Faceted Search

Definition: Faceted Search (Facetten-Suche) ist eine erweiterte Suchfunktion im E-Commerce, die es Nutzern ermöglicht, Suchergebnisse durch gleichzeitiges Anwenden mehrerer Filter-Dimensionen (Facetten) wie Preis, Farbe, Grösse, Marke oder Bewertung einzuschränken. Sie kombiniert strukturierte Kategorienavigation mit flexibler Filterung und ist bei Produktkatalogen ab einigen Hundert Artikeln eine zentrale UX-Funktion. Technisch stellt Faceted Search besondere Anforderungen an SEO-Behandlung, Performance und Such-Backend.

Erläuterung

Faceted Search verbessert die Produktauffindbarkeit erheblich: Statt durch hunderte Kategorieseiten zu klicken, kann ein Nutzer direkt „Laufschuhe – Herren – Grösse 44 – unter 100 € – Nike oder Adidas" kombinieren. Die UX-Vorteile sind klar; die technische Umsetzung ist komplex. Der grösste Fallstrick: Jede Filterkombination erzeugt eine eigene URL – bei 10 Facetten mit je 5 Optionen entstehen theoretisch Millionen von URL-Kombinationen. Ohne Strategie entsteht massiver Duplicate Content, der Googles Crawl-Budget erschöpft und das Ranking schadet.

Technische Implementierung und URL-Handling

URL-Parameter vs. URL-Pfad: Filter können als URL-Parameter (?farbe=rot&groesse=42) oder als Pfadsegment (/laufschuhe/rot/42/) implementiert werden; beide haben SEO-Implikationen
Canonical-Tag-Strategie: Filter-Kombinationen ohne eigenständigen SEO-Wert erhalten Canonical auf die übergeordnete Kategorieseite; verhindert Duplicate-Content-Indexierung
Noindex für irrelevante Kombinationen: Sehr spezifische oder seltene Filterkombinationen per noindex aus dem Index ausschliessen; spart Crawl-Budget
Indexierbare Filterseiten: Bestimmte Kombinationen haben echtes Suchvolumen (z. B. „Laufschuhe rot Herren Gr. 44") und sollten indexierbar sein; gezielte Entscheidung nötig
JavaScript-Rendering: AJAX-basierte Filter ohne URL-Änderung sind für Nutzer gut, aber für Googlebot schwieriger zu crawlen; Hybridlösung (History API) bevorzugt

Such-Backend-Technologien

Algolia: Marktführer für Site-Search; extrem schnell (<100 ms); native Faceted-Search-UI-Komponenten; SaaS-Modell; ab 100 €/Monat
Elasticsearch / OpenSearch: Open Source; sehr leistungsfähig; erfordert Entwickler-Expertise für Setup und Betrieb; ideal für Enterprise-Shops
Constructor.io: E-Commerce-fokussiert; Personalisierungs-Layer über Faceted Search; ML-basiertes Ranking; Enterprise-Preise
Shopify native Search: Ausreichend für kleinere Sortimente; begrenzte Facetten-Kontrolle; Shopify Search & Discovery App als Verbesserung

UX-Best-Practices für Facetten

Relevante Facetten priorisieren: Nur Filterdimensionen anzeigen, die für die Kaufentscheidung relevant sind; Preis, Marke, Grösse/Farbe fast immer; Kategorie-spezifische Attribute je nach Sortiment
Facetten-Reihenfolge: Wichtigste Filter oben; Nutzerdaten (Klickstatistik) zur Priorisierung nutzen
Produktanzahl je Facette: Anzeige der verfügbaren Produktanzahl je Filteroption (z. B. „Rot (43)") verhindert Frustration durch leere Ergebnisse
Aktive Filter anzeigen und entfernbar machen: Chips oder Tags für aktive Filter oberhalb der Produktliste; einzeln entfernbar und gesamt zurücksetzbar
Mobil: Filter als einblendbares Panel (Off-Canvas); nicht permanent sichtbar, da auf kleinen Screens zu viel Platz verbrauchend

Praxistipp: Erarbeiten Sie gemeinsam mit SEO und Entwicklung eine klare Strategie: Welche Filterkombinationen sollen indexierbar sein (weil Suchvolumen vorhanden), welche erhalten Canonical und welche werden per noindex ausgeblendet? Diese Entscheidung beeinflusst massiv das Crawl-Budget und die Duplicate-Content-Situation. Als Faustregel: Eine Filterkombination ist indexierbar, wenn sie einem echten Suchbegriff mit Kaufabsicht entspricht. Analysieren Sie über Google Search Console, welche Filter-URLs bereits gecrawlt werden – das zeigt oft überraschend viele unerwünschte Seiten im Index.