Warum nicht alle Kennzahlen gleichermaßen nützlich sind

Oft sehen die Daten überzeugend aus: schöne Grafiken, positive Dynamik, ansprechend gestaltete Berichte. Aber bedeutet das wirklich, dass alles gut läuft?

Heute sprechen wir über ein Konzept, das zwischen Metriken mit praktischem Wert (Daten erster Güte) und solchen unterscheidet, die zwar gut zu präsentieren, aber schwer zu interpretieren sind. Sie sehen aus wie messbarer Fortschritt, liefern aber keine echten Antworten. Mit anderen Worten: Sekundäre Metriken sind wie Plastikfrüchte auf dem Tisch: Sie sehen beeindruckend aus, sind aber nicht essbar.

Dieser Artikel befasst sich damit, warum die meisten gängigen Kennzahlen in Wirklichkeit möglicherweise keinerlei analytische Aussagekraft haben. Und damit, wie man auffällige Berichterstattung durch effektive Analytik ersetzen kann.

Vanity Metrics vs Actionable Metrics

Vanity metrics sind oberflächliche Kennzahlen, die häufig in Berichten und Dashboards verwendet werden, aber selten zu konkreten Maßnahmen oder Veränderungen führen. Sie können informativ sein, haben aber für sich genommen keine praktische Bedeutung für das Unternehmen.

Actionable metrics sind Kennzahlen, die sich direkt auf die Entscheidungsfindung, Produktänderungen, das Marketing oder die Prozessoptimierung auswirken. Sie:

Typische Fehler bei der Arbeit mit Daten

1. Verwendung von Metriken nur für Berichte
Viele Unternehmen erstellen regelmäßig Berichte, die keinen analytischen Wert haben. Zum Beispiel einen wöchentlichen Bericht mit dem Gesamt-Traffic, ohne Aufschlüsselung nach Kanälen und ohne Korrelation mit Conversions.

2. KPIs, die nicht an die Strategie gebunden sind
Manchmal messen Unternehmen Dinge, die leicht zu verfolgen sind, anstatt solche, die strategisch wertvoll sind. Beispielsweise könnte sich die Marketingabteilung darauf konzentrieren, die Anzahl der Videoaufrufe zu erhöhen, obwohl das strategische Ziel darin besteht, Leads zu generieren.

3. Datenerfassung ohne weitere Verwendung
Technisch gesehen kann ein Analysesystem Dutzende von Ereignissen und Attributen erfassen, aber keines davon wird für die Entscheidungsfindung verwendet. Dies erzeugt analytisches Rauschen und erschwert es, sich auf die wirklich wichtigen Kennzahlen zu konzentrieren.

4. Daten separat betrachten
Die gemessenen Werte – Klicks, Transaktionen, Besuche – sind keine isolierten Ereignisse, sondern interagieren in einem gemeinsamen Umfeld. Dies ist der Schlüssel zum Verständnis, warum Vanity-Metriken oft irreführend sind.

Es macht keinen Sinn, die Absprungrate getrennt von der Qualität des Traffics zu betrachten. Es macht keinen Sinn, die Öffnungsrate ohne Bezug zu Klicks und Verkäufen zu berechnen. Die Daten müssen als eine einzige Kette analysiert werden – vom ersten Kontakt bis zum Endergebnis.

Schöne Kennzahlen können irreführend sein

Betrachten wir eine Situation, mit der HubSpot einst konfrontiert war. Das Unternehmen orientierte sich lange Zeit an der Gesamtzahl der MQL (Marketing Qualified Leads) als wichtigster Kennzahl für den Marketingerfolg.

Das Wachstum der MQL schien ein Fortschritt zu sein: mehr Leads, mehr Traffic, mehr Aktivität. Aber später stellte sich heraus, dass die Anfragen für Demos eine dreimal höhere Konversionsrate hatten als beispielsweise das Herunterladen von E-Books. Das heißt, das Wachstum der MQL bedeutete nicht unbedingt einen Anstieg der Verkaufszahlen.

