblick.
Drei Dinge bleiben in fast jedem Setup unsichtbar:
- Einfluss ohne Klick. Der Assistent nennt Ihr Produkt, der Käufer gibt später Ihre Marke in eine Suchleiste ein, und die Bestellung landet unter direktem oder markenbezogenem Suchtraffic.
- Verluste. Wenn der Agent Ihr Produkt mit dem eines Wettbewerbers vergleicht und den Wettbewerber auswählt, gibt es keine Sitzung, kein Ereignis und keinen Eintrag in irgendeinem Bericht.
- Übergaben zwischen Agenten. Ein Agent kann an einem Ort recherchieren und an einem anderen kaufen, und Referrer-Daten überstehen diesen Wechsel nur selten.
Der zweite Punkt wäre der, der mir Sorgen machen würde, denn er ist der einzige, auf den Sie direkt Einfluss nehmen können.
So erkennen Sie, ob ein KI-Assistent eine Bestellung beeinflusst hat
Es gibt keinen einzelnen Schalter. Sie müssen verschiedene Hinweise zusammenführen. In dieser Reihenfolge würde ich vorgehen.
- Referrer- und UTM-Daten abrufen. Filtern Sie Ihre Analytics nach Sitzungen, deren Quelle ein KI-Assistent ist. Manche Assistenten kennzeichnen ausgehende Links, andere nicht. Rechnen Sie daher nur mit einer Teilmenge.
- Attribution auf Bestellebene prüfen. Sehen Sie sich in Shopify den Kanal oder Referrer an, der bei jeder Bestellung aus KI-Kanälen angezeigt wird. Gleichen Sie das mit Ihren Analytics ab – nicht umgekehrt.
- Direkten und nicht zugewiesenen Traffic sichtbar halten. Fassen Sie ihn nicht unter „Sonstiges“ zusammen. Wenn direkter Traffic steigt, nachdem Sie Ihre Produktdaten geändert haben, ist das ein Hinweis – auch wenn es kein Beweis ist.
- Definitionen angleichen. Derselbe Datumsbereich, dieselbe Sitzungsdefinition, derselbe Checkout-Pfad und dasselbe Attributionsmodell in allen Berichten, die Sie vergleichen. Die meisten Abweichungen zwischen Dashboards entstehen genau hier.
- Sichtbarkeit von Nachweisen trennen. Eine Erwähnung in einer Antwort ist Sichtbarkeit. Ein getrackter Referrer plus eine zugeordnete Bestellung ist ein Nachweis. Berichten Sie beides getrennt.
Der letzte Schritt bringt einen praktischen Vorteil. Practical Ecommerce argumentiert, dass KI-gestütztes Shopping nach Qualität und Effizienz der Entscheidung bewertet werden sollte – also nach relevanter Produkterkennung, präzisen Vergleichen und Conversion – statt nach Anzahl der Gespräche oder verbrachter Zeit. Ein kurzes Gespräch, das zu einer Bestellung führt, ist ein gutes Ergebnis, kein oberflächliches.
Eine ausführlichere Anleitung zum Tracking-Setup finden Sie in unserem Leitfaden zu Tracking von KI-Shopping-Traffic – dort gehen wir Feld für Feld durch.
Shopify und WooCommerce: So sieht das Setup aus
Shopify
Shopify bietet von Haus aus die meisten Funktionen. Mit Agentic Storefronts können Sie Ihre Präsenz über KI-Kanäle hinweg verwalten und sehen für unterstützte Integrationen Kanal- oder Referrer-Attribution im Admin. Wenn Sie tiefer in die Verwaltung dieser Präsenz einsteigen möchten, behandelt die Shopify AI Search Academy die Content-Seite desselben Problems.
Für Berichte unterstützt Shopify mehrere Attributionsmodelle: letzter nicht direkter Klick, letzter Klick, erster Klick, beliebiger Klick und linear. Wenn Sie eine Bestellung aus einem KI-Kanal durch zwei dieser Modelle laufen lassen, erhalten Sie oft zwei unterschiedliche Geschichten. Das ist normal – und genau darum geht es im nächsten Abschnitt.
Auf Shopify spielt ecentic außerdem Korrekturen an Produktdaten in das Google Merchant Center ein und erfasst Besuche von KI-Assistenten. Das ist eine Besuchszahl. Wir erfassen weder Umsatz noch Verkäufe, und ich wäre vorsichtig bei jedem Tool, das behauptet, den gesamten Pfad zu sehen. Auf unserer Shopify-Seite finden Sie die Details.
