Product Lookup API: Dein Produkt in KI-Shopping-Antworten

Frage ChatGPT, Google AI Overviews, AI Mode, Copilot und Naver AI Tab nach einem Produkt: welche Engines es zeigen, bei welchen Händlern und zu welchen Preisen, welche Seiten jede Antwort zitiert und wie es neben deinen Wettbewerbern dasteht.

Kostenlos starten Dokumentation lesen ↗

Product Lookupeye-bomb-us

ProduktChatGPTAI OverviewsAI Mode

Copilot

belif Moisturizing Eye BombDein ProduktIn 2 von 8 Shopping-Antworten

4 Händler$43-$4812

1 Angebot12

2 Händler$39.5912

5 Händler$35.82-$4812

Clinique All About EyesWettbewerberIn 2 von 8 Shopping-Antworten

3 Händler$3912

4 Angebote12

2 Händler$49-$6612

3 Händler$38.05-$7212

CeraVe Eye Repair CreamWettbewerberIn 5 von 8 Shopping-Antworten

4 Händler$14.44-$19.9912

1 Angebot12

6 Händler$15.95-$38.9512

Shopping-Prompts

1best eye cream for puffiness
2best moisturizing eye cream

Gefüllt: Die Antwort hat das Produkt gezeigt oder genannt

API-AntwortAbgeschlossen

Land: US
Credits: 40
Fragen: 23

{
  "lookup": {
    "id": "eye-bomb-us",
    "product": "belif Moisturizing Eye Bomb",
    "country": "US",
    "status": "COMPLETED",
    "credits": 40
  },
  "comparison": [
    {
      "product": "belif Moisturizing Eye Bomb",
      "role": "product",
      "engines": [
        {
          "engine": "CHATGPT",
          "status": "COMPLETED",
          "found": true,
          "listings": 4,
          "merchants": 4,
          "mostReviewed": {
            "reviewCount": 105,
            "rating": 4.5,
            "merchant": "Ulta Beauty"
          },
          "priceRange": {
            "currency": "USD",
            "min": 43,
            "max": 48
          },
          "prompts": {
            "answered": 2,
            "appeared": 0
          }
        },
        {
          "engine": "BING_COPILOT",
          "status": "COMPLETED",
          "found": true,
          "listings": 6,
          "merchants": 5,
          "mostReviewed": {
            "reviewCount": 2942,
            "rating": 4.58,
            "merchant": "Comparor"
          },
          "priceRange": {
            "currency": "USD",
            "min": 35.82,
            "max": 48
          },
          "prompts": {
            "answered": 2,
            "appeared": 1
          }
        },
        "…"
      ]
    },
    "…"
  ]
}

Welche Engines dein Produkt zeigen

Sende einen Produktnamen und ein Land, US oder KR. Für jede Engine zeigt found, ob ihre Antwort das Produkt gezeigt hat, und otherListings enthält die anderen Produkte, die sie gezeigt hat. summary.foundIn und summary.notFoundIn teilen die Engines in zwei Listen.

Händler, Preise und Bewertungen

Jedes Angebot in einer Antwort nennt Händler, Preis und Quellkatalog, dazu Lagerbestand, Bewertung, Anzahl der Rezensionen und Katalog-IDs, wenn die Engine sie liefert. Bei ChatGPT enthält modelSees, was sein Antwortmodell über das Produkt erhalten hat, und chatgpt_widget-Angebote halten die Händler und Preise fest, die ChatGPT in seine Widget-Karten geschrieben hat.

Die Seiten hinter jeder Antwort

citedPages listet die Seiten, die jede Antwort zitiert. summary.citedDomains fasst sie nach Website zusammen, mit den Engines, die sie zitiert haben, und summary.merchants listet jeden Händler mit den Engines, die ihn gezeigt haben, und seiner Preisspanne.

Dein Produkt neben deinen Wettbewerbern

Füge bis zu fünf Wettbewerbsprodukte hinzu. Jedes erhält dieselben Fragen wie deines, und comparison[] stellt alle Engine für Engine nebeneinander.

found: welche Engines jedes Produkt gezeigt haben.
listings und merchants: wie viele Angebote jedes Produkt erhielt und von wie vielen Händlern.
mostReviewed und priceRange: das Angebot mit den meisten Rezensionen und die Preisspanne, die jede Engine gezeigt hat.
prompts: wie viele Shopping-Prompts jede Engine beantwortet hat und wie viele dieser Antworten das Produkt gezeigt oder genannt haben.

Was Käufer fragen

Füge bis zu drei Shopping-Prompts hinzu, etwa „best eye cream for puffiness“. Jede Engine beantwortet jeden Prompt im Wortlaut, und prompts[] zeigt, welche Produkte die Antwort als Angebote gezeigt hat (shown) und welche ihr Text nennt (named).

Engines und Fragen je Markt

Jeder Markt fragt die Engines, die dort Produktangebote zeigen. Mit engines wählst du eigene.

