E-Commerce-Analytics: Wichtige Kennzahlen, Tools & Dashboard-Leitfaden (2026)

E-Commerce-Analytics ist das System, mit dem ein Shop versteht, was sich verkauft, wer kauft, welche Kanäle profitable Kund:innen bringen und wo Käufer:innen hängen bleiben.

Der Fehler besteht darin, jede Zahl gleichzeitig tracken zu wollen. Ein besseres Analytics-Programm startet mit Entscheidungen: welche Produkte beworben werden sollen, welche Traffic-Quellen Budget bekommen, welche Checkout-Probleme behoben werden müssen, welche Kundensegmente gehalten werden sollen und welche Lifecycle-Kampagnen mehr Investment verdienen.

Aktuelles Suchverhalten zeigt praktische Absicht. Suchende wollen die besten E-Commerce-Analytics-Tools, die wirklich wichtigen Kennzahlen, Dashboard-Beispiele und Setup-Anleitungen für Google Analytics 4, Shopify, E-Mail-Analytics, Heatmaps und Kundendaten. Die offizielle Shopify-Dokumentation betont Dashboards und Reports für Sales, Sessions, Transaktionen, Web-Performance und Merchandising-Entscheidungen. Google-Analytics-Dokumentation fokussiert E-Commerce-Events und Mess-Setup. Brevos Reporting-Dokumentation zeigt außerdem, warum E-Mail-Kennzahlen heute sorgfältig interpretiert werden müssen, weil Apple Mail Privacy Protection und Bot-Aktivität Öffnungen und Klicks aufblasen können.

Dieser Leitfaden behält die nützliche Struktur des ursprünglichen Artikels bei: Kennzahlen, Tools, Dashboard-Aufbau, Wachstums-Use-Cases, E-Mail-Analytics und ein Startplan. Jede Sektion wird zu einem vollständigen Analytics-Playbook für E-Commerce-Teams ausgebaut.

Schnelle Antwort

Der beste E-Commerce-Analytics-Stack ist meist ein geschichtetes System:

Wenn du bei null startest, kaufe nicht zuerst eine komplexe Analytics-Suite. Starte mit:

1. Den nativen Analytics deiner Commerce-Plattform.
2. Google Analytics 4 E-Commerce-Events.
3. Google Search Console.
4. Deinem E-Mail- und SMS-Reporting.
5. Einem einzigen Dashboard mit Tages-, Wochen- und Monatsansichten.
6. Einem Prozess, der Tracking-Qualität prüft, bevor du den Zahlen vertraust.

Ergänze danach Kundendaten-Sync, Heatmaps, Kohortenanalyse und fortgeschrittene Product Analytics, wenn das Unternehmen konkrete Entscheidungen hat, die diese Tools verbessern.

Wichtige E-Commerce-Kennzahlen

Gute E-Commerce-Analytics trennt Vanity Metrics von Entscheidungskennzahlen.

Eine Vanity Metric sieht beeindruckend aus, verändert aber keine Entscheidung. Eine Entscheidungskennzahl zeigt dir, wo du Geld ausgeben, was du reparieren, welche Zielgruppe du ansprechen, welches Produkt du hervorheben oder welche Customer Journey du verbessern solltest.

Umsatz- und Profitkennzahlen

Umsatz allein reicht nicht. Ein Shop kann Umsatz steigern und gleichzeitig Marge verlieren, Kund:innen mit niedriger Qualität akquirieren, zu aggressiv rabattieren oder Retouren erhöhen.

Nutze Umsatzkennzahlen, um Fragen zu beantworten wie:

• Welche Produkte verdienen mehr Traffic?
• Welche Produkte verkaufen sich, erzeugen aber niedrige Marge oder hohe Retouren?
• Welche Kampagnen erzeugen profitable Bestellungen, nicht nur Bestellungen?
• Welche Bundles erhöhen AOV, ohne den Deckungsbeitrag zu beschädigen?
• Welche Kanäle brauchen ein anderes Angebot, weil sie Low-Value-Kund:innen anziehen?

Conversion- und Funnel-Kennzahlen

Conversion Rate ist wichtig, aber kein universelles Scoreboard. Ein Shop mit teuren Produkten, langen Kaufzyklen, Wholesale-Kund:innen oder viel Mobile Discovery kann anders konvertieren als ein günstiger Impulskauf-Shop.

Nutze Conversion-Kennzahlen nach Segment statt nur eine siteweite Zahl.