Das Team optimierte die Marketingkampagnen unter Berücksichtigung von Vanity-Metriken und verlor dabei den tatsächlichen analytischen Wert aus den Augen.

Ähnlich sieht es bei mobilen Apps aus. In der Studie „Sovereignty of the Apps” wurden über 213.000 Apps analysiert. Das Ergebnis: 70 % der Nutzer springen innerhalb der ersten Woche nach der Installation der App ab. Selbst in den Top 100 liegt die Retentionsrate bei nur etwa 45 %. Die Anzahl der Installationen sieht in den Berichten überzeugend aus, aber das ist nur der Anfang: Wenn es keine Retentionsraten gibt, sind das nur zweitrangige Kennzahlen.

Blind spots in analytics

Nicht weniger gefährlich sind Metriken, die überhaupt nicht verfolgt werden, weil das Team sich ihrer Bedeutung nicht bewusst ist. Beispiele:

Time-to-first-value (TTFV) – die Zeit zwischen der ersten Interaktion des Benutzers mit dem Produkt und dem Moment, in dem er einen echten Mehrwert erkennt. Diese Kennzahl ist für SaaS von entscheidender Bedeutung, wird jedoch häufig ignoriert.

Customer Effort Score (CES) – ein Indikator dafür, wie einfach es für einen Kunden ist, eine wichtige Aktion auszuführen. Schlechte Integration, eine komplizierte Benutzeroberfläche oder Fehler erhöhen den Aufwand, was zum Verlust des Kunden führt.

Segmented Retention – Die allgemeine Retention mag normal aussehen, aber wenn man sich die Segmente (bezahlter Traffic, organischer Traffic, Referrals) nicht ansieht, bleiben wichtige Muster unsichtbar. Dies ist ein klassischer Fall des Simpson-Paradoxons: Im Allgemeinen weisen die Daten auf einen Trend hin, aber nach der Aufteilung in Segmente zeigt sich das Gegenteil.

Der Kontext entscheidet alles: Wenn Vanity nicht mehr Vanity ist

Es sollte hinzugefügt werden, dass es keine schlechten oder guten Metriken an sich gibt. Die entscheidende Frage lautet: Von wem, in welcher Phase und zu welchem Zweck werden sie verwendet?

Für SMM-Spezialisten ist Engagement eine umsetzbare Kennzahl, die die Effektivität von Inhalten anzeigt. Die Klickrate in der Werbung ist kein Ziel, aber nützlich in A/B-Tests, um festzustellen, was besser funktioniert.

Was gemessen wird, wächst auch. KPI ist nicht nur eine Zahl, sondern eine Denkweise und ein Handlungsfokus.

Wie man mit Metriken effektiv arbeitet

1. Beginnen Sie mit dem Ziel. Was genau muss geändert/verbessert werden? Dies bestimmt die Auswahl der Metriken.
2. Konzentrieren Sie sich auf Indikatoren, die für das Verhalten verantwortlich sind, und nicht nur für die Aktivität.
3. Eine Zahl ohne Kontext ist wertlos. Warum ist sie gestiegen/gefallen? Was ist im externen Umfeld passiert?4. Überprüfen Sie regelmäßig die Relevanz der Metriken. Was zu Beginn wichtig war, kann in der Skalierungsphase hinderlich sein.

Ja, nicht alle Daten haben das gleiche Gewicht, und nicht jede Kennzahl ist wirklich nützlich. Wenn man sich mit Zahlen befasst, ist es wichtig, die richtigen Fragen zu stellen und die Antworten zu verstehen. Genau darin liegt die Stärke einer hochwertigen Geschäftsanalyse: zu erkennen, wo der wahre Wert der Daten liegt, und ihn in effektive Maßnahmen umzusetzen.

Genau das tun wir bei IWIS: Wir helfen Unternehmen dabei, ihre Analysen so zu strukturieren, dass sie für das Geschäft arbeiten und nicht Schwachstellen hinter einer schönen Fassade verbergen.