Conversion-Optimierung im Schweizer Onlineshop: Kennzahlen, Tests und Massnahmen

Warum sich Kennzahlen im Schweizer Onlineshop lohnen

Viele Betreiberinnen und Betreiber eines Onlineshops sitzen über ihren Zahlen und sind unsicher, ob alles rund läuft. Zwischen Bestellabwicklung, Lager und Kundenservice bleibt kaum Zeit, aus einem Bauchgefühl eine fundierte Einschätzung zu machen.

Kennzahlen – Key Performance Indicators (KPIs) – sind spezifische, messbare Grössen, mit denen sich der Erfolg eines Unternehmens, eines Projekts oder eines Geschäftsbereichs bewerten lässt. Im Onlineshop zeigen sie, wie gut ein Bereich abschneidet, und liefern die Daten für gezielte Optimierungen.

Conversion-Optimierung hat drei Bausteine: Kennzahlen, Tests und Massnahmen. Kennzahlen schaffen die Ausgangslage, Tests prüfen einzelne Änderungen, Massnahmen setzen um, was sich bewährt hat. Für Schweizer Shops kommen zwei Rahmenbedingungen hinzu: die Preisbekanntgabeverordnung (PBV) im Checkout und das Datenschutzgesetz (DSG) bei Tracking und Webanalyse.

Die drei Teile liefern Konkretes. Der erste benennt die Grössen: Conversion Rate, durchschnittlicher Bestellwert, Warenkorbabbruchrate, Customer Lifetime Value sowie Website-Traffic, Traffic-Quelle und Bounce-Rate. Der zweite beschreibt die Verfahren: A/B-Test, A/B/n-Test, multivariater Test, Weiterleitungstest, serverseitiger Test und Personalisierung. Der dritte die umzusetzenden Schritte im Checkout und beim Kundenwert.

Kennzahlen dienen der Orientierung, nicht der Selbstdarstellung. Sie zeigen, wo Besuchende im Verkaufsprozess abspringen, welche Kanäle Bestellungen bringen und ob eine Anpassung im Shop etwas verändert hat. Das Urteilsvermögen ersetzen sie nicht; sie schaffen dessen Grundlage.

Für kleine und mittlere Schweizer Onlineshops ist eine überschaubare Auswahl an Grössen wichtig. Ohne eigene Analytics-Abteilung muss diese regelmässig geprüft und verstanden werden. Wer wenige Kennzahlen konsequent verfolgt, fährt meist besser als jemand, der ein Dutzend Zahlen sammelt und daraus keine Entscheidungen ableitet.

Conversion Rate: Definition, Berechnung und ihre Tücken

Die Conversion Rate gibt den prozentualen Anteil der Shop-Nutzenden an, die eine gewünschte Aktion ausführen. Im E-Commerce ist das meist ein Kauf. Eine Conversion Rate von 1 Prozent heisst: 1 von 100 Besuchenden hat gekauft. Bei 1'000 Besuchenden und 20 Bestellungen liegt die Quote bei 2 Prozent.

Wie viel eine Verbesserung wert ist, zeigt eine Beispielrechnung. Bei 100'000 Besuchenden pro Monat und einer Conversion Rate von 1,5 Prozent entspricht der Sprung auf 2,5 Prozent dem Faktor 1,67 in jeder umsatzrelevanten Kennzahl – bei gleichbleibendem Werbebudget, SEO-Aufwand und Personalbestand.

Die Rechnung ist einfach, die Deutung heikel. Die Conversion Rate ist eine reine Ja/Nein-Grösse: Eine Person konvertiert oder nicht. So schrumpft ein komplexer Ablauf – vom ersten Seitenaufruf über die Produktsuche bis zum abgeschlossenen Checkout – auf ein einziges Verhältnis.

Der Durchschnittswert allein verrät nicht, warum jemand gekauft hat oder nicht. Zudem verdeckt er die Verteilung. Eine Quote von 2 Prozent kann bedeuten, dass die Leistung stark schwankt – morgens 5 Prozent, abends 0 Prozent –, oder dass sich Segmente unterschiedlich verhalten: Stammkundschaft mit 20 Prozent, Neukundschaft mit 0,5 Prozent.

