Ein praktischer Leitfaden zu E-Commerce-Analysen

Nützlich wird die E-Commerce-Auswertung, wenn sie Ladenverhalten mit Umsatzentscheidungen verbindet. Laut wird sie, sobald jeder Klick, jedes Pixel und jedes Kundenmerkmal erfasst wird, nur weil ein Tool es kann.

Ein datenschutzfreundlicher Shop kann dennoch die wichtigen Fragen beantworten: Woher kommen die Käufer, welche Produkte wecken Interesse, wo wird der Checkout unterbrochen, welche Kampagnen zahlen sich aus und welche Seiten müssen verbessert werden.

Die Kennzahlen, die am wichtigsten sind

Conversion-Rate

Die Conversion-Rate ist der Anteil der Besucher oder Sitzungen, die einen Kauf abschließen. Verfolgen Sie es nach Traffic-Quelle, Kampagne, Gerätekategorie, Zielseite und Produktkategorie.

Vergleichen Sie Conversion-Raten nicht ohne Kontext. Bezahlter Suchverkehr mit starker Kaufabsicht kann ganz anders konvertiert werden als Blog-Verkehr. Die mobile Konvertierung ist möglicherweise geringer, da Benutzer auf Mobiltelefonen recherchieren und später auf dem Desktop kaufen.

Umsatz pro Besucher

Der Umsatz pro Besucher kombiniert Traffic-Qualität, Conversion-Rate und Bestellwert. Er ist nützlicher als die Conversion-Rate allein.

Formel:

revenue per visitor = total revenue / visitors

Wenn die Conversion-Rate sinkt, der durchschnittliche Bestellwert jedoch ausreichend steigt, kann sich der Umsatz pro Besucher dennoch verbessern. Dies hilft, eine Optimierung nur für Billigkäufe zu vermeiden.

Durchschnittlicher Bestellwert

Der durchschnittliche Bestellwert zeigt an, wie viel Kunden pro Transaktion ausgeben.

Formel:

average order value = revenue / orders

Verwenden Sie AOV, um Pakete, Schwellenwerte für den kostenlosen Versand, Produktempfehlungen und Merchandising zu bewerten. Seien Sie vorsichtig bei Rabattaktionen: Ein Rabatt kann die Conversion steigern und gleichzeitig die Marge verringern.

Warenkorb- und Kassenabbruch

Verfolgen Sie den Trichter:

• Produktansicht
• In den Warenkorb legen
• Warenkorbansicht
• Kassenstart
• Versandschritt
• Zahlungsschritt
• Kauf

Eine hohe Abbruchrate des Einkaufswagens kann auf unerwartete Versandkosten, eine erzwungene Kontoerstellung, eingeschränkte Zahlungsmethoden, einen langsamen Checkout, eine schlechte mobile Benutzeroberfläche oder Vertrauensbedenken hinweisen. Sie müssen den einzelnen Käufer nicht identifizieren, um zu sehen, wo der Trichter leckt.

Produktleistung

Messen:

• Produktdetailansichten
• Add-to-Cart-Rate
• Kaufpreis
• Einnahmen
• Rückerstattungen oder Rücksendungen, sofern verfügbar
• Suchbegriffe, die zu Produktseiten führen

Vermeiden Sie aus Datenschutzgründen das Senden von Ereignissen auf Produktebene an Werbeplattformen, es sei denn, Sie haben eine gültige Einwilligung und einen klaren Grund. Für Merchandising-Entscheidungen reichen in der Regel aggregierte Filialanalysen aus.

Akquisitionsmetriken

E-Commerce-Teams geben zu viel aus, wenn sie den Dashboards der Werbeplattform ohne unabhängige Messung vertrauen.

Verwenden Sie UTMs für jede Kampagne. In der URL-Builder-Dokumentation von Google werden Standardparameter wie utm_source, utm_medium, utm_campaign, utm_id und utm_content (Google Analytics URL Builder) erläutert. Diese Parameter funktionieren bei datenschutzorientierten Analysen, da sie im Landing URL übergeben werden.

