Das Wichtigste in Kürze
- Kennzahlen zeigen, dass sich etwas verändert – selten, warum.
- Verhaltensdaten zeigen Veränderungen früher als Umsatz und Conversion-Rate.
- Ursachen liegen meist an den Übergängen zwischen Marketing, Shop, Logistik und Service.
Die Conversion-Rate sinkt. Der durchschnittliche Warenkorb wird kleiner. Weniger Kunden kaufen ein zweites Mal. Die Reaktion folgt meist schnell: mehr Budget, eine neue Aktion, ein Redesign des Checkouts.
Manchmal hilft das. Oft nicht. Denn Kennzahlen zeigen Ergebnisse. Die Ursachen liegen meist woanders.
Oft stecken die Ursachen in den Daten selbst. Sie liegen verteilt in Systemen, widersprechen sich oder sind lückenhaft. Gartner beziffert die Kosten schlechter Datenqualität auf durchschnittlich 12,9 Mio. US-Dollar pro Unternehmen und Jahr (Gartner).
Mehr Daten bedeuten nicht mehr Orientierung. Entscheidend ist, die richtigen Daten miteinander in Beziehung zu setzen.
Wenn Zahlen in die Irre führen
Ein typisches Beispiel ist der sinkende Warenkorbwert. Naheliegende Reaktionen sind aggressivere Zusatzverkäufe oder eine höhere Grenze für kostenlosen Versand. Beides setzt am Symptom an.
Die Ursache kann ganz woanders liegen. Vielleicht hat sich die Kundenstruktur verschoben: Neue Kunden mit kleineren Bedarfen kommen dazu, während kaufkräftige Stammkunden leiser werden. Dann hilft kein Upselling-Banner. Gefragt ist ein Blick auf Akquise und Kundenbindung.
Ähnlich bei der Conversion-Rate. Sinkt sie, liegt es nicht zwingend am Shop. Vielleicht bringt eine neue Kampagne mehr, aber weniger passende Besucher. Oder das Sortiment trifft die Nachfrage nicht mehr so gut wie früher.
Was man sieht – und was dahinter liegt
Verhalten verändert sich früher als Kennzahlen
Die meisten Kennzahlen schlagen erst aus, wenn etwas bereits passiert ist. Verhaltensdaten zeigen Veränderungen früher:
- Stammkunden kaufen in größeren Abständen.
- Kunden schauen bestimmte Kategorien an, kaufen dort aber nicht mehr.
- Die Suche im Shop liefert häufiger keine Treffer.
- Rückfragen zu bestimmten Produkten nehmen zu.
- Newsletter werden seltener geöffnet.
Wer solche Signale regelmäßig beobachtet, kann reagieren, bevor die großen Kennzahlen kippen.
Ein Beispiel aus dem Software-Bereich zeigt das gut: Bei einem Anbieter blieben die monatlichen Logins eines Kundensegments stabil. Die Nutzung einer zentralen Funktion sank jedoch. Auf den ersten Blick war alles in Ordnung. Der genauere Blick zeigte, dass sich die Anforderungen dieser Kunden verändert hatten und sie Alternativen prüften. Statt auf Kündigungen zu warten, konnte der Anbieter die Funktion gezielt verbessern.
Im Online-Shop funktioniert das genauso. Besuche ohne Kauf, wachsende Abstände zwischen Bestellungen und nicht mehr geöffnete Newsletter kündigen Veränderungen an, lange bevor der Umsatz reagiert.
Nicht jede Nachfrage ist ein gutes Zeichen
Auch steigende Zahlen können täuschen. Mehr Bestellungen sind nur dann gut, wenn sie sich rechnen. Bringt ein Kanal viele Neukunden, die nie wieder kaufen und hohe Retouren haben, wächst der Umsatz, aber nicht das Geschäft.
Die eigentliche Frage lautet deshalb nicht „Wie viel?“, sondern „Welche?“: Welche Kunden, welche Produkte, welche Kanäle tragen den Shop wirklich?
