{"id":7059,"date":"2026-06-12T16:10:29","date_gmt":"2026-06-12T16:10:29","guid":{"rendered":"https:\/\/iwis.io\/?p=7059"},"modified":"2026-06-09T15:38:24","modified_gmt":"2026-06-09T15:38:24","slug":"7-online-store-metrics","status":"publish","type":"post","link":"https:\/\/iwis.io\/de\/blog\/7-online-store-metrics\/","title":{"rendered":"7 Kennzahlen f\u00fcr Online-Shops, ohne die Sie Ihren Gewinn nicht steuern k\u00f6nnen"},"content":{"rendered":"","protected":false},"excerpt":{"rendered":"","protected":false},"author":2,"featured_media":7058,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[358,50],"tags":[],"class_list":["post-7059","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-business-intelligence","category-e-commerce"],"acf":{"blog_custom_title":"7 Kennzahlen f\u00fcr Online-Shops, ohne die Sie Ihren Gewinn nicht steuern k\u00f6nnen","blog_featured_image":7058,"blog_custom_excerpt":"","blog_external_url":"","blog_categories":[358,50],"blog_tags":false,"blog_featured_post":false,"blog_content_blocks":[{"acf_fc_layout":"text_block","text_content":"Eine der einflussreichsten Entscheidungen im Einzelhandel war die Einf\u00fchrung des \u201eRetail Link\u201c-Systems durch Walmart in den 1990er Jahren. Das Unternehmen begann, seinen Lieferanten in Echtzeit Informationen \u00fcber die Verkaufszahlen jedes Artikels in jeder Filiale zu \u00fcbermitteln. Die Lieferanten konnten so erkennen, was gekauft wurde und was nicht, und passten ihre Produktion und Logistik entsprechend an. Infolgedessen reduzierte Walmart seine Lagerbest\u00e4nde, verringerte die Anzahl der Lieferengp\u00e4sse und wuchs zum gr\u00f6\u00dften Einzelh\u00e4ndler der Welt heran. Diese ganze Revolution basierte auf einem einzigen Prinzip: Man kann nur das steuern, was man misst.\r\n\r\nDie 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 \u00dcberfluss an Kennzahlen nicht vor falschen Entscheidungen sch\u00fctzt, sondern diese im Gegenteil sogar provoziert.\r\n\r\nIn diesem Leitfaden analysieren wir, welche E-Commerce-Kennzahlen tats\u00e4chlich den Gewinn beeinflussen, wo diese Daten gespeichert sind und wie man sie zu einem Gesamtbild zusammenf\u00fchrt.\r\n

Warum Shop-Betreiber auf die falschen Zahlen schauen<\/strong><\/h2>\r\n

Die Illusion von Umsatz ohne Gewinn<\/strong><\/h3>\r\nStellen Sie sich vor, Ihr Shop hat seinen Umsatz innerhalb eines Jahres von 2 auf 4 Millionen UAH gesteigert. Ist das ein Erfolg? Das h\u00e4ngt 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 \u2013 dann drehen Sie einfach nur schneller am Rad der Verluste.\r\n\r\nDer Umsatz ist die beliebteste Kennzahl auf E-Commerce-Dashboards und gleichzeitig die f\u00fcr Managemententscheidungen am wenigsten aussagekr\u00e4ftige. Er zeigt das Ausma\u00df der Gesch\u00e4ftst\u00e4tigkeit, sagt aber nichts \u00fcber deren Effizienz aus. Ein Unternehmen kann im Umsatz wachsen und gleichzeitig in den Verlusten versinken.\r\n

Typische Fehler bei der Interpretation von Daten<\/strong><\/h3>"},{"acf_fc_layout":"list_block","list_title":"Hier einige Szenarien, denen Ladenbesitzer regelm\u00e4\u00dfig begegnen:","list_type":"ul","list_items":[{"item_text":"Konzentrieren Sie sich auf den Traffic statt auf die Conversion-Rate. Tausende Besucher sehen im Bericht zwar gut aus, aber wenn die Conversion-Rate nur 0,3 % betr\u00e4gt, liegt das Problem nicht an der Besucherzahl."},{"item_text":"Durchschnittlicher Rechnungsbetrag ohne Marge. Ein hoher Rechnungsbetrag kann unrentabel sein, wenn er Artikel mit geringer Marge enth\u00e4lt oder ein zu hoher Rabatt gew\u00e4hrt wird."},{"item_text":"CAC ohne LTV. Die Kosten f\u00fcr die Kundengewinnung sind f\u00fcr sich genommen bedeutungslos, erst im Vergleich zum Kundenwert \u00fcber die gesamte Kundenbeziehung hinweg f\u00fcr das Unternehmen."},{"item_text":"Werbeanalysen statt End-to-End-Analyse. Das Meta-Dashboard zeigt Conversions an, Google Analytics seine eigenen, das CRM-System die Daten anderer. Die Zahlen stimmen nicht \u00fcberein, und niemand wei\u00df, welchen Daten man trauen kann."}]},{"acf_fc_layout":"text_block","text_content":"

