Der Black Friday kann Analysten zweimal täuschen. Am Spitzentag zeigen die Daten zu wenig, weil die Conversions in den Plattformen erst nach und nach eintreffen. Eine Woche später zeigen sie zu viel, weil der Rekordumsatz die in Rabatten verschenkte Marge und die aus den Nachbarwochen vorgezogenen Verkäufe verdeckt. Dieser Leitfaden gliedert die Datenarbeit rund um den Peak in drei Phasen: Vorbereitung der Messung, der Aktionstag live und eine Bilanz, der man vertrauen kann.
Phase 1 · davor
Vergleichsbasis: Woran man den Black Friday misst
Ohne Vergleichsbasis ist jedes Ergebnis im Peak „ein Rekord“, und daraus folgt nichts. Vor der Saison legt man zwei Vergleichsbasen fest, beide aus eigenen Daten:
- Der Vorjahrespeak, je Kategorie: nicht nur das Gesamtergebnis, sondern die Verteilung über die Stunden des Tages, die Kategorieanteile und die Bestseller. Aus dieser Kurve ergibt sich, wann Spitzen zu erwarten sind und was auf Lager sein muss (wie man das berechnet: Leitfaden zur Q4-Planung).
- Normale Wochen kurz vor der Saison: die Basis, um den Vorzieheffekt zu messen. Sie wird nach dem Peak gebraucht, daher sollte man sie rechtzeitig „einfrieren“: durchschnittlicher Wochenumsatz und Marge aus einem Zeitraum ohne Aktionen.
Phase 1 · davor
Mess-Checkliste vor dem Peak
Im Peak kostet ein Messausfall am meisten und ist am schwersten zu bemerken, weil ohnehin alle Zahlen verrücktspielen. Deshalb prüft man die Messung vorher, nicht währenddessen:
Normale GA4-Abdeckung messen
Das Verhältnis der purchase-Transaktionen in GA4 zu den bezahlten Shopbestellungen derselben Tage, berechnet auf den Summen der letzten Wochen. Diese Zahl ist der Referenzwert: Fällt die Abdeckung im Peak deutlich unter die Norm, ist die Messung gestört, nicht der Verkauf. Die Methode Schritt für Schritt: Leitfaden zum GA4-Audit.
Produktstatus im Merchant Center bereinigen
Abgelehnte und ablaufende Produkte repariert man, solange Traffic günstig ist. Ein Bestseller, der am Donnerstagabend abgelehnt wird, ist zum Freitagspeak nicht wieder in den Auktionen.
Lagerreichweite der Bestseller im Peak-Tempo berechnen
Bestand geteilt durch den Tagesabsatz aus dem Vorjahrespeak, nicht durch den Oktoberdurchschnitt. Produkte ohne Deckung für das ganze Wochenende fallen früher aus den Kampagnen (Mechanik: Leitfaden zu Lagerbeständen).
Alarmschwellen und Kontrollplan festlegen
Was gilt als Alarm (Rückgang der GA4-Abdeckung, sprunghafter Anstieg unbezahlter Bestellungen, Bestand eines Bestsellers unter dem Schwellenwert) und wer schaut zu welchen Uhrzeiten auf das Dashboard. Am Spitzentag ist keine Zeit, Abläufe zu erfinden.
Phase 2 · Spitzentag
Spitzentag: Was man live liest und was warten kann
Der Aktionstag hat einen eigenen Rhythmus und eigene Kennzahlen. Die Stundenkurve des Vorjahres zeigt, wann man hinschauen sollte (Beispieldaten, Elektronikshop):
Bestellungen je 3 Stunden · Spitzentag im Vergleich zu einem normalen FreitagElektronikshop · Beispieldaten
Zwei Spitzen statt einer: ein Sprung kurz nach Mitternacht (Aktionsstart, Kunden mit fertigen Warenkörben) und eine lange Abendspitze. Dazwischen liegt ein Tief am Vormittag, das jedes Jahr dazu verleitet, „etwas an den Kampagnen zu verbessern“. Die Kurve sagt: Das ist die normale Form des Tages, abwarten.
Das Tages-Dashboard teilt die Kennzahlen in zwei Gruppen: solche, die sofort vollständig sind und Reaktionen erlauben, und solche, die am Spitzentag noch täuschen:
Live auswerten
Auf die Zeit nach der Spitze verschieben
Ein Alarm, der wirklich ein Alarm ist
Ein plötzlicher Abfall der GA4-Abdeckung während der Spitze ist ein Messausfall, und jede Stunde Verzögerung beschädigt die Daten der Saison. Deshalb steht die Abdeckung im Dashboard direkt neben den Bestellungen: Der Shop meldet steigende Verkäufe, aber die Analyse „verliert“ plötzlich Bestellungen? Dann wird sofort reagiert, statt am Montag merkwürdige Berichte zu erklären.
