Kurzantwort: Was Rufus intern gewichtet, ist nicht öffentlich belegt. Belegt ist nur, woraus Rufus nach Amazon-Angaben seine Antworten speist: Produktinformationen, Kundenbewertungen und Community-Fragen. Dein Hebel zum Listing-Optimieren ist deshalb kein Trick, sondern Vollständigkeit: Beantwortet dein Listing die Fragen, die ein Käufer vor dem Kauf stellt? Prüfe das mit einem Fragen-Raster, zuerst bei den Listings mit dem meisten Traffic, und arbeite Lücken in Chargen ab.
Viele Ratgeber nennen feste „Rufus-Faktoren“. Amazon veröffentlicht keine solche Liste. Alles, was über die drei genannten Quellen hinausgeht, ist Erfahrung oder Vermutung. Plane deshalb keine Umbauten auf Basis einer angeblichen Gewichtung.
Was belegt ist und was nicht
| Aussage | Stand |
|---|---|
| Rufus stützt Antworten auf Produktinformationen, Kundenbewertungen und Community-Fragen | laut Amazon, wiedergegeben von The Marketplace Guys (24.05.2026); Amazon-Primärquelle von uns nicht eingesehen |
| Eine feste Rangfolge oder Gewichtung einzelner Listing-Felder | nicht belegt |
| Bestimmte Formulierungen „bevorzugen“ Rufus | nicht belegt |
| Ein vollständig und klar beantwortendes Listing hilft Käufern und KI gleichermaßen | plausible Arbeitshypothese, keine Garantie |
Die letzte Zeile ist die Grundlage für den Rest des Artikels. Sie ist ein Arbeitsmodell, kein Versprechen.
Das Fragen-Raster: 15 Käuferfragen je Listing
Eine nützliche Übung stammt aus der Praxis vieler Seller-Blogs: Liste die Fragen auf, die ein Käufer einem sachkundigen Verkäufer zu deinem Produkt stellen würde, und prüfe, ob das Listing jede davon in klarer Sprache beantwortet. Für viele Listings brauchst du dafür ein festes Raster statt freier Überlegung:
| Fragetyp | Beispiel | Wo steht die Antwort? |
|---|---|---|
| Passform / Maße | „Passt das in ein Regal mit 30 cm Tiefe?“ | Titel, Bullet 1–2, Bild mit Maßen |
| Material / Sicherheit | „Ist das spülmaschinenfest?“ | Bullets, Produktdetails |
| Anwendung | „Brauche ich Werkzeug?“ | Bullets, A+ |
| Kompatibilität | „Funktioniert das mit Modell X?“ | Titel, Bullets |
| Lieferumfang | „Sind Batterien dabei?“ | Bullets, Bild |
| Vergleich | „Was unterscheidet es von der Pro-Variante?“ | A+-Vergleichstabelle |
Das Raster ist ein Arbeitsmodell von uns, keine Amazon-Vorgabe und keine Funktion von SELLRZ. Zählt eine Frage als beantwortet, wenn eine Person sie ohne Rätselraten aus dem Listing lesen kann, nicht erst aus den Rezensionen.
Woher die Fragen kommen: Rezensionen und Käuferfragen deiner eigenen Listings, Retourengründe, Kundenservice-Anfragen und die Listings der Wettbewerber. Wie du Käuferfragen sammelst und den passenden Flächen zuordnest, steht in Amazon Kundenfragen im Listing beantworten.
Rufus-Selbsttest: Protokollvorlage für den Vorher-Nachher-Vergleich
Bevor du Listings änderst, halte fest, was Rufus heute zu deinem Produkt antwortet. Das ist ein Einzeltest und kein Messwert, aber es macht Änderungen vergleichbar. Lege dazu pro getestetem Listing eine Zeile an:
| Feld | Inhalt |
|---|---|
| Listing / ASIN | welches Produkt |
| Testfrage | die Käuferfrage aus dem Raster, wörtlich gestellt |
| Rufus-Antwort (Datum) | kurz zusammengefasst, mit Datum des Tests |
| Antwort richtig, falsch oder fehlt? | drei Stufen reichen |
| Lücke im Listing? | ja / nein, und wo die Antwort stehen müsste |
| Änderung und Datum | was du ergänzt hast |
| Wiederholung nach der Änderung | gleiche Frage, neues Datum |
Teste pro Listing nur die zwei bis drei Fragen mit der größten Kaufrelevanz. Bei vielen Listings ist das Protokoll sonst nicht pflegbar. Die Antworten von Rufus können sich von Tag zu Tag ändern; werte daher einzelne Abweichungen nicht als Beleg.
