„Der Umsatz ist gesunken“ ist keine Information, auf deren Grundlage man entscheiden kann: Es ist ein Symptom. Zwischen Symptom und Entscheidung steht eine Fähigkeit: die Veränderung so in Faktoren zu zerlegen, dass die Ursache einen Namen, eine Zahl und einen Verantwortlichen hat. Dieser Leitfaden führt Schritt für Schritt durch die Zerlegung: von den drei Komponenten des Ergebnisses über den Wasserfall und die Dimensionen bis zum Diagnosebaum und den Fallstricken, die Vergleiche verfälschen.
Erste Ebene
Drei Zahlen, die jeden Rückgang zerlegen
Die Identität, mit der alles beginnt
Der Umsatz ist das Produkt aus drei Komponenten, also muss jeder Rückgang über eine von ihnen laufen. Bevor irgendjemand „die Konkurrenz“ oder „der Markt“ sagt, muss klar sein, welche Komponente sich bewegt hat.
Die Näherung über die Summe funktioniert für typische Veränderungen im niedrigen zweistelligen Prozentbereich und reicht aus, um die Suchrichtung vorzugeben. Das Beispiel, das durch den gesamten Beitrag führt (Spielwarenshop, Woche zu Woche, Beispieldaten): Umsatz −18 %, weil Sitzungen −12 %, Conversion Rate −9 %, Warenkorb +3 %. Schon nach dieser einen Zeile ist klar, dass das Problem nicht bei den Preisen oder im Warenkorb liegt: Ein Teil des Traffics und ein Teil der Kaufbereitschaft sind verschwunden.
Wasserfall
Wasserfall: vom Ergebnis zu den Verursachern
Dieselbe Zerlegung als Wasserfall gezeichnet beendet Diskussionen nach dem Muster „jeder hat seine eigene Theorie“. Eine einzige Kaskade zeigt, wie viel des Rückgangs auf jede Komponente entfällt (Index, Vorwoche = 100):
Zerlegung der Umsatzveränderung · Woche zu WocheSpielwarenshop · Beispieldaten
wocheweniger Sitzungenniedrigere
Conversionhöherer
Warenkorbaktuelle
Woche
Lesart: Von 17,5 Punkten Rückgang entfallen 12 auf den Traffic und 8 auf die Conversion Rate, der Warenkorb hat 2,5 Punkte zurückgeholt. Die weitere Suche dreht sich also um zwei Fragen: Woher fehlt der Traffic, und was hat die Conversion gedrückt? Alles andere (Preise, Aktionen, Warenkorb) kann vorerst außen vor bleiben.
Zweite Ebene
Zweite Ebene: Kanäle, Kategorien, Kunden
Die Komponente zeigt die Richtung, die Dimension zeigt den Ort. Jede der drei Komponenten lässt sich weiter nach ihren Dimensionen zerlegen: Traffic nach Kanälen, Conversion Rate nach Kategorien und Geräten, Warenkorb nach Produktmix und Rabatten. In unserem Beispiel:
| Dimension | Veränderung | Schlussfolgerung |
|---|---|---|
| Traffic (GA4-Sitzungen): Google Ads | −31 % Sitzungen | hier liegt fast der gesamte Traffic-Verlust |
| Traffic (GA4-Sitzungen): übrige Kanäle zusammen | −2 % Sitzungen | im Rahmen normaler Schwankungen |
| Conversion Rate: Kategorie „Bausteine“ | −41 % | Bestseller der Kategorie seit Mittwoch nicht vorrätig |
| Conversion Rate: übrige Kategorien | −1 % | keine Veränderung, die Aufmerksamkeit verdient |
| Warenkorb: Durchschnittswert | +3 % | Nebeneffekt: günstige Bausteine fielen weg, der Durchschnitt stieg |
Zwei benannte Verdachtsmomente statt allgemeiner Panik: Etwas hat den Traffic aus Google Ads eingebrochen lassen, und etwas hat die Conversion in einer Kategorie gedrückt. Achten Sie auf den Warenkorb: Er ist wegen eines Problems gestiegen, und ohne Zerlegung hätte ihn jemand im Meeting womöglich schon gelobt.
Diagnose
Diagnosebaum: vom Symptom zur Ursache
Die dritte Ebene besteht aus konkreten Prüfungen, ein Zweig pro Komponente:
Traffic gesunkenZweig: Sitzungen
- Bezahlt: Budgets und Kampagnenstatus, abgelehnte Produkte im Merchant Center, Gebotsänderungen
- Organisch: Rankings in der Search Console, Saisonalität der Suchbegriffe, Änderungen an der Suchergebnisseite
- Direct/E-Mail: Versandkalender, Tracking-Code nach Änderungen im Shop
Conversion Rate gesunkenZweig: Kaufbereitschaft
- Ein Gerätetyp: Fehler im Warenkorb oder bei der Zahlung nach einem Update (mobil geht am häufigsten etwas kaputt)
- Eine Kategorie: Verfügbarkeit der Bestseller, Preise im Vergleich zum Wettbewerb
- Ein Kanal (Conversion laut GA4): Die Traffic-Qualität hat sich verändert (neue Suchbegriffe, neue Creatives, andere Zielgruppen)
Warenkorb gesunkenZweig: Bestellwert
- Produktmix: Günstige Produkte haben Anteile übernommen (Aktion? Teurer Bestseller ausverkauft?)