Kennzahlen, ohne die man E-Commerce nicht steuern kann<\/strong><\/h2>\r\nHier finden Sie nicht die gesamte Liste aller m\u00f6glichen Kennzahlen (es gibt Hunderte davon), sondern nur diejenigen, die in direktem Zusammenhang mit dem Gewinn stehen und aussagekr\u00e4ftige Informationen f\u00fcr Entscheidungen liefern.\r\n

1. Kundenakquisitionskosten<\/strong><\/h3>\r\nCAC (Customer Acquisition Cost) \u2013 wie viel kostet ein neuer Kunde das Unternehmen unter Ber\u00fccksichtigung aller Marketing- und Vertriebskosten?\r\n\r\nFormel: CAC = Summe der Marketing- und Vertriebskosten \/ Anzahl der Neukunden im gleichen Zeitraum.\r\n\r\nWichtiger Hinweis: In den CAC eines Online-Shops sollten nicht nur Werbekosten einflie\u00dfen, sondern auch die Personalkosten des Teams, die Kosten f\u00fcr Tools und Provisionen f\u00fcr Agenturen. Wenn man nur das Werbebudget ber\u00fccksichtigt, f\u00e4llt die Zahl irref\u00fchrend niedrig aus.\r\n\r\nAls g\u00e4ngiger Richtwert gilt ein Verh\u00e4ltnis von LTV:CAC von 3:1 oder h\u00f6her.\r\n

2. Lebenszeitwert des Kunden<\/strong><\/h3>\r\nLTV (Lifetime Value) \u2013 der Gesamtgewinn, den ein Kunde w\u00e4hrend der gesamten Dauer seiner Zusammenarbeit mit dem Shop einbringt. W\u00e4hrend der CAC die Kosten angibt, steht der LTV f\u00fcr die Rendite auf diese Kosten.\r\n\r\nEinfache Formel: LTV = Durchschnittlicher Warenkorbwert \u00d7 Kaufh\u00e4ufigkeit \u00d7 Kundenbindungsdauer \u00d7 Marge.\r\n\r\nEin Unternehmen, das den LTV seiner Kunden im E-Commerce kennt, kann sich zu Beginn einen h\u00f6heren CAC leisten, da es wei\u00df: Der Kunde macht sich bereits beim zweiten oder dritten Kauf bezahlt. Ohne diese Kennzahl werden Marketingentscheidungen blind getroffen.\r\n\r\nEin konkretes Beispiel: Amazon Prime. Im Jahr 2024 gaben Abonnenten 1.170 $ pro Jahr aus, mehr als doppelt so viel wie normale K\u00e4ufer (570 $). Da Amazon diesen LTV kennt, kann das Unternehmen das Abonnement subventionieren, da sich diese Kosten durch wiederholte K\u00e4ufe amortisieren.\r\n

3. Konversion und Mikrokonversionen<\/strong><\/h3>\r\nKonversion \u2013 der Prozentsatz der Besucher, die eine Zielaktion (einen Kauf) durchgef\u00fchrt haben. Laut Branchenstudien liegt die durchschnittliche Konversionsrate von Online-Shops in der Regel zwischen 1 % und 4 %, je nach Nische und Traffic-Quellen.\r\n\r\nAber 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.\r\n

4. Durchschnittlicher Bestellwert und Kaufh\u00e4ufigkeit<\/strong><\/h3>\r\nDer durchschnittliche Bestellwert (Average Order Value) ist der durchschnittliche Betrag einer einzelnen Transaktion. Diese Kennzahl wirkt sich direkt auf den Umsatz aus und l\u00e4sst sich gleichzeitig leicht durch Upselling, Cross-Selling und Schwellenrabatte steuern (z. B. \u201ekostenloser Versand ab 1500 UAH\u201c).\r\n\r\nKaufh\u00e4ufigkeit \u2013 wie oft im Jahr kehrt ein Kunde zur\u00fcck. Zusammen mit dem durchschnittlichen Bestellwert bildet sie den Kern des LTV. Selbst eine geringe Steigerung der Kaufh\u00e4ufigkeit von 2 auf 3 K\u00e4ufe pro Jahr f\u00fchrt zu einem Umsatzplus von 50 % bei demselben Kunden, ohne dass zus\u00e4tzliche Kundenakquise erforderlich ist.\r\n\r\nDiese beiden Kennzahlen sollten nach Kaufkan\u00e4len und Kohorten segmentiert werden. Kunden von Instagram haben m\u00f6glicherweise einen anderen Durchschnittswert als Kunden von Google, und dieser Unterschied ist ein direkter Hinweis f\u00fcr die Budgetverteilung.\r\n