Das Ziel ist nicht einfach, die Conversion Rate zu erhöhen. Das Ziel ist qualifizierte Conversion zu erhöhen und dabei AOV, Marge, Kundenqualität und Kundenerlebnis zu schützen.

Ein starker Rabatt kann zum Beispiel die Conversion Rate erhöhen und Profit senken. Eine bessere Produktempfehlung kann AOV und Marge steigern, auch wenn die Conversion Rate gleich bleibt. Ein Checkout-Fix kann mobile Conversion verbessern, ohne Desktop-Conversion zu verändern.

Customer Economics

Kundenkennzahlen helfen dem Team, das Geschäft nicht nur durch Kampagnen zu sehen. E-Commerce-Wachstum hängt von den Kund:innen ab, die du akquirierst, nicht nur von ihrer ersten Bestellung.

ROAS ist nützlich, sollte aber nicht die einzige Kennzahl sein. Ad-Plattformen können Kund:innen gutschreiben, die ohnehin gekauft hätten. Last-Click-Reporting kann E-Mail, organische Suche, Affiliates, Direct Visits oder Brand Demand unterbewerten. MER, Deckungsbeitrag und Kohorten-Retention geben eine breitere Sicht.

Marketing- und Kanal-Kennzahlen

Kanal-Kennzahlen sind wertvoll, wenn sie mit Kundenverhalten und Umsatz verbunden sind.

Tracke für E-Mail, SMS, WhatsApp, Paid Search, Paid Social, Affiliate, organische Suche und Referral-Traffic:

• Umsatz nach Kanal.
• Bestellungen nach Kanal.
• Neukund:innen nach Kanal.
• Wiederkehrende Kund:innen nach Kanal.
• AOV nach Kanal.
• Deckungsbeitrag nach Kanal.
• Wiederkaufrate nach Akquisekanal.
• Abmeldungen, Opt-outs, Spam-Beschwerden und Suppression-Raten.
• Unterstützte Conversions oder conversational unterstützter Umsatz, wo relevant.

E-Mail- und SMS-Analytics brauchen besondere Sorgfalt. Öffnungen und Klicks können als Richtungssignale nützlich sein, sind aber nicht das finale Geschäftsergebnis. Brevos Reporting-Dokumentation weist darauf hin, dass aktuelles Reporting Apple Mail Privacy Protection und Bot-Aktivität enthalten kann, was gemeldete Öffnungen und Klicks erhöhen kann. Dadurch sind Umsatz, Conversion, Abmeldungen, Opt-outs und Segmentverhalten verlässlicher für Geschäftsentscheidungen.

Analytics-Tools-Stack

Die besten E-Commerce-Analytics-Tools sind nicht für jedes Unternehmen gleich. Der richtige Stack hängt von Shop-Plattform, Traffic-Mix, Kaufkomplexität, Datenqualität, Teamgröße und davon ab, ob der Shop einfaches Reporting oder tiefere Kundendaten-Orchestrierung braucht.

Shopify Analytics oder Plattform-Analytics

Starte mit dem System, in dem Bestellungen tatsächlich passieren.

Shopify Analytics ist die native Quelle für Sales, Sessions, Transaktionen, Produktberichte, Dashboard-Karten und Shop-Reports. Es ist nützlich, weil es das eigene Verständnis der Commerce-Plattform von Bestellungen, Kund:innen, Produkten, Sales Channels und Transaktionen widerspiegelt.

Nutze Plattform-Analytics für:

• Sales- und Bestelltracking.
• Produkt- und Variantenperformance.
• Rabatt- und Promotion-Analyse.
• Sales-Channel-Reporting.
• Retouren- und Fulfillment-Kontext.
• Operative Kennzahlen.
• Dashboards für Shop-Betreiber:innen.

Die Grenze ist, dass Plattform-Analytics normalerweise nicht die gesamte Pre-Purchase-Journey erklärt. Diese Analytics zeigt vielleicht nicht jeden Marketing-Touch, jede Suchanfrage, Session Replay, E-Mail-Automation oder Kundensegmentlogik. Deshalb sollte Plattform-Analytics die Basisschicht sein, nicht die einzige Schicht.

Google Analytics 4

GA4 ist die Standard-Web-Analytics-Schicht für E-Commerce-Events und Traffic-Analyse.

