7 Kennzahlen für Online-Shops, ohne die Sie Ihren Gewinn nicht steuern können

Eine der einflussreichsten Entscheidungen im Einzelhandel war die Einführung des „Retail Link“-Systems durch Walmart in den 1990er Jahren. Das Unternehmen begann, seinen Lieferanten in Echtzeit Informationen über die Verkaufszahlen jedes Artikels in jeder Filiale zu übermitteln. Die Lieferanten konnten so erkennen, was gekauft wurde und was nicht, und passten ihre Produktion und Logistik entsprechend an. Infolgedessen reduzierte Walmart seine Lagerbestände, verringerte die Anzahl der Lieferengpässe und wuchs zum größten Einzelhändler der Welt heran. Diese ganze Revolution basierte auf einem einzigen Prinzip: Man kann nur das steuern, was man misst.

Die Betreiber von Online-Shops im Jahr 2026 haben deutlich mehr Daten vor Augen als damals irgendjemand aus dem Walmart-Team. Das Paradoxe daran ist jedoch, dass ein Überfluss an Kennzahlen nicht vor falschen Entscheidungen schützt, sondern diese im Gegenteil sogar provoziert.

In diesem Leitfaden analysieren wir, welche E-Commerce-Kennzahlen tatsächlich den Gewinn beeinflussen, wo diese Daten gespeichert sind und wie man sie zu einem Gesamtbild zusammenführt.

Warum Shop-Betreiber auf die falschen Zahlen schauen

Die Illusion von Umsatz ohne Gewinn

Stellen Sie sich vor, Ihr Shop hat seinen Umsatz innerhalb eines Jahres von 2 auf 4 Millionen UAH gesteigert. Ist das ein Erfolg? Das hängt davon ab, wie viel Sie ausgegeben haben, um diese Zahl zu erreichen. Wenn sich auch das Werbebudget verdoppelt hat, die Marge gesunken ist und die Retouren gestiegen sind – dann drehen Sie einfach nur schneller am Rad der Verluste.

Der Umsatz ist die beliebteste Kennzahl auf E-Commerce-Dashboards und gleichzeitig die für Managemententscheidungen am wenigsten aussagekräftige. Er zeigt das Ausmaß der Geschäftstätigkeit, sagt aber nichts über deren Effizienz aus. Ein Unternehmen kann im Umsatz wachsen und gleichzeitig in den Verlusten versinken.

Typische Fehler bei der Interpretation von Daten

Kennzahlen, ohne die man E-Commerce nicht steuern kann

Hier finden Sie nicht die gesamte Liste aller möglichen Kennzahlen (es gibt Hunderte davon), sondern nur diejenigen, die in direktem Zusammenhang mit dem Gewinn stehen und aussagekräftige Informationen für Entscheidungen liefern.

1. Kundenakquisitionskosten

CAC (Customer Acquisition Cost) – wie viel kostet ein neuer Kunde das Unternehmen unter Berücksichtigung aller Marketing- und Vertriebskosten?

Formel: CAC = Summe der Marketing- und Vertriebskosten / Anzahl der Neukunden im gleichen Zeitraum.

Wichtiger Hinweis: In den CAC eines Online-Shops sollten nicht nur Werbekosten einfließen, sondern auch die Personalkosten des Teams, die Kosten für Tools und Provisionen für Agenturen. Wenn man nur das Werbebudget berücksichtigt, fällt die Zahl irreführend niedrig aus.

Als gängiger Richtwert gilt ein Verhältnis von LTV:CAC von 3:1 oder höher.

2. Lebenszeitwert des Kunden

LTV (Lifetime Value) – der Gesamtgewinn, den ein Kunde während der gesamten Dauer seiner Zusammenarbeit mit dem Shop einbringt. Während der CAC die Kosten angibt, steht der LTV für die Rendite auf diese Kosten.