Auch die Qualitätsdimension fehlt: Ein Kauf über CHF 1'000 zählt in dieser Kennzahl gleich viel wie einer über CHF 10. Wer die Conversion Rate als einzige Wahrheit nimmt, zieht daraus rasch falsche Schlüsse. Aussagekraft gewinnt sie erst im Zusammenspiel mit anderen Kennzahlen und mit einer Segmentierung, die zeigt, wie sich einzelne Gruppen verhalten.

Das Kennzahlen-Set für den Shop-Alltag

Im praktischen Alltag reicht ein kompaktes Set. Die Conversion Rate zeigt die Effizienz des Verkaufstrichters – wie gut aus Besuchenden Käuferinnen und Käufer werden. Der durchschnittliche Bestellwert (Average Order Value, AOV) beantwortet, wie viel Umsatz eine einzelne Bestellung bringt und wie viel Kundinnen und Kunden im Schnitt ausgeben.

Die Warenkorbabbruchrate (Cart Abandonment Rate) weist auf Probleme im Checkout hin: Springen viele ab, geht Umsatz verloren. Der Customer Lifetime Value (CLV) ordnet ein, wie wertvoll eine Kundin oder ein Kunde über die gesamte Beziehung ist.

Diese vier Grössen wirken nicht isoliert. Eine hohe Conversion Rate bei sehr tiefem Bestellwert kann weniger bringen als eine tiefere Quote mit grossen Warenkörben. Umgekehrt sagt eine steigende Abbruchrate wenig, solange unklar bleibt, ob vor allem Neukundschaft oder Stammkundschaft betroffen ist.

Hinzu kommen Kontextgrössen, ohne die sich nichts einordnen lässt: Website-Traffic und Traffic-Quelle. Erst die Herkunft der Besuchenden – aus Suche, Werbung oder Newsletter – macht verständlich, warum sich Kennzahlen verändern.

Zu diesen Kontextgrössen gehört auch die Bounce-Rate (BR). Sie hält fest, wie viele Besuchende eine Seite verlassen, ohne weiterzuklicken.

Genauso wichtig wie die Kennzahl ist ihre Datenquelle. Die Conversion Rate stammt typischerweise aus der Webanalyse oder aus E-Commerce-Tracking-Tools, die Warenkorbabbruchrate ebenfalls aus der Webanalyse. Der durchschnittliche Bestellwert lässt sich aus den Verkaufsberichten des Shops ableiten, der Customer Lifetime Value aus der Kundenhistorie beziehungsweise dem CRM-System.

Das gebräuchlichste Werkzeug für solche Auswertungen ist Google Analytics, ergänzt durch E-Commerce-Tracking-Tools. Die Warenkorbabbruchrate lässt sich dort ebenfalls ablesen. Wer weiss, woher eine Zahl kommt und was sie nicht abdeckt, deutet sie vorsichtiger und treffsicherer.

In der Schweiz gilt dabei das vollständig revidierte Datenschutzgesetz (DSG). Webanalyse und Tracking laufen meist über Cookies, die nicht nur die Navigation erleichtern, sondern das Onlineverhalten der Nutzer verfolgen können. Die rechtlichen Anforderungen an Shopbetreiber präzisiert der EDÖB in seinem Leitfaden zu Datenbearbeitungen mittels Cookies und ähnlichen Technologien; für Besuchende ist das Cookie-Banner das zentrale Kontrollmittel.

Macro- und Micro-Conversions unterscheiden

Nicht jede Conversion ist ein Kauf. Man unterscheidet Macro- und Micro-Conversions. Macro-Conversions sind die geschäftlich entscheidenden Abschlüsse, im Onlineshop also die Bestellung. Micro-Conversions sind kleinere Zwischenschritte: ein Newsletter-Abo, ein Kontaktformular, das Anlegen eines Kontos oder das Hinzufügen eines Produkts zum Warenkorb.

Micro-Conversions sind wertvoll, weil sie den Weg zum Kauf sichtbar machen. Sehen viele Besuchende Produkte an, füllt aber kaum jemand den Warenkorb, liegt die Hürde früher im Prozess als beim Bezahlen. Wer nur die Kaufquote betrachtet, erkennt diesen Unterschied nicht.