US: ChatGPT erhält „Buy {Produkt}“ und „Find the best price for {Produkt}“, Google AI Overviews, AI Mode und Copilot den Produktnamen.
KR: Naver AI Tab und AI Mode erhalten den Produktnamen, ChatGPT „{Produkt} 구매“ und „{Produkt} 최저가“.
Gemini kommt hinzu, wenn engines es nennt. In KR gilt das auch für Google AI Overviews und Copilot.

Schritt 1

An POST /v1/product-lookup senden

Sende dein Produkt mit bis zu fünf Wettbewerbern und drei Shopping-Prompts. Diese Abfrage fragt vier Engines nach drei Produkten und zwei Shopping-Prompts: 23 Fragen für 40 Credits. idempotencyKey wird zur ID der Abfrage.

cURL

curl -X POST https://api.querying.ai/v1/product-lookup \
  -H "Authorization: Bearer $QUERYING_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "product": "belif Moisturizing Eye Bomb",
  "country": "US",
  "competitors": [
    "Clinique All About Eyes",
    "CeraVe Eye Repair Cream"
  ],
  "prompts": [
    "best eye cream for puffiness",
    "best moisturizing eye cream"
  ],
  "idempotencyKey": "eye-bomb-us"
}'

Schritt 2

Jede Frage ist eine Aufgabe

Die Antwort listet jede Frage mit ihrer Aufgabe, und credits.creditsToCharge summiert ihren Preis. Fragen laufen, werden abgerechnet und senden Webhooks wie jede andere Aufgabe. Sendest du dieselbe ID erneut, erhältst du die bestehenden Fragen, und nur die fehlenden kommen hinzu.

JSON

{
  "success": true,
  "lookup": {
    "id": "eye-bomb-us",
    "product": "belif Moisturizing Eye Bomb",
    "competitors": [
      "Clinique All About Eyes",
      "CeraVe Eye Repair Cream"
    ],
    "prompts": [
      "best eye cream for puffiness",
      "best moisturizing eye cream"
    ],
    "country": "US",
    "engines": [
      "CHATGPT",
      "GOOGLE",
      "AIMODE",
      "BING_COPILOT"
    ]
  },
  "summary": {
    "total": 23,
    "succeeded": 23,
    "failed": 0
  },
  "credits": {
    "creditsToCharge": 40,
    "creditsCharged": 0
  },
  "asks": [
    {
      "engine": "CHATGPT",
      "taskType": "CHATGPT",
      "role": "product",
      "prompt": "Buy belif Moisturizing Eye Bomb",
      "success": true,
      "task": {
        "id": "56be57f3-…",
        "taskType": "CHATGPT",
        "status": "QUEUED",
        "priority": 1,
        "createdAt": "2026-10-20T09:22:43.422Z",
        "idempotencyKey": "eye-bomb-us:CHATGPT:buy"
      }
    },
    "…"
  ]
}

Schritt 3

Mit GET /v1/product-lookup/:id lesen

Frage die ID ab, bis lookup.status COMPLETED ist, oder lies die Abfrage bei jedem Webhook einer Frage. Lies und speichere das Ergebnis innerhalb von 24 Stunden, nachdem ihre Fragen abgeschlossen sind.

cURL

curl https://api.querying.ai/v1/product-lookup/eye-bomb-us \
  -H "Authorization: Bearer $QUERYING_API_KEY"

Kosten

Ein Produkt kostet 10 Credits und ein Shopping-Prompt 5, ganz gleich, welche Engines gefragt werden. Dein Produkt und jeder Wettbewerber zählen als Produkte, daher kostet die Abfrage oben 40 Credits. Der Preis eines Produkts verteilt sich auf seine Fragen, eine fehlgeschlagene Frage bucht ihre Credits auf dein Guthaben zurück, und ein erneutes Senden berechnet nur die Fragen, die es hinzufügt.

Preise ansehen →

Kosten pro Produkt nach Tarif
Tarif	1.000 Produkte
Basic	≈ $25.00
Max	≈ $10.00

Effektive Kosten bei vollständiger Nutzung der enthaltenen Monats-Credits.

Gemessen an 50 Produkten

Am 2026-10-20 haben wir 50 Produkte über die Produktions-API abgefragt, 25 in den USA und 25 in Korea.

US: Copilot zeigte alle 25 Produkte, Google AI Overviews und AI Mode je 23 von 25.
KR: Naver AI Tab zeigte alle 25 Produkte, AI Mode 13 von 25.
ChatGPT zeigte mit beiden Fragen und seinen Widget-Karten das Produkt in allen 24 US-Läufen und allen 20 Läufen in Korea.
Über wiederholte Läufe behielt dasselbe Händlerangebot Preis, Bewertung und Rezensionszahl in 307 von 316 Werten. Welche Angebote erscheinen, wechselt von Lauf zu Lauf, also lies Trends über mehrere Abfragen.