Einfache Formel: LTV = Durchschnittlicher Warenkorbwert × Kaufhäufigkeit × Kundenbindungsdauer × Marge.

Ein Unternehmen, das den LTV seiner Kunden im E-Commerce kennt, kann sich zu Beginn einen höheren CAC leisten, da es weiß: Der Kunde macht sich bereits beim zweiten oder dritten Kauf bezahlt. Ohne diese Kennzahl werden Marketingentscheidungen blind getroffen.

Ein konkretes Beispiel: Amazon Prime. Im Jahr 2024 gaben Abonnenten 1.170 $ pro Jahr aus, mehr als doppelt so viel wie normale Käufer (570 $). Da Amazon diesen LTV kennt, kann das Unternehmen das Abonnement subventionieren, da sich diese Kosten durch wiederholte Käufe amortisieren.

3. Konversion und Mikrokonversionen

Konversion – der Prozentsatz der Besucher, die eine Zielaktion (einen Kauf) durchgeführt haben. Laut Branchenstudien liegt die durchschnittliche Konversionsrate von Online-Shops in der Regel zwischen 1 % und 4 %, je nach Nische und Traffic-Quellen.

Aber die Gesamtkonversion ist nur eine grobe Kennzahl. Viel wertvoller sind Mikrokonversionen: der Prozentsatz derjenigen, die einen Artikel in den Warenkorb gelegt haben, der Prozentsatz derjenigen, die den Bestellvorgang begonnen haben, und der Prozentsatz derjenigen, die bis zur Zahlungsseite gelangt sind. Wenn es an einem bestimmten Schritt zu einem Abbruch kommt, ist das bereits ein Hinweis auf ein Problem.

4. Durchschnittlicher Bestellwert und Kaufhäufigkeit

Der durchschnittliche Bestellwert (Average Order Value) ist der durchschnittliche Betrag einer einzelnen Transaktion. Diese Kennzahl wirkt sich direkt auf den Umsatz aus und lässt sich gleichzeitig leicht durch Upselling, Cross-Selling und Schwellenrabatte steuern (z. B. „kostenloser Versand ab 1500 UAH“).

Kaufhäufigkeit – wie oft im Jahr kehrt ein Kunde zurück. Zusammen mit dem durchschnittlichen Bestellwert bildet sie den Kern des LTV. Selbst eine geringe Steigerung der Kaufhäufigkeit von 2 auf 3 Käufe pro Jahr führt zu einem Umsatzplus von 50 % bei demselben Kunden, ohne dass zusätzliche Kundenakquise erforderlich ist.

Diese beiden Kennzahlen sollten nach Kaufkanälen und Kohorten segmentiert werden. Kunden von Instagram haben möglicherweise einen anderen Durchschnittswert als Kunden von Google, und dieser Unterschied ist ein direkter Hinweis für die Budgetverteilung.

5. Margen nach SKU und Kategorien

Dies ist eine Kennzahl, die in Dashboards meist fehlt, dabei aber den größten Einfluss auf den tatsächlichen Gewinn hat. Ein Shop kann eine Kategorie aktiv bewerben, die 30 % des Umsatzes generiert, doch ist diese Kategorie defizitär, da die Marge unter den Kosten für Logistik und Werbung liegt.

Die Margen nach SKU erfordern die Zusammenführung von Daten zu Selbstkosten (aus dem Lagersystem oder vom Lieferanten), Verkaufspreis, Versand- und Rücksendekosten sowie Werbekosten auf Artikelebene. Dies ist technisch aufwendiger als die Berechnung der Gesamtmarge, führt jedoch zu Entscheidungen von grundlegend anderer Qualität.

Das bekannte 80/20-Prinzip im E-Commerce sieht oft so aus: 20 % der SKUs bringen 80 % des Gewinns, während die restlichen 80 % der Artikel entweder kostendeckend sind oder Verluste verursachen. Ohne eine nach Artikeln aufgeschlüsselte Online-Verkaufsanalyse werden Sie dies niemals erkennen.