Phase 3 · nach der Spitze
Daten nach der Spitze reifen mit den Attributionsfenstern
Der Bericht vom Samstagmorgen zeigt nur einen Teil des Freitagsergebnisses. Werbeplattformen tragen Conversions verzögert nach: Post-Click- und Post-View-Fenster, Modellierung bei fehlender Einwilligung, Kunden, die nach einem Wochenende Bedenkzeit zurückkehren. Der in den Plattformen sichtbare Anteil der Conversions vom Spitzentag wächst ungefähr so (Beispieldaten):
Spitzentag
Rohwert am Abend+1 Tag
Conversions aus den Fenstern laufen ein+3 Tage
Rückkehrer nach dem Wochenende kommen hinzu+7 Tage
Bild vollständig, Zeit für UrteileDie praktische Schlussfolgerung ist eindeutig: Urteile über Kampagnen und Kanäle fallen etwa eine Woche nach der Spitze. Eine Kampagne, die am Samstag wegen schwachen ROAS „gekappt“ wurde, war meist in Ordnung; ihr Ergebnis war nur noch nicht eingelaufen. Die Mechanik von Fenstern und Modellierung erklärt der Leitfaden zu Conversions und Attribution; am Spitzentag genügt es zu wissen, dass sie genau dann am stärksten wirkt, wenn das Volumen am größten ist.
Phase 3 · nach der Spitze
Abrechnung: Marge nach Rabatten und geliehener Umsatz
Effekt des geliehenen Umsatzes
Ein Sale bringt einen Teil der Bestellungen zusätzlich, einen anderen Teil verschiebt er nur zeitlich: Kunden halten Käufe vor der Spitze zurück und kommen danach nicht wieder. Deshalb wird das Ergebnis an der Summe der Wochen rund um die Spitze im Vergleich zur Basis bewertet, nicht am Sale-Tag allein.
Im Wochendiagramm ist das deutlich zu sehen (Umsatzindex, 100 = normale Woche der Basis, Beispieldaten):
Umsatzindex nach Wochen · 100 = Basis vor der Saisondie Tiefs vor und nach der Spitze sind geliehener Umsatz
Spitze +115%, Zeitraum +6%. Die Summe der fünf Wochen beträgt 529 Punkte gegenüber 500 in der Basis: Der echte Zuwachs über den gesamten Zeitraum lag bei knapp 6%, obwohl die Spitzenwoche allein wie eine Verdopplung des Geschäfts aussah. Beide Zahlen stimmen; nur die zweite zeigt, ob die Aktion zusätzlichen Umsatz gebracht hat.
Die zweite Säule der Abrechnung ist die Marge nach Rabatten. Ein Rabatt geht vom Gewinn ab, nicht vom Umsatz: Bei üblichen Margen kostet ein Preisnachlass von zehn bis zwanzig Prozent einen deutlich größeren Teil der Marge (Rechnung im Leitfaden zur Rentabilität von Rabattcodes). Deshalb wird der Rekordumsatz der Spitze der Marge gegenübergestellt, berechnet auf Preisen nach Rabatt, je Kategorie: Meist zeigt sich, dass ein Teil der „Sale-Hits“ Umsatz bei symbolischem Gewinn gebracht hat und die Saison von Produkten gerettet wurde, die nebenbei und ohne Rabatt gekauft wurden.
Methodischer Hinweis: Alle Zahlen in den Beispielen dienen der Veranschaulichung. Die Form der Tageskurve, das Reifungstempo der Daten und die Tiefe der Einbrüche rund um die Spitze unterscheiden sich je nach Kategorie; eigene Werte stammen aus früheren Saisons, und die Vergleichsbasis wird vor dem Aktionsstart festgelegt, nicht im Nachhinein.
DataOrganizer
Wie DataOrganizer die Datenarbeit in der Spitze unterstützt
Das gesamte beschriebene Vorgehen basiert auf Daten, die DataOrganizer in einem Modell zusammenführt: bezahlte Bestellungen, Ausgaben aller Plattformen, Marge, Lagerbestände und GA4-Events, mit automatischer Anomalieerkennung. Das Tages-Dashboard kommt ohne zusammengeklebte Exporte aus, und die Abrechnung nach der Saison passt in eine einzige Frage:
Sale-Wochenende im Vergleich zu einem normalen Wochenende:
| Kennzahl | Spitzenwochenende | Normales Wochenende | Verhältnis |
|---|---|---|---|
| Umsatz (bezahlt) | 103.000 € | 24.000 € | ×4,3 |
| Effektiver Rabatt | 12% | 2% | – |
| Marge nach Rabatten | 18.750 € | 6.725 € | ×2,8 |
| Umsatzrentabilität | 18,2% | 28,0% | um 1/3 niedriger |
Das Ergebnis kam über die Menge: Die Marge wuchs um das 2,8-Fache, obwohl die Rentabilität um ein Drittel niedriger lag. Die Summe der fünf Wochen rund um den Peak lag 6 % über der Basis, der Einbruch vor dem Höhepunkt wurde also mehr als ausgeglichen. Notiz für die nächste Saison: Zwei Kategorien verkauften im Peak mit einer Rentabilität unter 8 %. Sie sind Kandidaten für geringere Rabatte.