Der zweite Schlüssel ist die Segmentierung. Erst der Vergleich von Neukundschaft und Stammkundschaft, von verschiedenen Kanälen oder von unterschiedlichen Zeitpunkten zeigt, wo ein Problem wirklich sitzt. Ein Durchschnittswert über alle Besuchenden führt regelmässig in die Irre, weil er sehr unterschiedliches Verhalten zu einer Zahl zusammenzieht.

Wo die Interpretation kippt

Ein häufiger Denkfehler ist die Verwechslung von Korrelation und Kausalität. Zwei Zahlen können sich gleichzeitig bewegen, ohne dass die eine die andere verursacht. Wer jede Veränderung sofort einer kürzlich umgesetzten Massnahme zuschreibt, übersieht Saisonalität, Werbekampagnen oder technische Umstellungen.

Besonders heikel sind Verbesserungen mit negativen Ursachen: Steigt die Conversion Rate, weil die Zahl der Besuchenden stärker sinkt als die Zahl der Käufe, ist das kein Erfolg, sondern ein Schrumpfen. Ebenso kann eine aggressive Rabattaktion die Quote heben und gleichzeitig die Marge drücken, sodass unter dem Strich weniger bleibt.

Daraus folgt eine einfache Regel: Eine einzelne Prozentzahl sagt nie, ob eine Massnahme dem Geschäft wirklich nützt. Sie ist immer zusammen mit Umsatz, Bestellwert, Marge und der Entwicklung des Traffics zu betrachten.

Relevante Kennzahlen auswählen statt alles messen

Der sinnvollste Ausgangspunkt ist das Geschäftsziel. Wer den Umsatz mit bestehender Kundschaft steigern will, braucht andere Kennzahlen als jemand, der neue Besuchergruppen erschliessen möchte. Vom Ziel lässt sich ableiten, welche Grössen überhaupt etwas steuern – alles andere darf bewusst entfallen.

Nicht jede Kennzahl ist ein KPI. Ein KPI misst direkt den Geschäftserfolg, die Conversion Rate zeigt dagegen nur das Verhältnis zwischen Besuchenden und Conversions.

Nicht jede Grösse taugt als Leitgrösse. Manche Shops setzen statt der Conversion Rate den Umsatz pro Besucher (Revenue per User) an die Spitze. Er ist robuster gegen Traffic-Schwankungen und gegen einen wechselnden Kanalmix und gleicht Conversion Rate und Bestellwert gegeneinander aus.

Kennzahlen müssen klar definiert und dokumentiert sein. Sonst wird darüber diskutiert, was eine Zahl bedeutet, statt über die Entscheidung, die daraus folgen soll. Bewährt hat sich eine knappe Checkliste für jede verwendete Kennzahl:

Was genau wird gemessen und was nicht? Aus welcher Quelle stammt der Wert, und wie aktuell ist er? In welchem Rhythmus wird sie geprüft, und mit wem wird verglichen?

Welche Schwelle oder Entwicklung ist ein Anlass zum Handeln? Wer im Team ist für die Zahl und die daraus folgenden Massnahmen zuständig?

Diese Definitionen sind regelmässig zu überprüfen und bei Bedarf anzupassen. Wächst der Shop oder verändert sich das Sortiment, kann eine Kennzahl an Aussagekraft verlieren. Dann ist es besser, sie zu ersetzen, als sie aus Gewohnheit weiterzuführen.

Testen statt raten: Experimente richtig aufsetzen

Conversion-Optimierung ist im Kern ein Testbetrieb. Layouts, Call-to-Actions, Formulare und einzelne Checkout-Schritte treten in Varianten gegeneinander an, um zu sehen, welche besser funktioniert. Das ersetzt Meinungsstreit durch Beobachtung.

Ein Test beginnt mit einer klaren Hypothese. Sie benennt die geplante Änderung und die erwartete Wirkung, etwa die Annahme, dass eine Reduktion der Formularfelder die Conversion Rate um 15 Prozent hebt.

Für die Zielsetzung hilft die SMART-Methode: spezifisch, messbar, erreichbar, relevant und zeitgebunden. Damit lässt sich vorab festlegen, welches Element geprüft wird, welche Kennzahl sich verändern soll und wann der Test abgeschlossen ist.

