AI Performance Insights van Google: waarom productdata steeds belangrijker wordt

__________

Google verandert de manier waarop producten binnen zoeken worden gevonden en beoordeeld. Met AI Mode en AI Overviews stellen gebruikers uitgebreidere productvragen, waarbij niet alleen een productnaam of zoekwoord telt, maar ook eigenschappen, toepassingen en context.

Met AI Performance Insights maakt Google binnen Merchant Center inzichtelijker hoe producten en merken binnen deze AI-gedreven zoekervaringen naar voren komen. Voor organisaties met veel productdata is dat relevant, omdat de kwaliteit van productinformatie steeds directer samenhangt met digitale vindbaarheid.

Van zoekwoorden naar productvragen

__________

Traditioneel begon een productzoektocht vaak met een korte zoekopdracht op een categorie, merknaam of technische specificatie. Binnen AI-gedreven zoekomgevingen worden vragen uitgebreider en meer contextgericht.

Een gebruiker zoekt bijvoorbeeld niet alleen naar een ergonomische bureaustoel, maar naar een stoel die geschikt is voor langdurig gebruik, voldoende ondersteuning biedt en past binnen een specifieke werkomgeving. Daardoor moet productinformatie niet alleen vertellen wat een product is, maar ook wat het kan en wanneer het relevant is.

Google speelt daarop in met AI Performance Insights binnen Merchant Center. Daarmee krijgen organisaties meer inzicht in onderwerpen, productkenmerken en zoekintenties binnen AI Mode en AI Overviews.

AI Performance Insights in het kort

Zoektermen en onderwerpen

AI Performance Insights geeft inzicht in termen en onderwerpen die terugkomen binnen conversationele productvragen. Zo ontstaat een breder beeld dan bij traditionele zoekwoordrapportages.

Productkenmerken

Ook eigenschappen van producten worden belangrijker. Google kan inzicht geven in kenmerken die veel voorkomen in zoekvragen en waar productinformatie mogelijk nog onvolledig is.

Zoekintentie

Niet iedere productvraag zit in dezelfde fase van het aankoopproces. Daarom moet productinformatie niet alleen compleet zijn, maar ook voldoende context bevatten om op verschillende soorten vragen aan te sluiten.

Goede AI-zichtbaarheid begint bij productdata

__________

AI Performance Insights is nieuw, maar het onderliggende productdatavraagstuk bestaat al veel langer.

Bij veel B2B-organisaties staat productinformatie verspreid over verschillende systemen. Technische gegevens bevinden zich bijvoorbeeld in ERP, commerciële teksten in de webshop en aanvullende specificaties in Excel of leveranciersbestanden.

Zolang informatie verspreid wordt beheerd, ontstaat al snel onduidelijkheid over welke waarde leidend en actueel is. Een PIM-systeem helpt om productinformatie centraal te beheren, verrijken en controleren voordat deze naar verschillende kanalen wordt gepubliceerd.

AI voegt daar vooral een nieuw type kanaal aan toe waarin goede productinformatie waarde krijgt.

Productinformatie moet meer vertellen dan een productnaam

__________

Voor complexe B2B-producten is een productnaam met een korte omschrijving meestal niet voldoende. Klanten hebben technische en commerciële informatie nodig om te bepalen of een product geschikt is voor hun toepassing.

Denk aan materiaal, afmetingen, capaciteit, aansluiting, compatibiliteit, certificeringen en beschikbare varianten. Wanneer zulke informatie alleen terugkomt in vrije tekst of losse documenten, is die moeilijker te beheren en opnieuw te gebruiken.

Binnen PIM worden productkenmerken daarom als afzonderlijke attributen vastgelegd. Zo wordt informatie beter beheersbaar en eenvoudiger bruikbaar voor verschillende digitale kanalen.

Structuur maakt productdata schaalbaar

__________

Volledigheid alleen is niet genoeg. Ook de structuur van productinformatie speelt een belangrijke rol. Per productgroep moet duidelijk zijn welke kenmerken verplicht zijn, welke eenheden worden gebruikt en welke relaties tussen producten bestaan.

Binnen PIM leg je deze structuur centraal vast. Daardoor wordt datakwaliteit beter controleerbaar en kan productinformatie gericht naar verschillende kanalen worden gepubliceerd. Vooral bij grote assortimenten maakt dat het verschil tussen productdata opslaan en productdata echt beheersen.

Merchant Center is een kanaal, geen centrale bron

__________

Omdat AI Performance Insights onderdeel is van Google Merchant Center, lijkt het logisch om optimalisaties daar te beginnen. Structureel ligt de oplossing echter eerder in de dataketen.

Een B2B-landschap ziet er bijvoorbeeld zo uit: ERP → PIM → webshop / Merchant Center / marketplaces / andere kanalen. Het ERP blijft leidend voor transactiedata zoals voorraad en prijzen, terwijl PIM rijke productinformatie beheert. Vanuit daar wordt informatie gecontroleerd gepubliceerd, waardoor verschillen tussen kanalen worden beperkt.

PIM als centrale basis voor productinformatie

__________

Naarmate productinformatie op meer plekken wordt gebruikt, neemt het belang van centraal beheer toe. Webshops, klantportalen, marketplaces en Merchant Center gebruiken allemaal dezelfde basisinformatie.

Wanneer ieder kanaal zijn eigen versie van productdata krijgt, wordt beheer steeds complexer. PIM draait die werkwijze om: productinformatie wordt eerst centraal georganiseerd en gecontroleerd, waarna per kanaal wordt bepaald welke informatie nodig is.

Daarmee vormt PIM de centrale schakel tussen databronnen en de digitale kanalen waarin productinformatie wordt gebruikt.

Waar raakt dit aan GEO?

__________

De ontwikkeling rondom AI Performance Insights raakt ook aan Generative Engine Optimisation. GEO richt zich op de manier waarop informatie wordt gevonden en gebruikt binnen generatieve zoekmachines en AI-assistenten.

Voor productinformatie begint dat echter bij de basis: informatie moet beschikbaar, betrouwbaar, gestructureerd en actueel zijn.

PIM en GEO hebben daarmee verschillende rollen. PIM organiseert productinformatie aan de bron. GEO richt zich op hoe informatie uiteindelijk binnen AI-gedreven omgevingen wordt gevonden en geïnterpreteerd.