WooCommerce
WooCommerce bietet kein Gegenstück zur integrierten Attribution für KI-Kanäle von Shopify. Sie müssen sie deshalb in Ihrem eigenen System aus Verweiszugriffen in der Webanalyse, UTM-Parametern und Bestelldaten zusammensetzen. Das bedeutet mehr Arbeit. Dabei wird auch die Frage nach dem Checkout interessant. Mit dem kostenlosen ecentic-Plugin können Agenten über UCP Produkte suchen, einen Warenkorb füllen und den Checkout abschließen. Dieser offene Standard von Google dient dem Checkout durch Agenten. Bestellungen, die so eingehen, bilden einen weiteren Zugangsweg, den Sie in Ihren Berichten kennzeichnen sollten. Den umfassenderen Ansatz für beide Plattformen finden Sie in unserem Leitfaden zu KI-Agenten-Traffic.
KI-Zahlen neben Ihren anderen Kanälen lesen
Attribution ist ein Modell. Es weist Anteile anhand von Annahmen zu, die Sie festlegen. Deshalb kann dieselbe Customer Journey je nach Annahme unterschiedliche Ergebnisse liefern. Es ist keine Messung dessen, was eine Conversion verursacht hat.
Mit KI wird das noch deutlicher, weil ein Assistent häufig eine Journey startet, die an anderer Stelle endet. Last-Touch-Reporting kann einem späteren Kanal den Anteil zuschreiben – selbst wenn die KI die Journey eröffnet hat. Ein Käufer fragt einen Assistenten nach einer Empfehlung, klickt zwei Tage später auf eine bezahlte Anzeige und kauft. Der letzte Klick sagt: Paid Search. Der Assistent hat die eigentliche Vorarbeit geleistet und bekommt nichts zugeschrieben.
Einige Gewohnheiten helfen dabei, sauber zu arbeiten:
- Berichten Sie KI-vermittelte Bestellungen mit mindestens zwei Modellen und zeigen Sie die Spannbreite statt nur einer Zahl.
- Trennen Sie die Frage nach der Traffic-Quelle (Woher kam dieser Besuch?) von der Frage nach der Zuordnung (Welchen Anteil hat diese Quelle an der Bestellung?). Das sind unterschiedliche Aufgaben und unterschiedliche Tools.
- Ziehen Sie KI-Anteile nicht automatisch von bezahlten Kanälen ab. Überschneidungen sind normal.
Wenn Sie Tools für die Zuordnungsseite vergleichen, finden Sie in unseren Übersichten zu Ecommerce-Attribution-Tools und Shopify-Attribution-Apps einen Überblick über die Optionen, und der Beitrag zu cookieloser Attribution zeigt, was funktioniert, wenn Browser-Tracking schwächer wird.
Grenzen und Datenschutz
Zwei Hinweise gehören hier dazu.
Erstens werden die Shopping-Assistenten selbst nach mehr als nur der Qualität ihrer Empfehlungen bewertet. Das SERA-Framework der ACM Recommender Systems 2026 besagt, dass Retail-Assistenten hinsichtlich Sicherheit, regulatorischer Compliance, Widerstandsfähigkeit gegen missbräuchliche Nutzung und Schutz vor dem Abfluss persönlicher Informationenbewertet werden sollten. Wenn Sie Bestell- oder Gesprächsdaten in Ihre eigenen Analytics übernehmen, tragen Sie einen Teil dieser Verantwortung mit.
Zweitens sollten Sie keine Rohdaten aus Gesprächen in Tools einfügen, die Sie nicht geprüft haben. Eine kontrollierte Untersuchung von 20 beliebten KI-Chatbots ergab, dass 17 Informationen mit mindestens einem Drittanbieter teilten. Dieses Ergebnis bezieht sich auf Chatbots, nicht auf Ihren Shop. Trotzdem ist es ein guter Grund, persönliche Daten aus Attributions-Pipelines herauszuhalten und Anbieter zu fragen, wohin Daten fließen. Wenn Sie in der EU oder im Vereinigten Königreich verkaufen, sprechen Sie mit Ihrer Rechtsberatung, bevor Sie Daten speichern, die mit einzelnen Käufern verknüpft sind.
Und noch etwas ganz Praktisches: Attribution auf Protokollebene – etwa die kryptografische Sitzungs-Signatur, die manche UCP-Dokumente zur Affiliate-Identität beschreiben – steckt noch in den Anfängen. Betrachten Sie das als vielversprechend, aber nicht als Grundlage für einen Reporting-Stack heute.
Unsere Sichtweise
Wir haben ecentic entwickelt, weil wir glauben, dass die Branche das falsche Ende des Funnels misst.
Ein KI-Agent sieht nie Ihre Homepage. Er liest Ihren Produktfeed, Ihren Katalog und die strukturierten Daten auf Ihren Produktseiten. Anschließend vergleicht er Ihr Produkt mit dem eines Wettbewerbers und wählt eines aus. Attribution sagt Ihnen, was passiert ist, nachdem die Auswahl zu Ihren Gunsten ausgefallen ist. Über jede Auswahl, die nicht auf Sie fiel, sagt sie nichts.
