So schätzen wir Verkäufe.
Jede Verkaufsschätzung in allen 120+ Tools stammt aus einer einzigen, geprüften Engine. Eine Formel, eine Quelle der Wahrheit — die Zahl, die du in der Suche siehst, ist dieselbe, die in Wettbewerbsanalyse, Bestandsprognose und Wholesale Scanner einfließt.
Die Engine zur Verkaufsschätzung
Jede Monatsverkaufszahl, die du siehst, entsteht über eine dreistufige Prioritätskette. KI ist niemals Teil dieser Kette.
Amazon selbst zeigt bei stark verkaufenden Listings ein Badge „1.000+ mal im letzten Monat gekauft". Keepa erfasst diesen Wert und speichert ihn als monthlySold. Wenn er verfügbar ist, ist das die einzige Zahl, die wir verwenden — keine Formel, keine Schätzung.
Fehlt monthlySold, wenden wir unsere stückweise lineare BSR→Verkäufe-Formel an (estimateMonthlySales). Diese eine Funktion ist einmal in keepa.ts definiert und wird von jedem Tool aufgerufen. Die Formel ist an allen Grenzen stetig — ein höherer BSR bedeutet immer weniger Verkäufe, ohne Sprünge.
Claude, Grok, DeepSeek und jedes andere KI-Modell werden niemals zur Erzeugung einer Monatsverkaufszahl eingesetzt. KI nutzen wir für Inhalte (Listing-Texte, Rezensionen, Keywords) — nie für Marktgrößen oder Nachfragezahlen.
Konfidenzstufen nach BSR-Bereich
Die Genauigkeit nimmt ab, je höher der BSR ist. Hier steht, was jede Konfidenzstufe für die Interpretation der Verkaufszahl bedeutet.
Dichte Keepa-Daten; viele Produkte haben ein natives monthlySold aus Amazons Badge „1.000+ mal im letzten Monat gekauft“.
Der BSR schwankt seltener; die Formelkoeffizienten wurden anhand von Keepa-monthlySold-Stichproben validiert.
Ein BSR in diesem Bereich kann sehr unterschiedliche Nachfrage auf Kategorieebene bedeuten. Kategoriemultiplikatoren werden noch nicht angewendet.
Dünne Keepa-Abdeckung; nur wenige Produkte haben monthlySold-Badges. Das Risiko der Formel-Extrapolation ist hoch.
Produkte so tief im Katalog haben oft nahezu keine echten Verkäufe. Nur als Richtungssignal verwenden.
Datenquellen Tool für Tool
Welche Quelle in welchem Tool welche Kennzahl speist — ohne Mehrdeutigkeit.
Datenquellen
Keepa führt eine vollständige Historie von BSR, Preis und Rezensionsanzahl jedes Amazon-Produkts. Das Feld monthlySold (sofern vorhanden) stammt direkt aus Amazons Backend-Badge („1.000+ mal im letzten Monat gekauft“) und wird immer unserer BSR-Formel vorgezogen.
DataForSEO ist die EINZIGE Quelle der Wahrheit für alle Keyword-Suchvolumina. Jedes Tool, das eine Volumenzahl anzeigt — Suchvolumen, KeySpy, Reverse ASIN, PPC-Keywords — greift auf denselben DataForSEO-Endpunkt bulk_search_volume mit identischer Normalisierung zu, sodass dasselbe Keyword in allen Tools immer dieselbe Zahl liefert.
Wird verwendet, um organische Keyword-Rankings anhand der Live-Suchergebnisse von Amazon zu verifizieren und um die Google-Trends-Saisonalitätssignale in der Suchvolumen-Analyse zu speisen.
Claude AI wird NUR als Fallback für Keyword-Vorschläge verwendet, wenn DataForSEO keine Ergebnisse liefert. Es wird NIEMALS zur Schätzung von Monatsverkäufen, BSR oder Umsatz eingesetzt. KI-generierte Daten sind mit dem Badge „KI-Schätzung“ gekennzeichnet.