Nutze GA4 für:

• Sessions und Nutzer:innen.
• Traffic-Quellen und Kampagnen.
• Landingpage-Analyse.
• E-Commerce-Events wie view item, add to cart, begin checkout, purchase und refund.
• Funnel Exploration.
• Cross-Device- und Cross-Session-Verhalten, soweit Messung es erlaubt.
• Zielgruppen- und Event-Analyse.

GA4 ist nützlich, erfordert aber sorgfältiges Setup. E-Commerce-Eventnamen, Item-IDs, Währung, Transaction IDs, Refunds, doppelte Events, Consent Mode und Checkout-Tracking müssen geprüft werden. Wenn Transaction IDs doppelt sind oder zweimal feuern, ist Umsatz falsch. Wenn UTMs uneinheitlich sind, wird Kanal-Reporting verrauscht.

Google Search Console

Search Console ist essenziell für organische Suche.

Nutze sie, um zu verstehen:

• Suchanfragen, die Impressionen und Klicks bringen.
• Seiten, die organische Sichtbarkeit gewinnen oder verlieren.
• Durchschnittliche Position nach Suchanfrage und Seite.
• Brand- vs. Non-Brand-Suchnachfrage.
• Performance von Produkt-, Kategorie-, Guide- und Vergleichsseiten.
• Indexierungs- und technische Suchprobleme.

Search Console zeigt Umsatz nicht direkt, aber sie sagt dir, welche organischen Suchintents wachsen oder sinken. Kombiniere sie mit GA4, Shopify und Kunden-/Bestelldaten, um zu verstehen, welche organischen Seiten zu Bestellungen führen.

Brevo und Marketing-Plattform-Analytics

Deine Marketing-Plattform sollte zeigen, wie Kampagnen und Automationen performen.

Tracke für Brevo oder eine ähnliche E-Mail-/SMS-Plattform:

• Kampagnen-Sends.
• Zustellungen.
• Bounces.
• Öffnungen und Klicks, mit Vorsicht.
• Abmeldungen und Beschwerden.
• Umsatz- oder Conversion-Events, wo integriert.
• Automation-Performance nach Flow.
• Segmentperformance.
• Listenwachstum und Opt-in-Quelle.
• Suppression- und Consent-Änderungen.

Behandle nicht jede Öffnung als Absicht. Apple Mail Privacy Protection und Bot-Aktivität können Öffnungs- und Klickmetriken verzerren. Nutze Öffnungen und Klicks als Diagnosesignale und validiere Kampagnenqualität dann mit Umsatz, Conversions, Opt-outs, Wiederkäufen und Kundenbewegung zwischen Lifecycle-Phasen.

Für Shopify-Teams mit Brevo hilft Tajo, Shopify-Kund:innen, Bestellungen, Produktdaten, Lifecycle-Events und Brevo-Kontaktkontext synchron zu halten, damit Kampagnen-Analytics nicht in getrennten Systemen festsitzen.

Tajo für Kundendaten-Sync

Analytics bricht, wenn Kunden-, Bestell-, Produkt-, Consent- und Kampagnenkontext in getrennten Tools leben.

Tajo ist nützlich, wenn ein E-Commerce-Team Folgendes braucht:

• Shopify-Kunden- und Bestelldaten in Brevo synchronisieren.
• Kontaktattribute aktuell halten.
• Kaufhistorie in Kampagnen und Automationen nutzen.
• Nach Lifecycle-Phase, Bestellanzahl, Produktkategorie oder Kundenwert segmentieren.
• E-Mail-, SMS- und WhatsApp-Workflows mit Shop-Daten koordinieren.
• Manuelle CSV-Exporte reduzieren.
• Kampagnenperformance und Kundenkontext zurück in operative Workflows führen.

Der Analytics-Vorteil ist praktisch. Ein Dashboard ist nützlicher, wenn dieselben Kunden-, Bestell- und Kampagnenkennungen über Shop-Analytics, Marketing-Analytics und Lifecycle-Reporting hinweg verglichen werden können.

Microsoft Clarity, Hotjar-ähnliche Tools und Session Replay

Behavior-Analytics-Tools erklären, was Zahlen nicht können.

Nutze Heatmaps und Session Recordings für:

• Verwirrung auf Produktseiten.
• Checkout-Reibung.
• Mobile Usability-Probleme.
• Rage Clicks.
• Dead Clicks.
• Scrolltiefe.
• Navigationsprobleme.
• Zögern in Formular- und Versand-Schritten.
• Landingpages mit Traffic, aber schwacher Conversion.

