Shopifys Meldung über stark wachsende Bestellungen aus AI Search ist mehr als eine interessante Zahl. Sie zeigt, dass AI Discovery beginnt, Commerce-Ergebnisse zu beeinflussen. Nutzer recherchieren in AI-Systemen, vergleichen Produkte, klicken auf Empfehlungen und kaufen später.
Trotzdem sollte niemand die 13x-Zahl unreflektiert auf das eigene Geschäft übertragen. Hohe Multiplikatoren entstehen oft aus kleiner Basis. Zusätzlich ist AI Measurement noch jung. Ein Teil des Wachstums kann echte Nachfrage sein. Ein anderer Teil kann schlicht daher kommen, dass neue Datenquellen angeschlossen wurden und vorher unsichtbare Aktivität sichtbar wird.
Das Paradox von klein und groß
AI-Referrer-Sessions können noch einen kleinen Anteil am Gesamttraffic ausmachen, während AI-Agent-Requests bereits deutlich größer sind. Das ist kein Widerspruch. Menschliche AI-Besuche und maschinische AI-Requests liegen auf unterschiedlichen Ebenen.
Wer nur GA4 betrachtet, sieht vor allem menschliche Visits. Wer Edge- und Serverlogs betrachtet, sieht zusätzlich Agent-Requests. Beide Perspektiven sind richtig, aber sie beantworten verschiedene Fragen.
Drei Wachstumsarten
Observed Growth misst alles, was heute sichtbar ist, gegenüber der Vorperiode. Es ist die einfache Zahl, aber anfällig für neue Messquellen.
Comparable Growth vergleicht nur Datenquellen, die in beiden Perioden aktiv waren. Diese Zahl beantwortet die wichtigere Frage: Wächst AI-Aktivität wirklich unter gleicher Messabdeckung?
Coverage Expansion Lift ist die Differenz zwischen beiden. Sie ist kein Problem. Sie bedeutet, dass die Organisation mehr sieht als vorher. Aber sie darf nicht als Marktwachstum oder Umsatzmomentum verkauft werden.
Qualität des Wachstums
Hochwertiges Wachstum zeigt sich in Visit, Commerce und Attribution. AI-Referrer bringen Menschen, diese Menschen zeigen Kaufverhalten, und Orders lassen sich mit Sessions verbinden. Das ist die Art von Wachstum, die in ein Board-Deck gehört.
Schwaches Wachstum bleibt auf Request-Ebene hängen. Ein Crawler-Spike, ein neuer Log-Connector oder ein größeres Prompt-Sample kann die Zahl erhöhen, ohne dass ein zusätzlicher Käufer entstanden ist. Das ist nützlich für Visibility, aber nicht automatisch Revenue.
Die eigentliche Lehre aus Shopify ist nicht, dass jede Marke sofort 13x AI Orders erwarten sollte. Die Lehre ist, dass AI als Commerce-Kanal ernst genommen werden muss und sauber gemessen werden sollte. AIAA hilft dabei, Wachstum nach Beweisstufe zu sortieren: Was wurde erwähnt, was wurde gelesen, wer kam, wer handelte, und welcher Umsatz ist belegbar?
Für Unternehmen im DACH-Markt ist diese Nüchternheit besonders wichtig. Einkaufsgremien, Datenschutz, technische Implementierung und Reporting-Standards verlangen belastbare Zahlen. Eine große AI-Zahl ohne Beweisführung wird schnell hinterfragt. Eine kleinere, aber sauber geschichtete AIAA-Zahl ist oft wertvoller.
Die richtige Frage lautet deshalb nicht: Können wir ebenfalls 13x Wachstum melden? Die bessere Frage lautet: Auf welcher Ebene sehen wir Wachstum, und ist es mit derselben Messabdeckung vergleichbar? Ein Anstieg in Answer kann bedeuten, dass die Marke häufiger in AI-Antworten auftaucht. Ein Anstieg in Request kann bedeuten, dass Agenten mehr Produkt- und Policy-Seiten lesen. Erst Visit, Commerce und Attribution zeigen, ob daraus Menschen, Verhalten und Umsatznähe entstehen.
Für ein Board-Reporting sollte der Zeitraum markiert werden, in dem neue Datenquellen angeschlossen wurden. Wenn ein Unternehmen im Mai Edge Logs, AI-Referrer-Klassifizierung oder Shopify Web Pixel aktiviert, ist der Juni nicht ohne Weiteres mit April vergleichbar. Die Zahl kann steigen, weil die Nachfrage steigt, oder weil die Organisation endlich sieht, was vorher verborgen war. AIAA zwingt dazu, beide Effekte getrennt auszuweisen.
Operativ führt das zu besseren Entscheidungen. Wächst nur Request, sollte das Team Datenqualität, Crawlability und Produktinformationen prüfen. Wächst Visit, aber nicht Commerce, gehören Landing Pages, Vertrauen, Preise, Vergleiche und CTAs auf den Prüfstand. Wächst Commerce, aber nicht Attribution, liegt die Arbeit bei Session-Order-Join, CRM-Feldern und Log-Retention. So wird ein Markttrend in konkrete Arbeit übersetzt.
FAQ
Q1: Warum ist Shopifys 13x-Zahl trotzdem wichtig?
A: Sie zeigt, dass AI Discovery bereits Commerce-Ergebnisse beeinflusst. Sie ist aber kein direktes Benchmark für jede Marke.
Q2: Was ist Comparable Growth?
A: Wachstum bei gleichbleibender Messabdeckung, also nur mit Datenquellen, die in beiden Perioden aktiv waren.
Q3: Was ist Coverage Expansion Lift?
A: Der sichtbare Zuwachs, der durch neue Messquellen entsteht. Er verbessert Visibility, ist aber nicht automatisch Nachfrage.
Q4: Welche Wachstumsart zählt am meisten?
A: Wachstum in Commerce und Attribution, weil dort Verhalten und Umsatz näher belegt sind.
Q5: Was sollte ein Team sofort ändern?
A: AI-Kennzahlen nach Answer, Request, Visit, Commerce und Attribution trennen.