Ein praktischer Leitfaden zu E-Commerce-Analysen

Dieser Leitfaden erklärt E-Commerce-Analysen praxisnah und mit Fokus auf datenschutzfreundliche Analytics-Entscheidungen. E-Commerce-Analysen sind nützlich, wenn sie das Ladenverhalten mit Umsatzentscheidungen in Verbindung bringen. Es wird laut, wenn jeder Klick, jedes Pixel und jedes Kundenmerkmal erfasst wird, nur weil ein Tool es erfassen 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. Es ist oft 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 oft 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.