UX-Research zur Suchfunktion im E-Commerce: Wie User suchen und warum Filter nicht reichen

Team in UX Discovery Stories
Lesezeit: 6 Minuten
Cartoon: UX-Tests der Suchfunktion eines Onlineshops. Eine Testerin sagt: "Die Maschine soll leicht zu reinigen sein und in meine kleine Küche passen." Ein Researcher notiert die Erkenntnisse auf einem Whiteboard. Informationen wie "15 bar, Thermoblock, Kegelmahlwerk" sind durchgestrichen. Stattdessen schreibt er auf "wenig Reinigungsaufwand, für kleine Küchen". In seiner Denkblase steht: „Viele Nutzer denken nicht in technischen Daten. Sie denken in ihrem Alltag, ihren Bedürfnissen und Routinen.“

„15 bar Pumpendruck“, „Thermoblock-Heizsystem“, „integriertes Kegelmahlwerk“: Wer online eine Kaffeemaschine sucht, stößt auf Vokabeln, die kaum jemand im Alltag benutzt. Denn eigentlich suchen User nicht nach Technik, sondern nach einem guten Morgen. Unternehmen beschreiben ihre Produkte, doch Menschen denken an ihren eigenen Alltag. Fühlen sie sich durch die Suchfunktion nicht abgeholt, springen sie ab, ohne zu kaufen. Viele Onlineshops reagieren damit, mehr Filter anzubieten, doch oft wird das Problem dadurch nur größer.

Wer ein digitales Produkt entwickelt oder einen Online-Shop betreibt, stellt sich häufig die Frage: Welche Informationen brauchen Nutzer, um die richtige Entscheidung zu treffen? Also investieren Teams viel Zeit in Produktdaten, Filter, Kategorien und Vergleichstabellen. Nachvollziehbar – nur löst es oft nicht das eigentliche Problem.

Denn im UX-Research für den E-Commerce zeigt sich immer wieder dasselbe Muster: Das Problem liegt selten darin, dass Informationen fehlen. Probleme entstehen dann, wenn der Shop aus der Perspektive des Unternehmens gedacht ist – strukturiert nach Sortiment, Technik und interner Logik –, während Nutzer:innen aus ihrer eigenen Lebensrealität heraus suchen.

Menschen suchen vordergründig nach Lösungen, nicht nach Produkten

Menschen suchen selten nach technischen Eigenschaften. Sie suchen nach einer Lösung für eine konkrete Situation. Sie wollen morgens ohne Stress Kaffee trinken, einen Kinderwagen, der in den Kofferraum passt, oder einen Laptop, der auch nach acht Stunden Arbeit nicht zur Geduldsprobe wird.

Genau das beschreibt das aus der Produktforschung bekannte Jobs-to-be-Done-Prinzip (JTBD): Nutzer „engagieren“ ein Produkt, um eine bestimmte Aufgabe in ihrem Alltag zu erledigen. Nicht das Produkt steht im Zentrum, sondern der Job, den es erfüllen soll. Gute UX beginnt deshalb nicht beim Produkt, sondern beim Nutzungsmoment.

Schauen wir uns das am Beispiel von Kaffeemaschinen an.

Beispiel Kaffeemaschine: Niemand sucht nach einem Kegelmahlwerk

Die technischen Kategorien aus dem Teaser – Pumpendruck, Heizsystem, Mahlwerk – tauchen in den Köpfen der Suchenden meist gar nicht zuerst auf. Viel wahrscheinlicher sind Gedanken wie:

  • „Ich möchte morgens schnell guten Kaffee.“
  • „Ich trinke gerne Cappuccino, will aber nicht viel reinigen.“
  • „Wir brauchen eine Maschine fürs Büro, die alle bedienen können.“

Genau hier beginnt gute UX im E-Commerce: nicht beim Produktdatenblatt, sondern bei der Alltagssituation der Nutzer:innen.

Das Kernproblem: Shop-Logik trifft auf User-Logik

Gerade bei erklärungsbedürftigen Produkten zeigt sich ein wiederkehrendes Muster: Shops strukturieren ihr Sortiment nach interner oder technischer Logik. Suchfunktion, Kategorien und Filter orientieren sich an Maschinenarten, Funktionen oder Leistungsdaten.

Nutzer:innen denken jedoch in Bedürfnissen, Routinen und Unsicherheiten. Sie fragen sich:

  • Wie viel Aufwand habe ich morgens?
  • Wie einfach ist die Reinigung?
  • Schmeckt der Kaffee wirklich besser?
  • Passt die Maschine in meine Küche?
  • Lohnt sich der Preis für meinen Verbrauch?