Bis Oktober 2026 haben wir 36.797 simulierte Käufe durchgeführt. Beim selben Katalog wählte ChatGPT das Produkt etwa 3x so häufig wie Claude oder Gemini: 51,6 % gegenüber rund 18,5 %. Dieselben Produkte, dieselben Daten, aber sehr unterschiedliche Ergebnisse – je nachdem, welcher Agent die Anfrage stellte. Eine einzelne KI-Referrer-Zeile in Ihren Analytics verdeckt das vollständig.

Zwei anonyme Prüfungen haben uns den Rest gezeigt. Ein Marktplatz für Spirituosen mit etwa 70 Mio. € Jahresumsatz hatte bei 88 % seiner 9.699 Produkte Fehler in den Daten, die Agenten lesen, und tauchte 0 von 20 Mal auf, wenn Agenten gefragt wurden, wo zwei von ihm geführte Flaschen gekauft werden können. Bei einer schwedischen Hautpflegemarke erreichten Agenten-Checkouts in 0 von 6 Ländern die Zahlung, weil eine Versand-Einstellung eine Telefonnummer verlangte. Keines dieser Probleme würde in einem Attributionsbericht auftauchen. Es gab nichts zuzuordnen.
Das einzige öffentliche Ergebnis, das wir nennen können, stammt aus unserem ersten Pilotprojekt mit DUA Flavours. Dort stiegen die Besuche von KI-Assistenten und der direkte Traffic von April bis Juli 2026 um 12 %. Das ist eine Besuchszahl, keine Verkaufszahl, und sie stammt aus nur einem Pilotprojekt. Wichtiger Hinweis: ecentic erzielt noch keinen Umsatz und befindet sich weiterhin in Pilotphasen. Betrachten Sie das daher als frühes Signal.
Meine Sicht: Messen Sie, ja – aber beheben Sie zuerst die Produktdaten. Sie können keinen Verkauf zuordnen, den ein Agent nie durchgeführt hat.
— Xhurian Shaba
Daten in Entscheidungen übersetzen
Sobald Sie eine grobe Zahl haben, würde ich Folgendes damit tun.
Finden Sie die Produkte, die KI-Besuche erzeugen – und die, die nie welche bekommen. Derselbe Katalog mit sehr unterschiedlichen Ergebnissen ist das übliche Muster. Beginnen Sie mit dieser Lücke.
Nicht nur auf Klicks schauen, sondern auf die Fragen. Die Shopify-App Knowledge Base protokolliert die Fragen, die Kunden in KI-Shopping-Gesprächen stellen, einschließlich der angezeigten Produkte und ob die KI die Frage beantwortet hat. Das sind seltene und wertvolle Nachfrage-Daten.
Rechnen Sie mit Rückkopplungseffekten. Forscher der Yale Cowles Foundation weisen darauf hin, dass KI-Shopping-Plattformen Empfehlungen anhand von Signalen wie Käufen, Abbrüchen und Folgeanfragen verfeinern können. Ihre Produktdaten sind Teil dieses Signals – veraltete Daten verstärken sich daher selbst.
Den Checkout-Pfad prüfen. Wenn Agenten die Zahlung erreichen und dann abbrechen, liegt die Ursache oft an einer Einstellung, nicht am Käufer. Unser UCP Playground ermöglicht es Ihnen, KI-Shopping-Agenten mit einem Shop zu testen.
Für die Tool-Seite finden Sie weitere Informationen in unseren Übersichten zu KI-Attribution-Tools, KI-Analytics für Ecommerce und KI-Plattformen für Ecommerce-Entscheider.
Wo Attribution-Tools aufhören und ecentic beginnt
Eine kurze und faire Übersicht über das Feld. Das sind meine Einschätzungen zur Eignung, kein Ranking.
| Tool-Typ | Gut geeignet für | Geeignet für |
|---|---|---|
| Natives Shopify-Reporting | Kanal- und Referrer-Attribution für Bestellungen aus KI-Kanälen, mehrere Attributionsmodelle | Jeder Shopify-Shop, der einen kostenlosen Einstiegspunkt sucht |
| Multi-Touch-Attributionsplattformen wie Triple Whale oder Northbeam | Abgleich von Werbeausgaben und bezahlten Kanälen über Plattformen hinweg | Marken mit großem Werbebudget, die plattformgemeldete Zahlen entwirren müssen |
| Einfache Feed-Tools | Bereinigung und Synchronisierung von Produktfeeds | Shops, deren Hauptproblem Feed-Fehler sind |
| ecentic | Warum ein Agent das Produkt eines Wettbewerbers auswählt, Produktdaten neu schreibt und Agenten-Checkouts einrichtet | Shopify- und WooCommerce-Marken, die das Produkt sein wollen, das der Agent auswählt und kauft |
Die ersten beiden zeigen Ihnen, was mit den Bestellungen passiert ist, die Sie erhalten haben. ecentic arbeitet direkt am Shop selbst – also am Produktfeed, am Katalog und am Checkout, den ein Agent für den Kauf nutzt –, damit mehr Produktauswahlen zu Ihren Gunsten ausfallen. Einfache Feed-Tools decken den Checkout-Teil nicht ab.