Mehrere Ideen gehören in eine Reihenfolge. Bewährt sind ein priorisierter Backlog und eine festgelegte Leitgrösse (North-Star-Metrik), die als Schiedsrichter über den Erfolg eines Tests dient.

Die gängigen Verfahren lassen sich benennen. Beim A/B-Test sehen zwei Gruppen je eine Variante derselben Seite; der A/B/n-Test stellt zwei oder mehr Varianten gegeneinander. Multivariate Tests prüfen mehrere Elemente einer Seite gleichzeitig und suchen die beste Kombination.

Daneben stehen Weiterleitungstests, bei denen ganze Websites miteinander verglichen werden, und serverseitige Tests, bei denen das Backend die Variante ausspielt. Bei der Personalisierung erhält ein vorab definiertes Besucher- oder Kundensegment eine eigene Variante.

Damit Ergebnisse belastbar bleiben, ist das Vorgehen entscheidend. Die Varianten müssen sauber vergleichbar sein: gleicher Zeitraum, gleiche Kanäle, möglichst ähnliche Besuchergruppen. Ein Test braucht genügend Laufzeit, damit einzelne starke Tage die Ergebnisse nicht verzerren – ein einzelner Aktionstag sagt wenig über das normale Verhalten aus.

Ob ein Ergebnis trägt, entscheidet die Statistik. In der Praxis gilt eine Signifikanz von über 95 Prozent als statistisch signifikant; berechnet wird sie mit dem Chi-Quadrat-Test. Die nötige Stichprobengrösse wird vor dem Start kalkuliert, nicht danach.

Zieht eine Variante mehr Conversions, ist sie in der Regel die Gewinnerin. Ob der Unterschied trägt, entscheidet die statistische Signifikanz; statt von Hand lässt sie sich mit einem Signifikanz-Rechner bestimmen.

Zu kleine Stichproben, zu kurze Laufzeiten, zu viele parallel laufende Tests und eine fehlende Vorab-Definition der Erfolgsmetrik machen ein Ergebnis wertlos. Zeigt ein Test nach 5 Tagen und 200 Conversions pro Variante eine Confidence von 98 Prozent, ist das meist Zufall und kein Signal.

Ebenso wichtig ist der Zuschnitt der Fragestellung. Kleinere, klar abgegrenzte Fragen liefern eher verwertbare Antworten als der Versuch, den ganzen Shop auf einmal umzubauen. Wer eine Änderung nach der anderen prüft, weiss am Ende, welche davon tatsächlich etwas gebracht hat.

Neben den Zahlen helfen qualitative Verfahren. Heatmaps und die Webanalyse zeigen, wo Besuchende abspringen; Gespräche mit Käuferinnen und Käufern sowie mit Nicht-Käufern zeigen, warum.

Zu den neueren Verfahren zählen KI-gestützte Personalisierung und dynamische Tests. Auch sie stossen dort an Grenzen, wo die Zielsetzung unklar bleibt oder die Datenauswertung fehlerhaft ist.

Für das Ausspielen der Varianten gibt es Werkzeuge. Bekannte kostenpflichtige Lösungen sind Optimizely, AB Tasty oder Kameleoon.

Getestet wird unabhängig vom Shopsystem: Ein Shop auf Shopify folgt demselben Ablauf aus Hypothese, Test und Signifikanz wie jeder andere.

Massnahmen im Checkout und auf dem Weg dorthin

Die konkreten Hebel liegen entlang des Verkaufstrichters. Eine niedrige Conversion Rate gibt Anlass, Benutzerfreundlichkeit, Ladegeschwindigkeit und Vertrauen in den Shop zu prüfen. Vertrauen entsteht durch konsistente Signale: klare Angaben zu Versand, Rückgabe und Kontaktmöglichkeiten, eine seriöse Darstellung und die in der Schweiz gängigen Zahlungsarten wie TWINT, Kauf auf Rechnung, PostFinance und Kreditkarte gut sichtbar im Checkout.

Im Checkout sind unerwartete Kosten einer der klassischen Abbruchgründe. Versandkosten oder Zuschläge, die erst am Ende auftauchen, kosten Bestellungen.