Aus Händlersicht sind Produkttyp, Mahlwerk, Milchsystem, Wassertank, Brühdruck oder Bedienkonzept die entscheidenden Merkmale. Für Kund:innen zählen ganz andere Fragen: „Kann ich damit schnell einen Latte Macchiato machen?“, „Ist sie leise genug für eine offene Küche?“, „Muss ich jeden Tag Teile reinigen?“ oder „Welche Maschine passt, wenn zwei Personen sehr unterschiedliche Kaffeevorlieben haben?“

Wenn ein Shop nur technische Filter anbietet, zwingt er Nutzer:innen dazu, ihre Alltagssituation selbst in Produktspezifikationen zu übersetzen. Das erzeugt Aufwand, Unsicherheit und im Zweifel Kaufabbrüche.

Wie UX-Research die Transferarbeit sichtbar macht

UX-Research hilft dabei, genau diesen Transfer zwischen Alltagsproblem und technischen Spezifikationen aufzudecken. In Interviews lässt sich nachvollziehen, wie Menschen tatsächlich suchen, welche Begriffe sie verwenden und welche Kriterien ihre Entscheidung beeinflussen.

Besonders wertvoll ist eine Methode, die den Spieß umdreht: Card Sorting. Statt Nutzer:innen nur bestehende Filter bewerten zu lassen, lässt man sie selbst sortieren und gruppieren. Fragen wie „Welche Arten von Kaffeemaschinen gibt es aus deiner Sicht?“ oder „Welche Fragen müsste dir ein guter Berater stellen?“ bringen eine Struktur zum Vorschein, die näher an der Lebensrealität liegt:

  • „für schnellen Kaffee am Morgen“
  • „für Cappuccino-Fans“
  • „für kleine Küchen“
  • „für wenig Reinigungsaufwand“
  • „für mehrere Personen im Haushalt“

Card Sorting deckt damit nicht nur auf, welche Kategorien fehlen, sondern auch, mit welchen Worten Nutzer:innen ihre eigene Informationsarchitektur bauen würden. Das ist der Unterschied zwischen einem Shop, der intern logisch ist, und einem Shop, der für Kund:innen logisch ist.

Was das für digitale Assistenten im E-Commerce bedeutet

Diese Perspektive ist auch für digitale Assistenten, Produktfinder und KI-Bots relevant (und natürlich auch für menschliche Berater:innen). Eine gute Beratung sollte nicht mit der Frage einsteigen, ob jemand einen Vollautomaten oder eine Siebträgermaschine sucht. Viele Nutzer:innen wissen das zu Beginn noch gar nicht.

Sinnvoller sind Fragen, die an den Jobs-to-be-done ansetzen:

  • „Welche Kaffeespezialitäten trinkst du am häufigsten?“
  • „Wie viel Zeit möchtest du morgens investieren?“
  • „Wie wichtig ist dir einfache Reinigung?“

Wenn jemand sagt: „Ich will guten Cappuccino, aber keine komplizierte Pflege“, steckt darin mehr Kaufrelevanz als in der isolierten Auswahl eines technischen Merkmals.

Bessere Fragen schlagen mehr Filteroptionen

Die beste Produktberatung entsteht nicht durch möglichst viele Filter, sondern durch bessere Fragen: Wie sieht der Alltag aus? Wer nutzt das Gerät? Welche Getränke sind wichtig? Was hat an bisherigen Maschinen genervt? Welche Kompromisse sind akzeptabel?

Solche Fragen führen schneller zu einer passenden Empfehlung als eine lange Liste technischer Spezifikationen.

Fazit: Gute UX schafft sichere Kaufentscheidungen

Für Online-Shops heißt das: Wer seine UX verbessern will, sollte nicht nur analysieren, welche Filter genutzt werden. Entscheidend ist, welche Filter tatsächlich fehlen, welche Begriffe unverständlich sind und welche Entscheidungssituationen Kund:innen wirklich haben.

Denn gute UX hilft Menschen, eine sichere Entscheidung für ihren Alltag zu treffen. Und genau das lässt sich mit den richtigen UX-Research-Methoden systematisch herausfinden, statt es zu erraten.

Du willst wissen, wie deine User wirklich suchen? Teste die Suchlogik deines Shops mit echten Nutzer:innen.

Suchfunktion mit echten Nutzer:innen testen

Welche Entscheidungskriterien haben User, wenn sie nach euren Produkten suchen? Mit RapidUsertests seht und hört ihr, wie echte Nutzer:innen eure Suchfunktion und Filteroptionen nutzen, um das für sie passendste Produkt zu finden.

Screenshot des AI-Assistent von RapidUsertests. Automatisch generierte Findings werden in Kategorien eingeteilt, mit Prioritäten versehen und inklusive Zeitstempel, der zur Stelle im User-Video verlinkt.

UX-Plattform mit 50.000+ Testpersonen

Für Product Manager, Designer & Researcher

Erste Ergebnisse innerhalb von 24 Stunden

AI-Assistent beschleunigt deine UX-Research

Mehr erfahren

Ähnliche Artikel

Nach oben