Wie ecentic hilft
ecentic hilft Onlineshops beim Verkaufen, wenn KI-Agenten einkaufen: Die Plattform optimiert Produktfeed und Katalog, damit KI-Shopping-Agenten ihre Produkte auswählen und tatsächlich kaufen können. Erzielen Sie den Verkauf, wenn KI-Agenten den Einkauf übernehmen.
Die Plattform verbindet sich mit Shopify, WooCommerce oder einem Produktfeed. ChatGPT, Claude und Gemini vergleichen jedes Produkt mit dem eines benannten Wettbewerbers, und ecentic zeigt, warum das Produkt verliert. Wenn Sie auf „Apply“ klicken, werden Titel, Beschreibung und strukturierte Daten neu geschrieben und im Shop veröffentlicht. Wie das funktioniert, sehen Sie auf der Seite zur KI-Optimierung von Produktangeboten.

Der kostenlose Scan umfasst Ihre 10 wichtigsten Produkte, keine Karte erforderlich. Bezahlte Tarife auf der Preisseite: Compete (bis zu 100 Produkte) kostet $14.90 pro Monat, Scale (bis zu 1.000 Produkte, Korrekturen mit einem Klick) kostet $44.90 pro Monat und Dominate (inklusive Google Merchant Center-Synchronisierung und Einrichtung von Agenten-Checkouts) kostet $149 pro Monat. Pay-as-you-go kostet 3 % der KI-attribuierten Bestellungen, gedeckelt auf $500 pro Monat. Enterprise umfasst individuelle Limits, API- und MCP-Zugriff sowie ein DPA, ohne veröffentlichten Preis.
FAQ
Was ist KI-Attribution im Ecommerce?
Dabei wird einer früheren KI-Interaktion anhand beobachtbarer Hinweise und festgelegter Regeln ein Anteil an einer Bestellung zugeschrieben. Im Ad-Tech-Bereich hat der Begriff noch eine zweite Bedeutung: Dort verteilt maschinelles Lernen Anteile über Marketing-Kontaktpunkte hinweg. In beiden Fällen zeigt es Korrelationen unter bestimmten Annahmen, nicht den Nachweis einer Ursache.
Kann ich Bestellungen sehen, die von ChatGPT kommen?
Oft ja. Shopify sagt, dass ChatGPT-Nutzer den Kaufabschluss im Onlineshop des Händlers durchführen und Bestellungen aus den KI-Kanälen im Admin mit Referrer-Attribution angezeigt werden. Käufer, die eine Empfehlung sehen und später über einen anderen Weg kommen, werden jedoch nicht gekennzeichnet.
Zählt eine Erwähnung in einer KI-Antwort als Besuch?
Nein. Eine Erwähnung misst Sichtbarkeit. Ein Besuch benötigt einen getrackten Referrer, und ein Verkauf benötigt eine zugeordnete Bestellung. Halten Sie diese drei Dinge in getrennten Spalten, damit Sie Ergebnisse nicht überbewerten.
Welches Attributionsmodell sollte ich für KI-Traffic verwenden?
Verwenden Sie mindestens zwei Modelle und vergleichen Sie sie. Shopify-Marketingberichte bieten letzter nicht direkter Klick, letzter Klick, erster Klick, beliebiger Klick und linear. Wenn die Ergebnisse stark voneinander abweichen, startet KI wahrscheinlich Journeys, die von anderen Kanälen abgeschlossen werden.
Erfasst ecentic Verkäufe von KI-Assistenten?
Nein. In Shopify erfasst ecentic Besuche von KI-Assistenten und spielt Korrekturen in das Google Merchant Center ein. Umsatz oder Verkäufe werden nicht erfasst. Kombinieren Sie es daher mit den eigenen Bestellberichten Ihres Shops.
Quellen
- Google Analytics-Hilfe: Attribution
- Shopify Help Center: Agentic Storefronts
- Shopify: Millionen von Händlern können in KI-Chats verkaufen
- Shopify Help Center: Marketingberichte
- Shopify Help Center: Knowledge-Base-Metriken
- PYMNTS: The Agent Advantage
- Practical Ecommerce: AI Shopping Metrics Considered
- ACM: SERA-Evaluierungsframework
- Yale Cowles Foundation: From Conversations to Mechanisms
- Glossar zu AI Commerce Attribution
- Usermaven: KI-Traffic-Attribution
- Tracking Exposure in AI Chatbots
Diese Themen entdecken