Das Wichtigste in Kürze
Black Friday mit Daten umfasst drei verschiedene Disziplinen in drei Phasen. Vor dem Peak prüfen Sie die Messung und frieren die Basis ein. Im Peak lesen Sie die Shopdaten und behalten die Abdeckung im Blick. Nach dem Peak warten Sie, bis die Daten vollständig sind, und rechnen die Marge über ein breites Zeitfenster ab. Wer die Phasen verwechselt, zahlt am meisten.
FAQ
Häufige Fragen zu Daten am Black Friday
Wie bereitet man die Shopdaten auf den Black Friday vor?
Ein bis zwei Wochen vor dem Peak: die normale GA4-Abdeckung messen (als Referenz, um Messausfälle zu erkennen), Produktstatus im Merchant Center bereinigen, die Bestandsreichweite der Bestseller im Tempo des letztjährigen Peaks berechnen und die Vergleichsbasis (normale Wochen und den Vorjahres-Peak, je Kategorie) zusammen mit den Alarmschwellen einfrieren.
Was sollte man am Aktionstag live verfolgen?
Alles, was sofort vollständig ist: bezahlte Bestellungen und Umsatz aus dem Shop, Gesamtausgaben und MER des Tages, Bestände der Bestseller, GA4-Abdeckung und Anteil unbezahlter Bestellungen. ROAS einzelner Kampagnen und Attribution lassen Sie liegen: Am Tag des Peaks sind diese Zahlen per Definition unvollständig.
Wann sollte man Kampagnen nach dem Peak bewerten?
Nachdem die Attributionsfenster geschlossen sind, in der Praxis etwa eine Woche nach dem Peak. Die Plattformen ergänzen Conversions noch über mehrere Tage, daher unterschätzt der Bericht vom Samstag die Freitagsergebnisse systematisch. Kampagnen auf Basis der Rohdaten vom Tag null zu kürzen, ist der teuerste Reflex der Saison.
Wie berechnet man, ob sich der Black Friday gelohnt hat?
Mit zwei Rechnungen gleichzeitig: Marge nach Rabatten (der Rabatt geht vom Gewinn ab, ein Rekordumsatz ist daher oft wenig wert) und Summe der Wochen um den Peak im Vergleich zur Basis. Sie zeigt, wie viel Umsatz die Aktion zusätzlich gebracht und wie viel sie nur zeitlich verschoben hat.
Wie hilft DataOrganizer?
Das Tages-Dashboard (Bestellungen, MER, Bestände, GA4-Abdeckung) funktioniert ohne das Zusammenfügen von Exporten, Datenanomalien werden während des Peaks automatisch gemeldet, und nach der Saison rechnet der KI-Assistent das Ergebnis auf Basis der Marge nach Rabatten ab und vergleicht die Wochen um den Peak mit der Basis, je Kategorie und Produkt.
Spickzettel zum gesamten Leitfaden
Black Friday mit Daten: drei Phasen, drei Regeln
1. Davor: Messung prüfen und Basis einfrieren. GA4-Abdeckung, Status im Merchant Center, Bestandsreichweite im Peak-Tempo und ein Bezugspunkt, der feststeht, bevor die Aktion startet.
2. Währenddessen: Shopdaten lesen, Werbeplattformen ignorieren. Bestellungen, MER des Tages, Bestände und Messabdeckung live; Urteile über Kampagnen und Kanäle erst, wenn die Daten vollständig sind.
3. Danach: Marge über ein breites Zeitfenster abrechnen. Marge nach Rabatten statt Umsatz und die Summe der Wochen um den Peak statt nur des Rekords. DataOrganizer hält all diese Daten in einem Modell, sodass jede Phase auf einen Blick ins Dashboard oder eine einzige Frage im Chat hinausläuft.
DataOrganizer · Dashboard für den Saisonhöhepunkt
Verbinden Sie Shop, Werbeplattformen und GA4: Bestellungen, MER, Bestände, Messabdeckung und Marge nach Rabatten an einem Ort, mit Anomalie-Alerts. Demo-Konto sofort verfügbar, Sie zahlen nur für verbundene Datenquellen.