Prüfe Recordings nicht zufällig. Starte mit einer Frage: „Warum ist mobile Checkout-Conversion gefallen?” oder „Warum bekommt diese Produktseite Traffic, aber wenige Add-to-Cart-Events?” Ziehe dann Recordings und Heatmaps für genau dieses Segment.

Mixpanel und Product Analytics

Mixpanel und ähnliche Event-Analytics-Tools sind am stärksten, wenn das E-Commerce-Erlebnis appartig, abonnementbasiert, eingeloggter, marketplacebasiert oder stark eventgetrieben ist.

Nutze Product Analytics für:

• Verhalten im Abo-Lifecycle.
• Kontoerstellung und Onboarding.
• Wiederverwendungsfunktionen.
• Interaktion mit Produktempfehlungen.
• Loyalty-Programm-Engagement.
• Kohorten-Retention.
• Experimentanalyse.
• Customer Journeys, die nach dem ersten Kauf weitergehen.

Für einen einfachen Katalog-Shop können GA4 plus Shopify reichen. Für Subscription Commerce, Marktplätze, app-verbundene Produkte oder Membership-Erlebnisse kann Product Analytics Verhalten sichtbar machen, das Bestellberichte verpassen.

Analytics-Dashboard aufbauen

Ein E-Commerce-Dashboard sollte zum operativen Rhythmus passen. Ein tägliches Dashboard ist etwas anderes als ein monatlicher Kohortenreview. Alles in einen Screen zu mischen erzeugt Rauschen.

Tägliches Operations-Dashboard

Nutze es, um Probleme schnell zu erkennen.

Tracke:

• Umsatz.
• Bestellungen.
• Conversion Rate.
• Sessions.
• AOV.
• Zahlungsfehler.
• Checkout-Drop-off.
• Top-Produkte.
• Inventar- oder Fulfillment-Ausnahmen.
• E-Mail-/SMS-Sendefehler.
• Plötzliche Änderungen bei Traffic-Quellen.

Tägliche Dashboards sind für Anomalieerkennung. Solche Dashboards sollten beantworten: „Ist heute etwas kaputt?”

Wöchentliches Wachstums-Dashboard

Nutze es für Marketing- und Merchandising-Entscheidungen.

Tracke:

• Umsatz nach Kanal.
• Bestellungen nach Kanal.
• Umsatz neuer vs. wiederkehrender Kund:innen.
• AOV nach Kanal.
• Conversion Rate nach Device und Quelle.
• Add-to-Cart- und Checkout-Funnel-Performance.
• Kampagnenumsatz.
• Automation-Umsatz.
• Top-Landingpages.
• Top-Produkte und Kategorien.
• Rabattnutzung.
• E-Mail-/SMS-Opt-ins, Opt-outs und Abmeldungen.

Wöchentliche Dashboards sollten beantworten: „Wo sollten wir nächste Woche ausgeben, testen, reparieren oder promoten?”

Monatliches Kunden- und Profitabilitäts-Dashboard

Nutze es für tiefere Geschäftsanalyse.

Tracke:

• Kundenkohorten.
• Wiederkaufrate.
• Zeit bis zur zweiten Bestellung.
• CLV nach Akquisequelle.
• CAC nach Kanal.
• MER.
• Deckungsbeitrag nach Produkt oder Kategorie.
• Retouren- und Erstattungsrate.
• Rabattabhängigkeit.
• Abonnent:innenwachstum.
• Bewegung in Loyalty- oder VIP-Segmenten.

Monatliche Dashboards sollten beantworten: „Akquirieren wir bessere Kund:innen und bauen wir ein gesünderes Geschäft?”

Quartalsweises Planungs-Dashboard

Nutze es für strategische Entscheidungen.

Tracke:

• Kanal-Mix.
• Wachstum nach Produktkategorie.
• Margentrends.
• Retention-Trends.
• Kundensegment-Performance.
• Suchsichtbarkeit.
• Reife von Lifecycle-Kampagnen.
• Tool- und Integrationslücken.
• Attribution-Vertrauen.
• Experiment-Learnings.

Quartals-Dashboards sollten beantworten: „Welche Wetten sollten das nächste Quartal prägen?”

Analytics nutzen, um Umsatz zu steigern

Analytics ist nur nützlich, wenn sie Arbeit verändert. Jede Kennzahl sollte auf eine Entscheidung einzahlen.