Rechenbeispiel für 120 Listings (angenommene Zahlen)
Die Zahlen sind ausgedacht, um den Ablauf zu zeigen, weder Amazon- noch SELLRZ-Daten. Nimm deine eigenen.
Angenommen, du prüfst 120 Listings mit je 15 Fragen. Das sind 1.800 Fragen, die niemand von Hand abhakt. Du gehst so vor:
- Stichprobe zuerst. Nimm die 12 Listings mit dem meisten Traffic und prüfe sie komplett. Angenommenes Ergebnis: Im Schnitt sind 9 von 15 Fragen klar beantwortet, 4 halb, 2 gar nicht.
- Lücken zählen, nicht fühlen. 12 Listings × 2 offene Fragen = 24 Lücken. Sortiere sie nach Fragetyp. Angenommen, 10 davon sind „Lieferumfang“ und „Maße“.
- Muster erkennen. Wenn dieselbe Lücke in vielen Listings einer Produktfamilie vorkommt, ist es ein Muster und keine Einzelaufgabe. Du bearbeitest die Familie einmal und überträgst die Änderung.
- Charge bilden. Den Rest in Gruppen zu je 12 teilen und je Charge nur die zwei häufigsten Fragetypen prüfen.
Aus 1.800 Einzelfragen werden so wenige Muster. Welche Listings du überhaupt zuerst anfasst, entscheidest du nach Conversion und Traffic, siehe Amazon Conversion Rate verbessern.
Typische Fehler
- Auf Rufus-Tricks umbauen. Ohne belegte Gewichtung ist jeder Umbau eine Wette. Fehlende Antworten zu ergänzen, hilft dem Käufer in jedem Fall.
- Keyword-Listen als Antworten tarnen. Ein Bullet, das nur Schlagwörter aneinanderreiht, beantwortet keine Frage.
- Nicht belegbare Aussagen ergänzen. Wer eine Frage „beantwortet“, indem er etwas behauptet („umweltfreundlich“), riskiert Probleme mit Amazon-Regeln. Prüfe belegpflichtige Aussagen vorher, siehe Amazon unzulässige Claims.
- Alles auf einmal ändern. Dann weißt du später nicht, was gewirkt hat. Arbeite pilotweise und miss nach dem Live-Gehen.
- Zu früh messen. Amazon braucht laut SELLRZ-Wissensbasis meist 1 bis 24 Stunden, bis eine Änderung öffentlich sichtbar ist (Abruf 24.10.2026). Miss erst ab dem Tag, an dem sie live ist.
Wie SELLRZ dabei hilft
Die Conversion-Analyse bewertet eine Listing-Version über sechs Stationen anhand von 35 Kernfragen im Vergleich mit den stärksten Wettbewerbern der Amazon-Suchseite (SELLRZ-Wissensbasis, Abruf 24.10.2026). Sie liefert Befunde, Prioritäten und Zielvorgaben, keine fertigen Texte, und kostet 300 Credits je Analyse, abgerechnet erst nach Abschluss. Sie ist kein Rufus-Test: Sie zeigt offene Käuferfragen, nicht, wie Rufus dein Listing wiedergibt.
Bei vielen Listings lassen sich Änderungen in einer Batch-Pipeline bündeln: Jedes Listing ist ein eigener Job, das Ergebnis ist je Job ein neuer Entwurf neben der Quellversion. Du gibst frei, bevor etwas an Amazon geht.
FAQ
Muss ich mein Listing für Rufus anders schreiben als für die Amazon-Suche? Belegt ist das nicht. Sinnvoll ist ein Listing, das Fragen klar beantwortet; das hilft Käufern auch ohne KI.
Kann ich prüfen, was Rufus über mein Produkt sagt? Du kannst Rufus selbst Fragen zu deinem Produkt stellen und die Antworten mit deinem Listing vergleichen. Das ist ein Einzeltest, kein Messwert; die Protokollvorlage oben macht ihn vergleichbar.
Zählen Bewertungen mehr als das Listing? Das wissen wir nicht. Amazon nennt beide Quellen; eine Gewichtung ist nicht veröffentlicht.
Wie viele Listings sollte ich zuerst prüfen? Starte mit den umsatz- und trafficstärksten, etwa 10 % des Katalogs, und übertrage die Muster auf den Rest.
Nächster Schritt
Nimm drei deiner trafficstärksten Listings und prüfe sie mit dem Raster: Wie viele der 15 Fragen sind klar beantwortet? Trial kostenlos starten: Wenn du nicht jedes Listing von Hand durchgehen willst, starte den Listing-Check und lass dir offene Käuferfragen und Prioritäten zeigen.