5. Margen nach SKU und Kategorien<\/strong><\/h3>\r\nDies ist eine Kennzahl, die in Dashboards meist fehlt, dabei aber den gr\u00f6\u00dften Einfluss auf den tats\u00e4chlichen Gewinn hat. Ein Shop kann eine Kategorie aktiv bewerben, die 30 % des Umsatzes generiert, doch ist diese Kategorie defizit\u00e4r, da die Marge unter den Kosten f\u00fcr Logistik und Werbung liegt.\r\n\r\nDie Margen nach SKU erfordern die Zusammenf\u00fchrung von Daten zu Selbstkosten (aus dem Lagersystem oder vom Lieferanten), Verkaufspreis, Versand- und R\u00fccksendekosten sowie Werbekosten auf Artikelebene. Dies ist technisch aufwendiger als die Berechnung der Gesamtmarge, f\u00fchrt jedoch zu Entscheidungen von grundlegend anderer Qualit\u00e4t.\r\n\r\nDas bekannte 80\/20-Prinzip im E-Commerce sieht oft so aus: 20 % der SKUs bringen 80 % des Gewinns, w\u00e4hrend die restlichen 80 % der Artikel entweder kostendeckend sind oder Verluste verursachen. Ohne eine nach Artikeln aufgeschl\u00fcsselte Online-Verkaufsanalyse werden Sie dies niemals erkennen.\r\n

6. R\u00fccklaufquote (Return Rate)<\/strong><\/h3>\r\nDie R\u00fccklaufquote ist der Prozentsatz der zur\u00fcckgesendeten Bestellungen. Bei den Kategorien Bekleidung und Schuhe kann dieser Wert 20\u201330 % erreichen, und jede R\u00fccksendung bedeutet Kosten f\u00fcr Logistik, Wiederherstellung des Verkaufszustands und Bearbeitung der Anfrage.\r\n\r\nEine hohe R\u00fccklaufquote ist oft ein Symptom f\u00fcr ungenaue Produktbeschreibungen, minderwertige Fotos oder Abweichungen in der Gr\u00f6\u00dfentabelle. Die Verfolgung dieser Kennzahl nach Kategorien und SKUs erm\u00f6glicht es, konkrete Ursachen zu finden und diese zu beheben.\r\n

7. Kundenbindungsrate (Retention Rate) und Abwanderungsrate (Churn)<\/strong><\/h3>\r\nDie Retention Rate ist der Prozentsatz der Kunden, die innerhalb eines bestimmten Zeitraums einen Wiederholungskauf get\u00e4tigt haben. Ihr Gegenst\u00fcck ist die Churn Rate (Abwanderungsrate). Zusammen zeigen sie, welcher Anteil der Kunden nach dem ersten Kauf zum Shop zur\u00fcckkehrt und wie stabil der Stammkundenstamm ist.\r\n\r\nDie 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 zur\u00fcckgekehrt sind, und k\u00f6nnen vorhersagbare Kohorten-Umsatzmodelle erstellen.\r\n\r\nWo befinden sich die Unternehmensdaten und warum sind sie fragmentiert?\r\n\r\nEin Online-Shop im Jahr 2026 ist ein \u00d6kosystem aus 5 bis 15 verbundenen Plattformen. Jede speichert einen Teil der Wahrheit \u00fcber das Unternehmen, und keine sieht das Gesamtbild f\u00fcr sich allein.\r\n

Google Analytics 4 und Werbekonten<\/strong><\/h3>\r\nGA4 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 Kan\u00e4le betreiben, \u00fcbersteigt die Summe der \u201eConversions\u201c in den Konten oft die tats\u00e4chliche Anzahl der Bestellungen um das 1,5- bis 2-fache. Dies ist ein Attributions\u00fcberlappung, die die Bewertung der Kanaleffizienz systematisch verzerrt.\r\n

CRM und Kundendaten<\/strong><\/h3>\r\nDas CRM ist der einzige Ort, an dem das vollst\u00e4ndige Kundenprofil gespeichert werden sollte: alle K\u00e4ufe, Kan\u00e4le des ersten und weiterer Kontakte, Verhalten im Trichter, Supportanfragen. In der Praxis verf\u00fcgen die meisten ukrainischen Online-Shops entweder gar nicht \u00fcber ein CRM oder f\u00fchren es nur teilweise \u2013 sie erfassen zwar Transaktionen, sammeln aber keine Kohortenanalysen und sehen den LTV nicht nach Quelle aufgeschl\u00fcsselt.\r\n\r\nOhne ein qualitativ hochwertiges CRM ist es unm\u00f6glich, verl\u00e4ssliche KPIs des Online-Shops zu CAC, LTV oder Retention Rate zu berechnen. Alle \u00fcbrigen Analysen basieren auf Sand.\r\n