Kundengruppen verändern sich ständig
Viele Shops arbeiten mit Segmenten, die vor Jahren festgelegt wurden. Doch Märkte und Kunden verändern sich: neue Wettbewerber, neue Kaufgewohnheiten, neue Zielgruppen. Wer seine Segmente nicht regelmäßig prüft, steuert Marketing und Sortiment nach einem Bild, das nicht mehr stimmt.
Reagiert man dann auf sinkende Umsätze mit Rabatten für die alte Kernzielgruppe, behandelt man wieder ein Symptom. Die Ursache, eine veränderte Nachfrage, bleibt unbeachtet.
Ein Beispiel aus der Industrie: Ein mittelständischer Hersteller setzte traditionell auf Großunternehmen. Zunehmend fragten jedoch kleinere, junge Unternehmen seine Produkte an. Sie hatten andere Erwartungen an Service, Zahlung und Konfiguration. Statt Angebot und Prozesse auf diese neue Nachfrage auszurichten, versuchte das Unternehmen zunächst, die sinkenden Großkundenumsätze mit Preisnachlässen auszugleichen. Eine Symptombehandlung, die die eigentliche Marktveränderung übersah.
Zusammenhänge sichtbar machen
Ursachen findet man selten in einer einzelnen Datenquelle. Sie zeigen sich an den Übergängen: zwischen Marketing und Shop, zwischen Shop und Logistik, zwischen Produkt und Service.
Ein Beispiel: Die Kundenzufriedenheit sinkt. Isoliert betrachtet liegt es nahe, den Service auszubauen. Erst die Verbindung der Daten zeigt vielleicht, dass die Beschwerden fast alle eine bestimmte Produktgruppe betreffen. Oder eine Kampagne, die falsche Erwartungen geweckt hat.
Deshalb lohnt es sich, Daten aus Shop, ERP, Marketing und Service zusammenzuführen. Nicht als Großprojekt, sondern gezielt für die Fragen, die gerade wichtig sind.
So gehen Sie Ursachen auf den Grund
- Symptom genau beschreiben: Wo genau sinkt die Zahl? In welchem Kanal, bei welcher Kundengruppe, bei welchen Produkten?
- Aufschlüsseln statt mitteln: Durchschnittswerte verbergen Unterschiede. Zerlegen Sie die Kennzahl nach Segmenten.
- Zeitlich einordnen: Seit wann verändert sich etwas? Was ist zu diesem Zeitpunkt passiert?
- Hypothesen prüfen: Formulieren Sie mögliche Ursachen und prüfen Sie diese mit Daten, bevor Sie Budget bewegen.
- Gezielt handeln: Setzen Sie Maßnahmen dort an, wo die Ursache liegt, und messen Sie die Wirkung.
Fazit
Wer nur auf Kennzahlen reagiert, verliert Zeit und Budget. Wer Ursachen versteht, kann gezielt handeln. Das erfordert keinen riesigen Datenaufwand, sondern die Bereitschaft, bekannte Annahmen zu hinterfragen und Daten sinnvoll zu verbinden.
Häufige Fragen
Warum sinkt meine Conversion-Rate, obwohl am Shop nichts geändert wurde?
Häufig hat sich der Traffic verändert, etwa durch neue Kampagnen, Kanäle oder Zielgruppen. Prüfen Sie die Conversion getrennt nach Kanal, Gerät und Kundengruppe, bevor Sie den Shop umbauen.
Was tun, wenn der durchschnittliche Warenkorb sinkt?
Zuerst aufschlüsseln: Kaufen bestehende Kunden weniger, oder kommen mehr Kunden mit kleineren Bedarfen dazu? Je nach Antwort liegt die Lösung bei der Kundenbindung oder bei der Akquise.
Welche Daten helfen bei der Ursachenanalyse?
Bestelldaten, Kampagnendaten, Retouren und Service-Anfragen, zusammengeführt pro Kunde und Zeitraum. Erst die Verbindung zeigt Zusammenhänge, die einzelne Berichte verbergen.