Spieleranzahl, Dauer und Alter sind die Filter, die ein Brettspiel verkaufen – doch sie kommen fast nie sauber an. Wie du dünne Lieferantendaten in strukturierte, filterbare Kaufhilfe verwandelst.
Geh in einen beliebigen Spiele-Laden und schau, wie Menschen wirklich kaufen. Niemand fragt nach einem Verlag. Sie fragen: „Was ist gut für zwei Personen?", „Etwas, das wir in unter einer Stunde durchhaben?", „Ist das okay für einen Achtjährigen?" Spieleranzahl, Dauer und Alter sind keine Nice-to-have-Felder – sie sind das ganze Verkaufsgespräch. Online läuft dieses Gespräch über Filter.
Produktdaten für Brett- und Gesellschaftsspiele werden von drei Filterattributen bestimmt – Spieleranzahl, Spieldauer und empfohlenes Alter –, nach denen Kunden kaufen, die aber fast nie sauber ankommen. Dieser Bruch ist der Kern dieses Artikels. Das ist ein Teilbereich der breiteren Spielwaren-Daten-Herausforderung, aber mit einem sehr spezifischen Dreh: Hier steht und fällt der Wert deines Katalogs mit seiner Filterbarkeit.
Die drei, die das Finden treiben, sind immer dieselben:
Sekundär, aber wertvoll: Mechanik (Deckbuilding, Worker Placement, Roll-and-Write), Komplexität/Gewicht, Sprachabhängigkeit und Erweiterungs-Beziehungen. All das bietet ein guter Shop-Filter an – und all das entscheidet, ob ein stöbernder Kunde die richtige Schachtel findet.
Die Kern-Stammdaten – GTIN/EAN, Titel, Preis, Verlag – sind meist vorhanden und nutzbar. Das Problem ist, dass die Filterattribute, die für ein Spiel wirklich zählen, als alles andere als saubere Felder ankommen:
Die Daten, die du für Filter brauchst, sind also technisch „da", aber verstreut über Freitext, Bilder und uneinheitliche Strings. Sie in strukturierte Min/Max-Felder zu verwandeln, ist manuelle Arbeit pro Titel – und das multipliziert sich über tausende SKUs und jede neue Neuheiten-Saison. Die Lösung ist derselbe Drei-Schritte-Job wie bei jedem Multi-Lieferanten-Händler: konsolidieren, normalisieren, anreichern und ausspielen.
Teilweise. Große Distributoren und Verlags-Feeds geben dir ein solides Rückgrat für den Marken-Kern – die bekannten Titel, die jeder führt. Aber ehrliche Einordnung der Abdeckung zählt:
| Datenebene | Was Distributor-Daten liefern | Wo es aufhört |
|---|---|---|
| Stammdaten | GTIN/EAN, Titel, Preis, Verlag für Kerntitel | dünn bei kleinen Verlagen, Importen, Longtail |
| Spieleranzahl | oft vorhanden, aber als uneinheitliche Strings | selten sauberes numerisches Min/Max |
| Spieldauer | manchmal vorhanden, viele Formate | oft nur auf dem Schachtelbild |
| Altersfreigabe | meist irgendwo im Datensatz | Norm/Marketing gemischt, nicht normalisiert |
| Mechanik / Komplexität | fast nie strukturiert | in Freitext-Beschreibungen vergraben |
| Verkaufscontent | nicht die Aufgabe des Distributors | Beschreibungen, SEO-Text, Nutzentexte fehlen |
Kurz: Distributor-Daten decken die Identität der großen Titel gut ab, aber nicht die filterbare, verkaufbare Tiefe – und sie dünnen im Kleinverlags- und Import-Longtail schnell aus. Genau in dieser Lücke gewinnt oder verliert ein Spiele-Shop beim Finden.
Der rote Faden ist, dünne, verstreute Daten in saubere, filterbare Attributgruppen zu verwandeln – und genau dafür ist Productbay gebaut:
Es geht um Kaufhilfe: Wenn Spieleranzahl, Dauer und Alter saubere strukturierte Attribute sind, funktionieren deine Shop-Filter, und ein Kunde, der „ein Spiel für zwei in unter einer Stunde" sucht, findet es auch. Productbay ist für Fachhändler mit Multi-Lieferanten-, Multi-Kanal-Katalogen gebaut. Wie dieselbe Logik über das breitere Sortiment wirkt, zeigt der Spielwaren-Überblick, und die zugrunde liegende Methode siehst du dort, wo wir Produkte automatisch mit KI kategorisieren.
Spieleranzahl, Dauer, Alter, Mechanik – die Attribute, die einen Spiele-Shop auffindbar machen. Sieh in 30 Minuten, wie Productbay sie aus unsauberen Lieferantendaten in strukturierte, filterbare Listings parst.
Jetzt starten