Größensysteme unterscheiden sich je Segment, Halbgrößen und Weiten vervielfachen die Matrix, und ein unvollständiger Lauf kostet still Umsatz – so bildest du saubere Größenläufe über Damen-, Herren- und Kinderschuhe ab.
Eine Kundin schaut sich online einen Trailschuh an. Sie trägt EU 42,5. Das Größen-Dropdown springt von 42 auf 43. Kauft sie die 43 und hofft? Springt sie ab? Im Schuhhandel wird die Antwort auf diese Frage lange vor dem Rendern der Produktseite entschieden – in den Produktdaten. Und Schuhgrößen sind eines der unordentlichsten Datenprobleme im Handel, weil es kein einheitliches System gibt, auf das man sich stützen kann.
Produktdaten für Schuhgrößen sind die Disziplin, vollständige, konsistente Größenläufe über inkompatible Größensysteme hinweg abzubilden. Damen-, Herren- und Kinderschuhe verhalten sich jeweils anders, und derselbe physische Schuh kommt von verschiedenen Lieferanten unter verschiedenen Beschriftungen an. Das ist ein Teilthema der breiteren Herausforderung von Produktdaten im Schuhhandel – dem Segment, in dem Größe, Farbe und Weite jeden Artikel ohnehin zur Matrix machen.
Das Kernproblem: „Größe" ist nicht eine Sache. Jedes Segment bringt eigene Konventionen mit, und ein Schuhsortiment muss sie alle gleichzeitig halten:
Kombiniere einen Halbgrößen-Lauf mit einer Weiten-Achse, und ein Modell wird zu Dutzenden Größenvarianten – jede braucht eine EAN/GTIN, jede muss auf ein führendes System gemappt sein, damit Shop-Filter und Größenberater überhaupt funktionieren.
Ein Größenlauf ist die komplette Spanne, in der ein Modell angeboten wird – etwa EU 40 bis 46 mit Halbgrößen. Der Lauf ist eine Eigenschaft des Modells; der Bestand ist ein separater, sich ändernder Fakt. Diese beiden zu verwechseln, ist genau dort, wo das Geld verloren geht:
Saubere Produktdaten halten Größenlauf und Verfügbarkeit als zwei getrennte Attribute. Der Lauf kommt aus den Modell-Stammdaten, der Bestand aus dem Feed. Genau diese Trennung erlaubt Halbgrößen, Wieder-verfügbar-Alerts und ehrliche Größenfilter statt eines Dropdowns voller Lücken.
Es gibt keinen ISO-sauberen, universell angewendeten Schuhgrößen-Standard, wie es die GTIN für die Identifikation gibt. Was du tatsächlich hast, ist ein Satz Skalen, die untereinander gemappt werden müssen:
| Größenebene | Was sie abdeckt | Wo sie aufhört |
|---|---|---|
| EU (Pariser Stich) | dominantes führendes System im DACH-Handel | Schritte passen nicht sauber zu UK/US; Halbgrößen je Marke unterschiedlich |
| UK-/US-Skalen | häufig bei Import- und Sportmarken | Damen- und Herren-US-Offsets unterscheiden sich; Kinderskalen weichen erneut ab |
| Halbgrößen | feinere Passform, im Mittelfeld essenziell | nicht jede Marke bietet sie; manche Lieferanten lassen sie im Feed weg |
| Weiten | Komfort-/Weit-Passform als zweite Achse | Benennung ist markenspezifisch (H, K, W, Buchstaben, Zahlen) |
| Kinder-Länge / -Alter | Innenlänge in cm, Altersstufen | keine markenübergreifende Konsistenz; EU-Nummer ≠ überall gleiches Alter |
| GTIN / EAN | eindeutiger Identifikator je Größenvariante | identifiziert, trägt aber selbst keine Größen-Semantik |
Kurz: Eine GTIN sagt dir, welche Variante, aber nicht, dass EU 42 gleich UK 8 ist. Diese Übersetzung – und sie über Damen, Herren und Kinder konsistent zu halten – ist Handarbeit, solange sie nicht in einem gepflegten Mapping lebt.
Die Lösung: Größen nicht mehr als Freitext an jedem Artikel behandeln, sondern als verknüpfte Attribute (linked attributes) – und genau so bildet Productbay sie ab:
Das Ergebnis: ein Größenlauf, der vom Lieferanten-Import bis in Shop, ERP und Marktplatz vollständig und konsistent bleibt. Productbay ist für Fachhändler mit Multi-Lieferanten-, Multi-Kanal-Schuhkatalogen gebaut – und dieselbe Engine verwaltet Bilder und Medien per DAM neben den Größendaten.
EU, UK, US, Halbgrößen, Weiten, Kinder-Längenstufen – Schuhgrößen sind eine Variantenmatrix, die vollständig und konsistent bleiben muss. Sieh in 30 Minuten, wie Productbay Größenläufe über Damen-, Herren- und Kinderschuhe mappt und normalisiert.
Jetzt starten