Conversion Rate verbessern

Frag nicht zuerst, wie du Conversion Rate global erhöhst. Finde zuerst das Segment, in dem Conversion schwach und wertvoll ist.

Beispiele:

• Mobile Traffic konvertiert schlechter als Desktop.
• Paid-Social-Traffic legt in den Warenkorb, kauft aber nicht.
• Eine Kategorieseite bekommt Suchtraffic, aber schwache Produktklicks.
• Checkout-Starts sind gesund, aber Abbruch im Versand-Schritt ist hoch.
• Wiederkehrende Kund:innen browsen, bestellen aber nicht erneut.

Wähle dann den richtigen Fix:

• Produktseiten-Klarheit verbessern.
• Größen-, Kompatibilitäts- oder Inhaltsstoffberatung ergänzen.
• Mobile Layout und Speed verbessern.
• Liefer- und Rückgaberichtlinien klären.
• Überraschungsgebühren reduzieren.
• Zahlungsoptionen ergänzen.
• Produktempfehlungen verbessern.
• Warenkorbabbruch-E-Mails oder SMS-Follow-up senden, wo Consent es erlaubt.
• Landingpage-Copy und Angebotsausrichtung testen.

Miss das Ergebnis an Conversion, Umsatz pro Besucher:in, AOV, Marge und Retourenrate. Ein Conversion-Rate-Lift ist schwächer, wenn er aus niedrigwertigeren Bestellungen kommt.

Durchschnittlichen Bestellwert erhöhen

AOV-Wachstum sollte aus relevantem Wert kommen, nicht aus beliebigen Upsells.

Nutze Analytics, um zu finden:

• Produkte, die oft zusammen gekauft werden.
• Kategorien mit starken Attach Rates.
• Artikel, die Wiederkäufe erzeugen.
• Bundles mit guter Marge.
• Kostenloser-Versand-Schwellen, die Profit erhöhen.
• Produktempfehlungen, die Warenkorbwert steigern.
• Post-Purchase-Angebote, die Vertrauen nicht beschädigen.

Taktiken sind:

• Bundles.
• Produkt-Kits.
• Cross-Sells.
• Mengenrabatte.
• Kostenloser-Versand-Schwellen.
• Personalisierte Empfehlungen.
• Nachkauf-Angebote.
• Post-Purchase-Upsells.

Tracke AOV zusammen mit Conversion Rate und Deckungsbeitrag. Ein Bundle, das AOV erhöht, aber Marge zu stark senkt, ist möglicherweise nicht skalierbar.

Customer Lifetime Value steigern

CLV verbessert sich, wenn Kund:innen erneut kaufen, margenstärkere Produkte kaufen, abonniert bleiben oder leichter zu betreuen sind.

Nutze Analytics, um zu identifizieren:

• Erstprodukte, die zu starkem Wiederkauf führen.
• Produktkategorien, die loyale Kund:innen erzeugen.
• Akquisekanäle mit höherer Wiederkaufrate.
• Segmente, die nach dem Kauf Education brauchen.
• Kund:innen mit wahrscheinlichem Nachkaufbedarf.
• Kund:innen, die Inaktivität zeigen.
• VIP-Kund:innen, die Early Access oder exklusive Angebote verdienen.

Lifecycle-Kampagnen können enthalten:

• Welcome- und Onboarding-Flows.
• Post-Purchase-Education.
• Bewertungsanfragen.
• Nachkauf-Erinnerungen.
• Cross-Sell- und Next-Best-Product-Kampagnen.
• Loyalty-Kampagnen.
• Re-Engagement-Kampagnen.
• VIP Early Access.

Miss für diese Kampagnen Umsatz, Wiederkauf, Opt-outs, Beschwerden und Segmentbewegung. Eine Retention-Kampagne sollte nicht nur einen temporären Bestellspike erzeugen, sondern die Kundenbeziehung verbessern.

Akquisekosten reduzieren

Kundenakquisekosten verbessern sich, wenn der Shop bessere Zielgruppen anspricht, Conversion verbessert, Kundenwert erhöht oder Kanäle stoppt, die schwache Kund:innen bringen.

Nutze Analytics, um zu vergleichen:

• CAC nach Kanal.
• Erstbestellmarge nach Kanal.
• Wiederkauf nach Kanal.
• CLV nach Kanal.
• Rabattnutzung nach Kanal.
• Erstattungs- und Retourenrate nach Kanal.
• Zeit bis zur zweiten Bestellung nach Kanal.