Schiene:

• Sitzungen nach Quelle und Kampagne
• Conversion-Rate nach Kampagne
• Einnahmen nach Kampagne
• Umsatz pro Besucher nach Kampagne
• Unterstützte Konvertierungen, sofern Ihre Analysen sie unterstützen
• Neu- oder wiederkehrende Kundeneinnahmen, sofern Ihre Handelsplattform dies ermöglicht

Kombinieren Sie bei bezahlten Anzeigen Analysen mit Daten zu Plattformausgaben, um die Rendite abzuschätzen:

ROAS = attributed revenue / ad spend

Tun Sie nicht so, als wäre die Namensnennung perfekt. Browser-Datenschutzfunktionen, Ablehnung der Einwilligung, geräteübergreifendes Einkaufen und verzögerte Käufe schaffen Lücken. Verwenden Sie die Zuschreibung als richtungsweisenden Beweis, nicht als absolute Wahrheit.

Datenschutzfreundliches Messdesign

Um den Umsatz zu steigern, muss ein Geschäft seine Kunden nicht über das Internet verfolgen.

Ein Lean-Setup kann Folgendes verwenden:

• Seiten- und Ereignisanalysen von Erstanbietern
• Aggregierte Produkt- und Funnel-Events
• UTMs für Kampagnenquelle
• Bestellung IDs wird im Commerce-Backend gespeichert, nicht in Analyseprofilen
• Land oder Region anstelle des genauen Standorts
• Kurze Aufbewahrung für Rohereignisse
• Einverständnisgesteuerte Werbepixel nur dort, wo es notwendig ist

Vermeiden:

• Senden von E-Mail-Adressen oder Telefonnummern an Analytics
• Checkout-Sitzungen standardmäßig aufzeichnen
• Laden von Retargeting-Pixeln vor der Einwilligung
• Rohe IP-Adressen werden länger als nötig gespeichert
• Kombination von Analyseereignissen mit durch Broker angereicherten Profilen

Der stärkste E-Commerce-Analyse-Stack trennt operative Bestelldaten von Website-Verhaltensdaten. Ihre Shop-Plattform benötigt Kundendaten, um eine Bestellung auszuführen. Bei Ihren Website-Analysen ist dies normalerweise nicht der Fall.

So priorisieren Sie Verbesserungen

Verwenden Sie Metriken, um das Problem mit der größten Hebelwirkung zu finden:

• Hohe Produktansichten, geringe Add-to-Cart-Anzahl: Verbessern Sie die Klarheit von Preisen, Bildern, Bewertungen, Größen oder Verfügbarkeit.
• Hohe Add-to-Cart-Anzahl, niedriger Checkout-Start: Überprüfen Sie die Warenkorb-UX, Versandschätzungen, Coupon-Ablenkungen und Vertrauenssignale.
• Hoher Checkout-Start, geringer Kauf: Testen Sie Zahlungsmethoden, Formularfehler, Adressvalidierung und mobile Benutzerfreundlichkeit.
• Hoher Traffic, geringer Umsatz pro Besucher: Überprüfen Sie die Kampagnenabsicht und die Übereinstimmung der Zielseitenbotschaft.
• Hohe Conversion, niedriger AOV: Testpakete, Schwellenwerte und Produktempfehlungen.

Nehmen Sie nach Möglichkeit jeweils eine Änderung vor und vermerken Sie das Veröffentlichungsdatum in Ihren Analysen.

E-Commerce-Event-Checkliste

Beginnen Sie mit einem kompakten Ereignissatz: Produkt angesehen, Warenkorb gestartet, Bezahlvorgang gestartet, Zahlung fehlgeschlagen, Kauf abgeschlossen, Gutschein angewendet und Rückerstattung beantragt. Verwenden Sie sichere Eigenschaften wie Produktkategorie, Preisspanne, Währung, Kampagne, Geräteklasse und Land.