6. Rücklaufquote (Return Rate)

Die Rücklaufquote ist der Prozentsatz der zurückgesendeten Bestellungen. Bei den Kategorien Bekleidung und Schuhe kann dieser Wert 20–30 % erreichen, und jede Rücksendung bedeutet Kosten für Logistik, Wiederherstellung des Verkaufszustands und Bearbeitung der Anfrage.

Eine hohe Rücklaufquote ist oft ein Symptom für ungenaue Produktbeschreibungen, minderwertige Fotos oder Abweichungen in der Größentabelle. Die Verfolgung dieser Kennzahl nach Kategorien und SKUs ermöglicht es, konkrete Ursachen zu finden und diese zu beheben.

7. Kundenbindungsrate (Retention Rate) und Abwanderungsrate (Churn)

Die Retention Rate ist der Prozentsatz der Kunden, die innerhalb eines bestimmten Zeitraums einen Wiederholungskauf getätigt haben. Ihr Gegenstück ist die Churn Rate (Abwanderungsrate). Zusammen zeigen sie, welcher Anteil der Kunden nach dem ersten Kauf zum Shop zurückkehrt und wie stabil der Stammkundenstamm ist.

Die Gewinnung eines neuen Kunden kostet ein Vielfaches mehr als die Bindung eines bestehenden. Unternehmen, die die Retention verfolgen, kennen den genauen Prozentsatz der Kunden, die innerhalb von 30, 60 und 90 Tagen zurückgekehrt sind, und können vorhersagbare Kohorten-Umsatzmodelle erstellen.

Wo befinden sich die Unternehmensdaten und warum sind sie fragmentiert?

Ein Online-Shop im Jahr 2026 ist ein Ökosystem aus 5 bis 15 verbundenen Plattformen. Jede speichert einen Teil der Wahrheit über das Unternehmen, und keine sieht das Gesamtbild für sich allein.

Google Analytics 4 und Werbekonten

GA4 erfasst das Nutzerverhalten auf der Website: Sitzungen, Pfade, Trichter, Ereignisse. Werbekonten (Google Ads, Meta, TikTok) zeigen Klickkosten, Klickrate (CTR) und Conversions nach ihrer internen Attribution an. Das Problem: Jede Plattform schreibt sich die Conversions selbst zu, und wenn Sie drei Kanäle betreiben, übersteigt die Summe der „Conversions“ in den Konten oft die tatsächliche Anzahl der Bestellungen um das 1,5- bis 2-fache. Dies ist ein Attributionsüberlappung, die die Bewertung der Kanaleffizienz systematisch verzerrt.

CRM und Kundendaten

Das CRM ist der einzige Ort, an dem das vollständige Kundenprofil gespeichert werden sollte: alle Käufe, Kanäle des ersten und weiterer Kontakte, Verhalten im Trichter, Supportanfragen. In der Praxis verfügen die meisten ukrainischen Online-Shops entweder gar nicht über ein CRM oder führen es nur teilweise – sie erfassen zwar Transaktionen, sammeln aber keine Kohortenanalysen und sehen den LTV nicht nach Quelle aufgeschlüsselt.

Ohne ein qualitativ hochwertiges CRM ist es unmöglich, verlässliche KPIs des Online-Shops zu CAC, LTV oder Retention Rate zu berechnen. Alle übrigen Analysen basieren auf Sand.

Lagersystem und Bestände

Das Lagersystem (WMS oder Buchhaltungssoftware wie 1C oder Finmap) speichert die Selbstkosten der Waren, Bestände und Bewegungen. Dies ist die einzige Möglichkeit, die tatsächliche Marge pro SKU zu berechnen, doch diese Daten werden selten mit den Werbekosten und GA4 verknüpft.