Grok wird in Reverse ASIN eingesetzt, um mit Live-Webzugriff herauszufinden, für welche Keywords eine ASIN ranken könnte. Nachdem Grok Kandidaten erzeugt hat, überschreibt DataForSEO bulk_search_volume alle Volumina — die endgültigen Zahlen stammen also von DataForSEO, nicht von der KI.
Bekannte Einschränkungen
Jedes Schätzmodell hat Grenzen. Hier sind unsere — ehrlich erklärt.
BSR 5.000 in Büchern bedeutet rund 4-mal mehr Verkäufe als BSR 5.000 in Sport & Outdoor. Unsere aktuelle Formel wendet keine kategoriespezifischen Koeffizienten an. Wir validieren gerade kategoriespezifische Kurven und veröffentlichen sie, sobald wir in 5+ Kategorien eine Genauigkeit von ±15 % erreichen.
Ein Produkt mit einem BSR-Ausschlag durch einen Blitzangebot oder Coupon zeigt für diesen Zeitraum überhöhte Verkaufsschätzungen. Keepas monthlySold-Badge (sofern verfügbar) mildert das ab, da es ein rollierender 30-Tage-Wert von Amazon ist.
Amazon zeigt sowohl einen BSR der obersten Kategorie (z. B. Sport & Outdoor #5.000) als auch Unterkategorie-BSRs (z. B. Yogamatten #12). Unsere Formel nutzt den BSR der obersten Ebene. Der Unterkategorie-BSR würde eine ganz andere — und oft überhöhte — Verkaufsschätzung ergeben.
Die Keyword-Volumina von DataForSEO werden monatlich aktualisiert, nicht in Echtzeit. Bei einem Keyword mit plötzlichem Trendausschlag (z. B. einem viralen TikTok-Produkt) kann bis zu 30 Tage lang das Volumen des Vormonats angezeigt werden. Wo verfügbar, weisen wir das Datum der Daten aus.
Unsere Formel wurde an Amazon-US-Daten kalibriert. Bei Amazon DE, UK oder TR unterscheidet sich das Verhältnis von BSR zu Verkäufen wegen kleinerer Kataloge und anderer Käufervolumina. Behandle Schätzungen außerhalb der USA als ±40 % oder ungenauer, bis die marktplatzspezifische Kalibrierung abgeschlossen ist.
Produkte mit weniger als 30 Tagen BSR-Historie liefern unzuverlässige Schätzungen, weil ihr BSR in der Launchphase stark schwankt. Fehlt bei einem neuen Produkt Keepas monthlySold, betrachte die Verkaufsschätzung als ungefähren Wert.
Änderungsprotokoll der Methodik
Vereinheitlichte Engine: bsrToSales() (Wholesale/Scan) und bsrToDaily() (Stock-Forecast) wurden durch das kanonische estimateMonthlySales() aus keepa.ts ersetzt. Alle 120+ Tools nutzen jetzt eine einzige, identische Formel.
Der Market-Share-Endpunkt prüft jetzt Keepas monthlySold, bevor die BSR-Formel angewendet wird — konsistent mit allen anderen Tools.
KeySpy und Reverse ASIN: Die Schlüssel der Keyword-Map wurden normalisiert, damit bulk_search_volume von DataForSEO die Volumina aus Grok bzw. gerankten Keywords korrekt überschreibt. Dasselbe Keyword liefert jetzt in allen Tools dasselbe Volumen.
Der Helfer resolveKeywordVolumes() wurde als einziger DataForSEO-Volumen-Resolver für alle Keyword-Tools eingeführt.
canonicalMonthlySales() eingeführt — ein Prioritäts-Wrapper, der Keepas monthlySold der BSR-Formel vorzieht.
Fragen zu unserer Methodik?
Wir veröffentlichen unsere Formel und Koeffizienten offen. Wenn du eine Ungenauigkeit findest, wollen wir davon erfahren.