Hier greift die Preisbekanntgabeverordnung: Werden Waren im Internet angeboten, die online bestellt werden können, sind die tatsächlich zu bezahlenden Preise in Schweizerfranken anzugeben. Versand- oder Lieferkosten müssen nicht im Warenpreis enthalten sein, aber separat sowie gut sichtbar und lesbar bekanntgegeben werden. Die PBV gilt, wenn sich ein Angebot spezifisch an Schweizer Kundschaft richtet; für den Vollzug sind die Kantone zuständig.

Auch komplizierte Formulare bremsen: Jedes zusätzliche Pflichtfeld ist eine zusätzliche Hürde. Wer nicht wirklich benötigte Felder streicht und Abbruchpunkte im Ablauf entschärft, verbessert typischerweise die Warenkorbabbruchrate.

Als abarbeitbare Reihenfolge hat sich bewährt: erstens den Checkout-Prozess Schritt für Schritt analysieren, zweitens die Hindernisse benennen, drittens den Ablauf vereinfachen, viertens die Varianten testen. Der erste Schritt notiert je Etappe, wie viele Besuchende weiterkommen.

Die Hindernisse lassen sich benennen: unerwartete Kosten, komplizierte Formulare, lange Ladezeiten, fehlendes Vertrauen. Wer sie in dieser Reihenfolge entlang des Ablaufs durchgeht, findet die Stelle, an der die meisten abspringen.

Daraus folgt die Umsetzung: nicht benötigte Pflichtfelder streichen, Versandkosten und Zuschläge früh und vollständig ausweisen, Ladezeiten senken, Zahlungsarten sichtbar machen. Jede dieser Änderungen wird vorher einer Kennzahl zugeordnet, damit sich ihre Wirkung nachher ablesen lässt.

Layouts und Call-to-Actions im Checkout gehören ebenfalls in den Testbetrieb. Sie werden als Varianten gegeneinander ausgespielt, statt nach Gefühl geändert zu werden.

Wichtig ist die Kopplung an eine Kennzahl. Jede Massnahme sollte angeben, woran ihre Wirkung sichtbar werden soll – eine Formularvereinfachung an der Abbruchrate, eine Ladeoptimierung an der Conversion Rate, eine Vertrauensmassnahme an der Quote entlang der betroffenen Schritte. Ohne diese Zuordnung bleibt unklar, ob sich der Aufwand gelohnt hat.

Mehr Umsatz pro Bestellung und mehr langfristiger Kundenwert

Nicht nur die Zahl der Bestellungen, auch ihr Wert lässt sich beeinflussen. Cross-Selling, Upselling und Bündelangebote heben den durchschnittlichen Bestellwert. Dasselbe gilt für Schwellenwerte: Wer einen Rabatt erst ab einem höheren Bestellwert gewährt, motiviert Kundinnen und Kunden, mehr in den Warenkorb zu legen. Solche Anreize sollten jedoch die Marge im Blick behalten.

Langfristig steht der Customer Lifetime Value im Zentrum. Er lässt sich durch Kundenbindungsprogramme, personalisierte Ansprache und guten Kundenservice stärken. Kundenbindung ist häufig günstiger als die Gewinnung neuer Kundschaft, weshalb sich Investitionen in die bestehende Beziehung oft schneller auszahlen als zusätzliche Reichweite.

Für kleinere Onlineshops können automatisierte Abläufe dort einen Unterschied machen, wo wiederkehrende Aufgaben – etwa Willkommensnachrichten, Warenkorberinnerungen oder die Pflege von Kundensegmenten – verlässlich und ohne ständigen manuellen Aufwand erledigt werden sollen. Voraussetzung bleibt eine saubere Datenbasis, sonst automatisiert man lediglich Fehler.

Ein Kreislauf statt eines einmaligen Projekts

Conversion-Optimierung ist kein Projekt mit Enddatum, sondern ein wiederkehrender Ablauf: messen, interpretieren, testen, umsetzen – und danach erneut messen. Jede umgesetzte Massnahme verändert die Ausgangslage und wirft neue Fragen auf.

Der Wert dieses Kreislaufs liegt nicht in den Zahlen selbst. Kennzahlen sind nur so viel wert wie die Entscheidungen, die daraus folgen. Ein Shop, der wenige gut definierte Grössen regelmässig prüft und daraus konkrete Schritte ableitet, lernt schneller als einer, der auf ein umfangreiches, aber ungenutztes Datenpaket setzt.