Beobachtetes Signal · 1. Okt. 2026 · Research Release · Quelle: https://martechseries.com/feed/ · Relevanz: 3/5 · Sentiment: Positiv

Jellyfish-Studie: KI-Shopping verändert Markenwettbewerb

Zusammenfassung des Signals

Neue Forschungsergebnisse von Jellyfish, einem globalen Digital-Marketing-Unternehmen innerhalb der Brandtech Group, zeigen, dass KI-Shopping-Assistenten die Wettbewerbsdynamik dramatisch verändern. Das Share of Model™-Tool analysierte KI-Empfehlungen in acht Kategorien in den USA, Großbritannien, Australien und Singapur, einschließlich ChatGPT, Google AI Mode und Amazon Alexa. Die Ergebnisse zeigen, dass es kein einziges 'AI Shelf' gibt – verschiedene Assistenten empfehlen für dieselbe Anfrage völlig unterschiedliche Marken und Produkte. KI kann Markenführung aufheben, wie in der US-Mode zu sehen ist, wo die Top-Marke nur 7 % des Regals über 120 Marken hielt. KI ignoriert auch traditionelle Preispositionierung, mit Anzügen in Großbritannien von £27 bis £3.295 in einer Antwort. Das Unternehmen hat Shopping Optimization eingeführt, eine neue Funktion innerhalb von Share of Model, die es Vermarktern ermöglicht, KI-Empfehlungen auf SKU-Ebene zu analysieren und für den agentischen Handel zu optimieren.

Polaris7 AgentStrategische Einordnung
Hohe Konfidenz

Diese Forschung liefert wichtige Einblicke, wie KI-Shopping-Assistenten die Markensichtbarkeit und den Wettbewerb beeinflussen, was für Vermarkter und die AdTech-Branche relevant ist. Sie stellt ein neues Tool zur Messung von KI-Empfehlungen vor, das für Marken entscheidend ist, um sich an den agentischen Handel anzupassen.

MARKTSIGNALE

Marktsignale und strategische Veränderungen zu Jellyfish verfolgen

Polaris7 verknüpft Pflichtmitteilungen, Primärquellen, Führungswechsel und M&A-Aktivitäten in strukturierten Dossiers. Richte deinen Polaris7-Workspace ein, um relevante Unternehmen in deinem Executive Briefing zu beobachten.

  • Verifizierte Primärquellen
  • Automatisierte Briefings
  • Sofortiges Watchlist-Setup

Wichtigste Kernpunkte & Evidenz

  • Die Jellyfish-Studie analysierte KI-Shopping-Empfehlungen in acht Kategorien in den USA, Großbritannien, Australien und Singapur.
  • ChatGPT machte etwa 80 % der KI-Produktempfehlungen aus, Google AI Mode etwa 20 %.
  • In der US-Mode umfassten die Empfehlungen 120 Marken, wobei die Top-Marke nur 7 % des Regals hielt.
  • Anzüge in Großbritannien lagen in einer KI-Antwort zwischen £27 und £3.295.
  • Jellyfish führte Shopping Optimization ein, eine neue Funktion seines Share of Model-Tools.
  • Die Studie umfasste ChatGPT, Google AI Mode und Amazon Alexa for Shopping.

Ontologie & Marktkonzepte

Primäre Quellenbasis & Herkunftsnachweis
Verifizierter Herkunftsnachweis
Primärquelle: https://martechseries.com/feed/•Veröffentlicht: 1. Okt. 2026
Ursprünglicher Berichttitel: “AI Shopping Upends the Rules of Brand Leadership, Price Positioning & Competition, According to New Jellyfish Research”

Verwandte Marktsignale & Trends

Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.

Product & Platform Launch1. Okt. 2026

Jellyfish analysiert Markenpräsenz bei Einkäufen durch KI-Agenten

Eine Untersuchung des Share-of-Model-Tools von Jellyfish zeigt, wie führende KI-Assistenten als Gatekeeper im E-Commerce agieren und unterschiedliche Händler priorisieren. Während Alexa for Shopping fast ausschließlich Amazon-Produkte empfiehlt, verweist Microsofts Copilot deutlich häufiger auf externe Händler als ChatGPT oder Google AI Mode. Zudem belegen Branchendaten von Adobe und HUMAN Security, dass durch KI vermittelte Käufer höhere Umsätze pro Besuch erzielen und Metas Muse-Agent rasant im Shopping-Segment wächst.

Signal analysieren
Paid media optimisation / AdTech platform6. Aug. 2026

Jellyfish integriert KI-gestützte Anzeigenoptimierung in Share of Model

Jellyfish, das globale Digital-Marketing-Unternehmen der The Brandtech Group, hat mit „AI Ads Optimisation“ eine Funktionserweiterung für Paid Media innerhalb seiner Plattform Share of Model™ vorgestellt. Das Update geht über die bestehende Integration von Google Ads und Performance Max hinaus und liefert KI-gestützte Media-Optimierungen sowie Insights für ChatGPT-basierte Touchpoints und Kernkanäle wie TikTok, DV360, YouTube sowie Reddit (letzteres über Pilotprojekte). Zudem umfasst das Release einen Always-on-Strategieassistenten, der kontinuierlich Handlungsempfehlungen für Teams in den Bereichen SEO, Brand, PR, Paid Media und E-Commerce generiert. Share of Model wurde 2024 eingeführt, um Markensichtbarkeit innerhalb von LLMs zu messen, und fand bereits Erwähnung in der Harvard Business Review sowie der MIT Technology Review. Der Support für Google PMax, YouTube, DV360, ChatGPT und TikTok ist ab sofort weltweit verfügbar.

Signal analysieren
Customer Experience (CX)19. Mai 2026

Kundenerlebnis schlägt Marke im Zeitalter des KI-gestützten Shoppings

Eine von Shiv Gupta (Principal bei Quantum Sight) verfasste MarTech-Analyse zeigt, dass KI-gestützte Empfehlungs-Engines bei der Markenauswahl konsistente Customer-Experience-Signale (CX) wie Bewertungen, Vergleiche, Foren und redaktionelle Berichterstattung über traditionelle Marketing-Narrative stellen. Während SEO und strukturierte Daten weiterhin nützlich sind, reichen sie allein nicht mehr aus. KI-Assistenten synthetisieren Antworten und verdichten Marken auf Basis wiederholter externer Signale zu kompakten Mustern, weshalb eine inkonsistente CX dazu führen kann, dass Modelle eine Marke herabstufen oder komplett ausschließen. Der Beitrag positioniert die CX als primären Vertriebshebel in der KI-getriebenen Entdeckungsphase und warnt davor, dass eine mangelhafte Kundenerfahrung die Markenerosion beschleunigt, da künftige, durch Empfehlungen generierte Neukundenakquisitionen ausbleiben.

Signal analysieren

WATCHLIST & BRIEFINGS

Künftige Signale zu Jellyfish & Wettbewerbern im Briefing erhalten

Behalte relevante M&A-Transaktionen, Führungswechsel, Kunden-Etats und Produkt-Launches im Blick. Polaris7 verknüpft Primärquellen, Pflichtmitteilungen und Fachmedien direkt in deinem Executive Briefing.

  • Regelmäßige Primärquellen-Prüfung
  • Strukturierte Watchlist-Briefings
  • Kontext wird übernommen