Lagersystem und Best\u00e4nde<\/strong><\/h3>\r\nDas Lagersystem (WMS oder Buchhaltungssoftware wie 1C oder Finmap) speichert die Selbstkosten der Waren, Best\u00e4nde und Bewegungen. Dies ist die einzige M\u00f6glichkeit, die tats\u00e4chliche Marge pro SKU zu berechnen, doch diese Daten werden selten mit den Werbekosten und GA4 verkn\u00fcpft.\r\n\r\nEin typisches Szenario: Ein Marketingmitarbeiter bewirbt aktiv ein Produkt, dessen Verkauf weniger Gewinn bringt als erwartet. Er wei\u00df das nicht, da die Daten zur Selbstkosten im Buchhaltungsprogramm und die Werbekosten im Meta-Dashboard liegen. Niemand hat beides miteinander verkn\u00fcpft.\r\n

Wie man alles in einem einzigen Analyse-Dashboard zusammenfasst<\/strong><\/h2>\r\n

Datenarchitektur f\u00fcr E-Commerce<\/strong><\/h3>\r\nEin einheitliches Analysebild erfordert einen zentralen Ort, an dem Daten aus allen Quellen in einem einheitlichen Format zusammengef\u00fchrt werden. Die klassische Architektur sieht wie folgt aus:"},{"acf_fc_layout":"list_block","list_title":"","list_type":"ul","list_items":[{"item_text":"Datenquellen: GA4, Werbeschr\u00e4nke, CRM, WMS, Zahlungssystem, Logistikdienst."},{"item_text":"ETL-Schicht: Werkzeuge, die Daten extrahieren, transformieren und in ein einziges Repository laden."},{"item_text":"Data Warehouse: Cloud-Speicher (BigQuery, Snowflake, Redshift), in dem normalisierte Tabellen gespeichert werden."},{"item_text":"Visualisierung: BI-Tool (Power BI, Looker Studio, Tableau) mit Dashboards f\u00fcr spezifische Rollen - Inhaber, Marketingexperte, Finanzexperte."}]},{"acf_fc_layout":"text_block","text_content":"

ETL: Was die Quellen verbindet<\/strong><\/h3>\r\nETL (Extract, Transform, Load) \u2013 ein Prozess, bei dem Daten aus verschiedenen Quellen gesammelt, bereinigt und in ein Data Warehouse geladen werden. Im E-Commerce kann dies \u00fcber vorgefertigte Konnektoren oder benutzerdefinierte Skripte f\u00fcr spezifische Integrationen umgesetzt werden.\r\n\r\nIn der Praxis ist die Normalisierung die gr\u00f6\u00dfte Herausforderung: In Google Ads bedeutet \u201eConversion\u201c 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.\r\n

Beispiel f\u00fcr ein Dashboard in Power BI<\/strong><\/h3>\r\nEine typische Dashboard-Struktur f\u00fcr E-Commerce umfasst 4 Ebenen:"},{"acf_fc_layout":"table_block","table_header":[{"header_text":"Ebene"},{"header_text":"Was zeigt es?"},{"header_text":"Publikum"}],"table_rows":[{"row_cells":[{"cell_content":"Executive"},{"cell_content":"Umsatz, Gewinn, LTV\/CAC, Kundenbindung"},{"cell_content":"Inhaber \/ Gesch\u00e4ftsf\u00fchrer"}]},{"row_cells":[{"cell_content":"Marketing"},{"cell_content":"CAC nach Kan\u00e4len, ROAS, Funnel, Konversion"},{"cell_content":"Vermarkter"}]},{"row_cells":[{"cell_content":"Product"},{"cell_content":"Marginalit\u00e4t nach Artikelnummer, R\u00fcckgabequote, Top\/"},{"cell_content":"Kategorienmanager"}]},{"row_cells":[{"cell_content":"Operations"},{"cell_content":"Restbest\u00e4nde, Umsatz, Bearbeitungszeit\u0437\u0430\u043c\u043e\u0432\u043b\u0435\u043d\u044c"},{"cell_content":"Betriebsleiter"}]}]},{"acf_fc_layout":"text_block","text_content":"Der Aufbau eines solchen Systems ist ein BI-Implementierungsprojekt,<\/a> das von Ihrer aktuellen Infrastruktur und der Anzahl der Datenquellen abh\u00e4ngt. Doch selbst eine Basisversion \u2013 die GA4, Werbe-Dashboards und das CRM in einem einzigen Bericht zusammenf\u00fchrt \u2013 bietet einen qualitativen Sprung im Gesch\u00e4ftsverst\u00e4ndnis im Vergleich zur Arbeit mit einzelnen Plattformen.\r\n

Checkliste zur Analytics-Bereitschaft f\u00fcr Ihren Shop<\/strong><\/h2>\r\n