Ein typisches Szenario: Ein Marketingmitarbeiter bewirbt aktiv ein Produkt, dessen Verkauf weniger Gewinn bringt als erwartet. Er weiß das nicht, da die Daten zur Selbstkosten im Buchhaltungsprogramm und die Werbekosten im Meta-Dashboard liegen. Niemand hat beides miteinander verknüpft.

Wie man alles in einem einzigen Analyse-Dashboard zusammenfasst

Datenarchitektur für E-Commerce

Ein einheitliches Analysebild erfordert einen zentralen Ort, an dem Daten aus allen Quellen in einem einheitlichen Format zusammengeführt werden. Die klassische Architektur sieht wie folgt aus:

ETL: Was die Quellen verbindet

ETL (Extract, Transform, Load) – ein Prozess, bei dem Daten aus verschiedenen Quellen gesammelt, bereinigt und in ein Data Warehouse geladen werden. Im E-Commerce kann dies über vorgefertigte Konnektoren oder benutzerdefinierte Skripte für spezifische Integrationen umgesetzt werden.

In der Praxis ist die Normalisierung die größte Herausforderung: In Google Ads bedeutet „Conversion“ das eine, bei Meta etwas anderes und im CRM wieder etwas anderes. Die ETL-Schicht muss all diese Definitionen auf einen gemeinsamen Nenner bringen, da das Dashboard sonst zwar technisch korrekte Zahlen anzeigt, diese aber nicht miteinander vergleichbar sind.

Beispiel für ein Dashboard in Power BI

Eine typische Dashboard-Struktur für E-Commerce umfasst 4 Ebenen:

Der Aufbau eines solchen Systems ist ein BI-Implementierungsprojekt, das von Ihrer aktuellen Infrastruktur und der Anzahl der Datenquellen abhängt. Doch selbst eine Basisversion – die GA4, Werbe-Dashboards und das CRM in einem einzigen Bericht zusammenführt – bietet einen qualitativen Sprung im Geschäftsverständnis im Vergleich zur Arbeit mit einzelnen Plattformen.

Checkliste zur Analytics-Bereitschaft für Ihren Shop

• Kennen Sie Ihre CAC-Kosten, aufgeschlüsselt nach Kanälen?
• Berechnen Sie den LTV nach Akquisitionskohorten?
• Werden Funnel-Mikrokonversionen in GA4 erfasst?
• Ist die Rentabilität auf SKU- und Kategorieebene bekannt?
• Wird die Rücklaufquote erfasst und nach Gründen analysiert?
• Ist die Kundenbindungsrate für 30/60/90 Tage bekannt?
• Werden Daten aus allen Kanälen in einem einzigen Bericht konsolidiert?
• Wird die Werbeattribution anhand von CRM-Daten überprüft?
• Gibt es automatisierte Warnmeldungen bei Anomalien in Schlüsselkennzahlen?

Wenn Sie häufiger mit „Nein“ als mit „Ja“ geantwortet haben – das ist Ihr Ausgangspunkt. Die meisten ukrainischen Online-Shops befinden sich derzeit in diesem Zustand: Es gibt zwar Daten, aber sie sind fragmentiert, und es fehlt der Gesamtüberblick.

Kostenlose E-Commerce-Analytik-Beratung von IWIS

Analytik für einen Online-Shop ermöglicht faktenbasierte Entscheidungsfindung: wo das Budget gekürzt, wo expandiert, welche Produkte eingestellt und welche beworben werden sollen. Das IWIS-Team entwickelt E-Commerce-Analysen, von der Datenerfassungsstrategie bis hin zu fertigen Dashboards.

Wenn Sie verstehen möchten, wo derzeit Lücken in Ihren Analysen bestehen – vereinbaren Sie eine kostenlose Beratung mit uns. Wir bewerten Ihre aktuelle Situation, ermitteln Prioritäten und schlagen einen konkreten Aktionsplan vor.

Der erste Schritt ist immer einfacher, als es scheint. Und er ist völlig unverbindlich.