Senden Sie keine Namen, E-Mails, genaue Adressen, Zahlungsdetails, Bestellnotizen, Checkout URLs mit Token oder vollständige Bestellung IDs an Website Analytics. Behalten Sie die Umsatzwahrheit auf der Handelsplattform bei und nutzen Sie Analysen, um Akquisitions-, Inhalts- und Trichtertrends zu erklären.

Das Fazit

E-Commerce-Analysen sollen Shop-Entscheidungen erleichtern. Konzentrieren Sie sich auf Konversion, Umsatz pro Besucher, durchschnittlicher Bestellwert, Funnel-Drop-off, Produktleistung und Akquisequalität. All dies können Sie mit einem datenschutzorientierten Ansatz messen, der die Käufer respektiert und unnötiges Tracking durch Dritte vermeidet.

Ein datenschutzsicheres Ereignisset

Ein praktischer Laden kann mit einem kompakten Ereignissatz beginnen: product_viewed, cart_started, checkout_started, payment_failed, purchase_completed, coupon_applied und refund_requested. Zu den nützlichen Eigenschaften gehören Produktkategorie, Preisspanne, Währung, Kampagne, Geräteklasse und Land. Vermeiden Sie es, Namen, E-Mail-Adressen, genaue Lieferadressen, Telefonnummern, Zahlungsdetails oder Bestellnotizen an Web Analytics zu senden.

Behalten Sie das Bestellsystem als Quelle der Wahrheit für Ihren Umsatz bei. Analytics kann Trends und den Zustand des Trichters melden, aber Rückerstattungen, Steuern, Rabatte, Betrugsprüfungen und Erfüllungsstatus gehören in Handels- oder Finanzsysteme. Diese Trennung verringert das Datenschutzrisiko und verhindert außerdem, dass Vermarkter Entscheidungen auf der Grundlage unvollständiger Umsatzzahlen treffen.

Häufig gestellte Fragen

Warum sollte ich Conversion-Raten nicht direkt über verschiedene Kanäle hinweg vergleichen?

Traffic-Quellen bringen unterschiedliche Kaufabsicht mit, deshalb verschleiert eine gemeinsame Kennzahl echte Unterschiede. Besucher aus der bezahlten Suche kommen oft kaufbereit, während Blog-Leser noch recherchieren, sodass eine niedrigere Conversion-Rate im Blog nicht zwangsläufig ein Problem ist. Auch mobile Besucher konvertieren anders, weil viele auf dem Smartphone stöbern und den Kauf später am Desktop abschließen. Vergleichen Sie die Conversion-Rate stattdessen nach Quelle, Kampagne, Gerät und Landingpage, statt eine einzige Durchschnittszahl zu betrachten.

Was sagt mir der Umsatz pro Besucher, was die Conversion-Rate nicht zeigt?

Umsatz pro Besucher verbindet Traffic-Qualität, Conversion-Rate und Bestellwert in einer Zahl und erfasst damit das Gesamtbild, das die Conversion-Rate allein nicht zeigt. Die Formel lautet Gesamtumsatz geteilt durch Besucher. So vermeidet ein Team, nur auf billige Käufe zu optimieren, um die Conversion-Zahl nach oben zu treiben.

Kann der Umsatz pro Besucher steigen, obwohl die Conversion-Rate sinkt?

Der Umsatz pro Besucher kann steigen, wenn der durchschnittliche Bestellwert stark genug steigt, um die geringere Anzahl an Käufen auszugleichen. Eine Kampagne, die weniger, aber größere Bestellungen bringt, kann den Umsatz pro Besucher trotz sinkender Conversion-Rate erhöhen. Deshalb sollten beide Kennzahlen zusammen betrachtet werden, nicht isoliert.

Wie berechne ich den durchschnittlichen Bestellwert?