Ein Kanal mit hohem CAC kann stark sein, wenn er Kund:innen mit hoher Retention bringt. Ein Kanal mit niedrigem CAC kann schwach sein, wenn er nur Rabattkäufer:innen bringt, die nie wiederkommen.

E-Mail-Marketing-Analytics

E-Mail kann einer der stärksten E-Commerce-Kanäle sein, wird aber leicht falsch gemessen.

Tracke E-Mail auf drei Ebenen:

Öffnungsrate kann helfen, Betreffzeilen, Zustellbarkeit oder Listenmüdigkeit zu diagnostizieren, sollte aber nicht die einzige Erfolgskennzahl sein. Brevos Dokumentation hebt Reporting-Änderungen durch Apple Mail Privacy Protection und Bot-Aktivität hervor. Das bedeutet, eine Kampagne kann bei Öffnungen und Klicks gesünder aussehen als im tatsächlichen Kundenverhalten.

Priorisiere für E-Commerce-E-Mail:

• Umsatz pro Empfänger:in.
• Conversion Rate.
• AOV aus E-Mail.
• Wiederkaufrate.
• Segmentperformance.
• Flow-Performance.
• Abmelde- und Beschwerderate.
• Zustellbarkeitsprobleme.
• Suppression-Regeln.

Für Shopify und Brevo kann Tajo helfen, Shop-Daten mit Kampagnenkontext zu verbinden, damit E-Mail-Analytics aktuelle Bestellhistorie, Produktkategorien, Lifecycle-Phase, Consent und Kundenwert nutzen kann.

Datenqualität und Attribution-QA

Schlechte Analytics erzeugt selbstbewusste falsche Entscheidungen. Bevor du ein Dashboard skalierst, führe eine QA-Checkliste aus.

Tracking-QA

Prüfe:

• Purchase Events feuern einmal.
• Transaction IDs sind eindeutig.
• Umsatz nutzt die richtige Währung.
• Steuern, Versand, Rabatte und Refunds werden konsistent behandelt.
• Produkt-IDs stimmen über Shopify, GA4, E-Mail und Reporting überein.
• Add-to-Cart-, Begin-Checkout- und Purchase Events nutzen konsistente Item-Daten.
• Consent-Einstellungen werden respektiert.
• Checkout-Schritte werden wo möglich getrackt.
• Cross-Domain- oder Payment-Provider-Redirects brechen Sessions nicht.

UTM- und Kampagnen-QA

Prüfe:

• UTM-Namensregeln existieren.
• Paid Social, Paid Search, E-Mail, SMS, Affiliates, Influencer:innen und organische Kampagnen nutzen konsistente Namen.
• E-Mail-Automationen nutzen andere Kampagnennamen als einmalige Newsletter.
• Interne Links überschreiben die ursprüngliche Akquisequelle nicht.
• Kampagnenberichte trennen Erstbestellakquise von Umsatz wiederkehrender Kund:innen.

Attribution-QA

Kein Attributionsmodell ist perfekt.

Vergleiche:

• Plattform-Attribution.
• GA4-Attribution.
• Shopify-Bestellquelle.
• E-Mail-Plattform-Reporting.
• Ad-Plattform-Reporting.
• MER.
• Kohorten-Retention.

Wenn Zahlen abweichen, mittle sie nicht blind. Verstehe, was jedes Tool messen will. Eine Ad-Plattform optimiert vielleicht auf zugeschriebene Conversions. Shopify meldet die Bestellung. GA4 modelliert Traffic und Events. Brevo meldet Kampagnen-Engagement und Conversions. Ein Finanzdashboard interessiert sich für Cash, Refunds und Deckungsbeitrag.

Das Ziel ist nicht eine magische Zahl. Das Ziel ist ein Reporting-System, das bessere Entscheidungen ermöglicht.

Implementierungsplan

Nutze diese Reihenfolge, wenn der Shop heute schwache Analytics hat.

1. Entscheidungen definieren

Schreibe die Entscheidungen auf, die das Dashboard unterstützen muss:

• Welche Produkte sollten wir bewerben?
• Welcher Kanal sollte mehr Budget bekommen?
• Welches Checkout-Problem sollten wir beheben?
• Welches Segment sollte eine Lifecycle-Kampagne bekommen?
• Welche Kampagne sollten wir stoppen?
• Welche Produktkategorie hat Margen- oder Retourenprobleme?
• Welche Kund:innen kaufen wahrscheinlich erneut?

