Datenmodell
Ein Datenmodell legt fest, welche Daten ein System speichert und wie sie zusammenhängen. Ein PIM-Datenmodell strukturiert Produkte, Varianten, Attribute und Kategorien.
Was ist Datenmodell?
Ein Datenmodell beschreibt, welche Arten von Daten ein System speichert und wie sie zusammenhängen. Ein PIM-Datenmodell, auch Produktdatenmodell genannt, definiert die Entitäten in deinem Katalog, etwa Produkte, Varianten, Familien, Attribute, Kategorien und Assets, plus die Regeln für jedes Feld. In der Praxis beantwortet das Modell Fragen wie: Ist Farbe ein Attribut des Produkts oder jeder Variante, welche Attribute sind für eine Kategorie Pflicht, und welche Werte sind erlaubt? Ein Produktstammdatenmodell im MDM deckt die Kernidentität eines Produkts im ganzen Unternehmen ab, während ein PIM-Datenmodell die Marketinginhalte und Kanalfelder ergänzt, die zum Verkaufen nötig sind. Wer das Modell früh richtig aufsetzt, spart sich später Nacharbeit, denn jeder Import, jeder Filter und jeder Feed hängt davon ab. Der Leitfaden zur Attributmodellierung geht die Entscheidungen Schritt für Schritt durch.
Warum Datenmodell im E-Commerce wichtig ist
Das Datenmodell entscheidet, was dein Katalog ausdrücken kann. Steht die Größe im Produkttitel statt in einem Größenattribut, können Käufer nicht danach filtern, und ein Feed kann sie nicht als eigenes Feld senden. Werden Varianten als separate Produkte gespeichert, verteilen sich Bestand, Bewertungen und Inhalte auf viele Datensätze. Ein klares Modell erleichtert auch die Kanäle. Jeder Marktplatz und jeder Feed hat eigene Pflichtfelder. Speichert dein Modell diese Werte bereits als strukturierte Attribute, ist die Anbindung eines neuen Kanals eine Frage der Feldverknüpfung statt des Umschreibens von Inhalten. Schließlich setzt das Modell die Grenzen für Wachstum. Eine neue Kategorie mit eigenen Attributen, eine neue Sprache oder ein neuer Kanal ist einfach, wenn das Modell erweiterbar gebaut wurde, und mühsam, wenn jeder Produkttyp in dieselbe flache Spaltenliste gequetscht wurde.
Beispiele für Datenmodell
- 1Entität: Produktfamilie Laufschuhe, Attribute: Marke, Sprengung, Gewicht, Untergrund, Variantenachsen: Größe, Farbe
- 2Entität: Attribut Bildschirmgröße, Typ: Zahl mit Einheit, Einheit: Zoll, Pflicht in: Laptops, Monitore
- 3Entität: Kategorie Gartenmöbel, Übergeordnet: Garten, Geerbte Attribute: Material, Wetterbeständigkeit
- 4Entität: Asset Produktfoto, Verknüpft mit: Variante Navy / Größe M, Regel: Mindestens 3 Bilder pro Variante
So hilft WISEPIM
- Mit Produktfamilien und Varianten legst du fest, welche Attribute zu einem Produkttyp gehören und welche sich pro Variante unterscheiden.
- Die Attributverwaltung und die Seite Attribute values (Attributwerte) halten Attributtypen, Einheiten und erlaubte Werte im ganzen Katalog konsistent.
- Die Category map (Kategoriezuordnung) verknüpft deine eigenen Kategorien mit Kanalkategorien, sodass ein Modell mehrere Kanäle versorgen kann.
Häufige Fehler bei Datenmodell
- Strukturierte Fakten wie Größe, Farbe oder Material nur in Titeln und Beschreibungen speichern.
- Getrennte Attribute für dasselbe anlegen, etwa color, colour und kleur, sodass Werte nie zusammenpassen.
- Freitext nutzen, wo eine feste Werteliste nötig ist, was zu Navy, navy blue und dark blue nebeneinander führt.
- Varianten als separate Produkte modellieren, was Bestand, Inhalte und Bewertungen aufteilt.
Tipps zu Datenmodell
- Liste pro Kategorie die Fragen auf, die Kunden stellen, und mach aus jeder Antwort ein Attribut.
- Entscheide pro Attribut, ob es zum Produkt oder zur Variante gehört, bevor du Daten importierst.
- Nutze feste Wertelisten und Einheiten überall dort, wo ein Filter oder Kanal vom Wert abhängt.
- Dokumentiere das Modell an einem Ort, damit alle, die Produkte anlegen, denselben Regeln folgen.
Trends rund um Datenmodell
- Modelle, die um Kanalanforderungen herum gebaut sind, sodass jedes Attribut den Feldern entspricht, die Marktplätze und Feeds verlangen.
- Mehr Aufmerksamkeit für Attribute, die AI-Shopping-Assistenten lesen, etwa Kompatibilität und Einsatzzwecke.
- Erweiterbare Modelle, in denen neue Produkttypen eigene Attribute ohne Datenbankänderung bekommen.
- Gemeinsame Klassifikationen wie ETIM, GS1 GPC oder die Google-Produkttaxonomie als Ausgangspunkt.
Tools für Datenmodell
- PIM-Systeme wie WISEPIM, Akeneo und Salsify, die Produktfamilien, Attribute und Varianten modellieren.
- MDM-Plattformen, die den Stammdatensatz eines Produkts im ganzen Unternehmen modellieren.
- E-Commerce-Plattformen wie Magento und Shopify, die Attributsets oder Metafelder bieten.
- Diagramm-Tools wie Lucidchart oder dbdiagram, mit denen du das Modell skizzierst, bevor du es baust.