Der durchschnittliche Bestellwert ergibt sich aus dem Umsatz geteilt durch die Anzahl der Bestellungen. Nutzen Sie ihn, um zu beurteilen, ob Bundles, Versandkostenfrei-Schwellen und Produktempfehlungen funktionieren. Behalten Sie Rabattaktionen im Blick, denn ein Rabatt kann die Conversion-Rate steigern und gleichzeitig die Marge schmälern.

Was verursacht meistens Warenkorb- oder Kassenabbrüche?

Die häufigsten Ursachen sind unerwartete Versandkosten, eine erzwungene Kontoerstellung, eingeschränkte Zahlungsmethoden, ein langsamer Checkout, schwache mobile Nutzbarkeit und allgemeine Vertrauensbedenken. Wer den Funnel vom Produktaufruf bis zum Kauf verfolgt, sieht genau, wo Käufer aussteigen. Dafür muss der einzelne Käufer nicht identifiziert werden, es reicht zu erkennen, wo der Funnel undicht ist.

Welche Produktkennzahlen zählen für Merchandising-Entscheidungen?

Verfolgen Sie Produktdetailaufrufe, die Add-to-Cart-Rate, die Kaufrate, den Umsatz, Rückerstattungen oder Retouren, sofern verfügbar, und die Suchbegriffe, die Käufer auf Produktseiten führen. Aggregierte Store-Analysen reichen für Merchandising-Entscheidungen meist aus. Senden Sie Produktdaten nur dann an Werbeplattformen, wenn eine gültige Einwilligung und ein klarer Grund dafür vorliegen.

Warum brauche ich UTM-Parameter, wenn ich schon Analytics habe?

UTMs kennzeichnen Quelle, Medium, Kampagne, ID und Content direkt in der Landing-URL, deshalb funktionieren sie auch in einem datenschutzfreundlichen Analytics-Setup ohne seitenübergreifendes Tracking. Googles Dokumentation zum URL-Builder beschreibt die Standardparameter. Erst das Taggen jeder Kampagne erlaubt es, Sitzungen, Conversion-Rate und Umsatz nach Quelle zu messen, statt sich auf das Dashboard einer Werbeplattform zu verlassen.

Wie zuverlässig ist Attribution im E-Commerce?

Nicht perfekt. Browser-Datenschutzfunktionen, abgelehntes Consent, geräteübergreifendes Einkaufen und verzögerte Käufe erzeugen alle Lücken zwischen dem, was tatsächlich passiert, und dem, was zugeschrieben wird. Behandeln Sie ROAS und zugeschriebenen Umsatz als richtungsweisenden Hinweis für Entscheidungen, nicht als exakte Abrechnung jedes Verkaufs.

Welche Daten dürfen niemals an Website-Analytics gehen?

Namen, E-Mail-Adressen, genaue Lieferadressen, Telefonnummern, Zahlungsdetails, Bestellnotizen, Checkout-URLs mit Tokens und vollständige Bestell-IDs gehören nicht in Website-Analytics. Bleiben Sie bei sicheren Eigenschaften wie Produktkategorie, Preisband, Währung, Kampagne, Geräteklasse und Land. Umsatzwahrheit, Rückerstattungen, Steuern und Betrugsprüfungen gehören ins Commerce- oder Finanzsystem, nicht ins Analytics-Tool.

Warum Bestelldaten von Verhaltensdaten der Website trennen?

Eine Store-Plattform braucht Kundendaten, um eine Bestellung abzuwickeln, aber Website-Analytics braucht davon meist nichts, um Akquisition, Content und Funnel-Trends zu erklären. Die Trennung beider Systeme senkt das Datenschutzrisiko und verhindert, dass operative und Verhaltensdaten vermischt werden. Sie verhindert außerdem, dass Marketer Entscheidungen anhand unvollständiger Umsatzzahlen treffen, denn das Bestellsystem bleibt die einzige verlässliche Quelle für Umsatz.