Mach das, bevor du Tools auswählst.

2. Core Tracking installieren

Richte ein:

• Shopify oder Plattform-Analytics.
• GA4 E-Commerce-Events.
• Google Search Console.
• E-Mail- und SMS-Reporting.
• Consent-Kontrollen.
• Payment- und Checkout-Tracking, wo möglich.

Validiere mit Testbestellungen, Event Counts, Transaction-ID-Vergleich und Umsatzprüfung.

3. Kampagnendaten normalisieren

Erstelle UTM-Regeln für:

• Paid Search.
• Paid Social.
• E-Mail-Kampagnen.
• E-Mail-Automationen.
• SMS-Kampagnen.
• Affiliates.
• Influencer:innen.
• Organic Social.
• Partnerschaften.

Dokumentiere die Namenskonvention. Analytics-Qualität hängt von konsistenten Inputs ab.

4. Kunden- und Bestellkontext synchronisieren

Verbinde die Systeme, die gemeinsame Daten brauchen.

Für Shopify- und Brevo-Teams kann das enthalten:

• Kundenprofilfelder.
• E-Mail- und SMS-Consent.
• Bestellanzahl.
• Datum des letzten Kaufs.
• Gekaufte Produktkategorien.
• Lifetime Value.
• Lifecycle-Phase.
• Warenkorb- oder Checkout-Events.
• Segmentzugehörigkeit.

Hier hilft ein Tool wie Tajo. Manuelle Exporte können vorübergehend funktionieren, erzeugen aber veraltete Daten und Reporting-Drift.

5. Dashboard-Rhythmus bauen

Baue vier Ansichten:

• Daily Operations.
• Weekly Growth.
• Monthly Customer and Profitability.
• Quarterly Planning.

Halte jedes Dashboard fokussiert. Ein tägliches Dashboard sollte nicht jede Kohortengrafik enthalten. Ein monatliches Dashboard sollte nicht erfordern, jede Bestellung von gestern zu scannen.

6. Immer ein Experiment gleichzeitig durchführen

Analytics verbessert sich, wenn das Team eine Sache ändert und das Ergebnis misst.

Beispiele:

• Eine stark besuchte Produktseite umschreiben.
• Einen Checkout-Schritt reparieren.
• Einen Post-Purchase-Flow ergänzen.
• Ein Bundle testen.
• Eine Kategorie-Landingpage verbessern.
• Eine E-Mail-Kampagne nach Kaufhistorie segmentieren.
• Ein Paid-Landingpage-Angebot ändern.

Miss den Vorher-Nachher-Effekt auf die relevanten Kennzahlen. Wenn das Dashboard Wirkung nicht zeigen kann, verbessere die Messung, bevor du mehr Experimente skalierst.

Erste Schritte

Wenn du diese Woche E-Commerce-Analytics aufbaust, nutze diesen praktischen Pfad:

1. Bestätige, dass deine Shop-Analytics mit echten Bestellungen übereinstimmen.
2. Richte GA4 E-Commerce-Events ein oder auditiere sie.
3. Verbinde Google Search Console.
4. Prüfe E-Mail- und SMS-Reporting, inklusive Umsatz, Abmeldungen und Opt-outs.
5. Erstelle ein wöchentliches Dashboard mit Umsatz, Bestellungen, Conversion Rate, AOV, Umsatz pro Besucher:in, Top-Kanälen, Top-Produkten, Warenkorbabbruch, Checkout-Abbruch und Kampagnenumsatz.
6. Wähle ein Wachstumsproblem: Checkout-Drop-off, niedriger AOV, schwacher Wiederkauf, schlechte organische Landingpage-Conversion oder schwache Kampagnen.
7. Setze eine Verbesserung um und miss die Wirkung mindestens über einen vollständigen Kaufzyklus.
8. Ergänze Kundendaten-Sync über Tajo, wenn Shopify-, Brevo-, Kampagnen-, Consent- und Lifecycle-Reporting gemeinsamen Kontext brauchen.

E-Commerce-Analytics bedeutet nicht, die meisten Diagramme zu haben. Es bedeutet, mit aktuellen, vertrauenswürdigen Daten bessere Entscheidungen zu treffen.