- Rabatte: Ein öffentlicher Code ist auf Gutscheinportalen gelandet, tiefere Aktionen
- Versandkostengrenzen: Eine geänderte Grenze hat das Aufstockverhalten verschoben
Schritt null der Diagnose
Erst die Messung, dann das Geschäft. Bevor Sie einen Rückgang in Faktoren zerlegen, prüfen Sie die GA4-Abdeckung und die Vollständigkeit der Quelldaten: Ein Messausfall erzeugt „Rückgänge“, die es nicht gibt, und kann einen ganzen Tag Suche nach geschäftlichen Ursachen kosten. Wie Sie das in wenigen Minuten prüfen: Leitfaden zum GA4-Audit.
Fallstricke
Vier Fallstricke, die Vergleiche verfälschen
Ungleiche Zeiträume vergleichen
Montag mit Samstag, eine Woche mit Gehaltszahlung mit einer ohne, ein Aktionszeitraum mit dem Zeitraum danach. Verglichen wird derselbe Wochentag bei vergleichbarer Kalenderlage, bei Saisonalität im Vorjahresvergleich.
Auf einen einzelnen Tag reagieren
Tagesumsätze schwanken von Natur aus. Ein Tag außerhalb der Norm ist eine Beobachtung; mehrere Tage in Folge oder eine ganze Woche unter der Norm sind ein Fall für die Diagnose. Ausnahme: Ausfallsignale, auf die sofort reagiert wird (mehr im Leitfaden zu Monitoring und Anomalien).
Definitionen verschiedener Quellen vermischen
Aufgegebene gegenüber bezahlten Bestellungen, brutto gegenüber netto, Sitzungen gegenüber Nutzern. Die Zerlegung erfolgt mit einheitlichen Definitionen, am besten auf Basis der bezahlten Bestellungen aus dem Shop.
Beim ersten Verdächtigen stehen bleiben
„Der Traffic von Google ist gesunken“ ist immer noch ein Symptom. Die Diagnose endet bei einer Ursache, gegen die man etwas tun kann: abgelehnte Produkte, ausverkaufter Bestand, pausierte Kampagne, geänderte Suchergebnisseite.
DataOrganizer
Wie DataOrganizer Veränderungen automatisch zerlegt
DataOrganizer hat die Zerlegung von Veränderungen in die Analyse-Engine integriert: Die Differenz zwischen Zeiträumen wird auf Basis der verknüpften Daten aus Shop, Analytics und Werbeplattformen in Komponenten und Dimensionen zerlegt, und die Anomalieerkennung zeigt den Zeitpunkt der Abweichung. Die gesamte oben beschriebene Arbeit passt in eine einzige Frage:
Zerlegung des Rückgangs um −18% (Messung vollständig, GA4-Abdeckung im Normbereich):
| Komponente | Veränderung | Eingrenzung |
|---|---|---|
| Sitzungen | −12% | laut GA4: Google Ads −31%, übrige Kanäle −2% |
| Conversion | −9% | Kategorie „Bausteine“ −41%, Rest −1% |
| Ø Warenkorb | +3 % | Effekt weggefallener günstiger Produkte |
Zwei benannte Ursachen: Seit Dienstag haben 84 Produkte im Merchant Center den Status „abgelehnt“ (daher der Sitzungsverlust aus Produktkampagnen), und der Bestseller der Kategorie „Bausteine“ ist seit Mittwoch nicht auf Lager, was die Conversion der Kategorie eingebrochen hat. Empfehlung: Feed-Attribute korrigieren und das nicht vorrätige Produkt bis zur Lieferung aus den Kampagnen ausschließen.
Methodischer Hinweis: Die Zahlen im Beispiel dienen der Veranschaulichung, und die Näherung „Umsatzveränderung ≈ Summe der Komponentenveränderungen“ gilt für moderate Veränderungen; bei großen Ausschlägen werden die Komponenten exakt multipliziert. Die Zerlegung zeigt, wo sich etwas verändert hat; die Ursache bestätigt erst ein Blick an die Stelle, auf die die Zahlen verweisen.
Zum Merken
Ein Rückgang ohne Zerlegung erzeugt Theorien, ein Rückgang nach der Zerlegung erzeugt Aufgaben. Drei Komponenten, dann Dimensionen, dann der konkrete Punkt aus dem Diagnosebaum: Diese Reihenfolge macht aus „irgendwas stimmt nicht“ eine Liste von Korrekturen mit Verantwortlichen und Terminen.
FAQ
Häufige Fragen zur Diagnose von Umsatzrückgängen
Wie findet man die Ursache für einen Umsatzrückgang?
Mit zwei Zerlegungsebenen: zuerst die Aufteilung in Sitzungen × Conversion × Warenkorb (jeder Rückgang läuft über eine dieser Komponenten), dann der Blick in die Dimensionen: Kanäle für den Traffic, Kategorien und Geräte für die Conversion, Produktmix und Rabatte für den Warenkorb. Die Diagnose endet bei einer Ursache, gegen die man etwas tun kann.
Wie berechnet man den Einfluss der Komponenten?
Für übliche Veränderungen reicht eine Näherung: prozentuale Umsatzveränderung ≈ Summe der prozentualen Komponentenveränderungen (z. B. −12% Traffic, −9% Conversion, +3% Warenkorb ergibt etwa −18%). Bei großen Ausschlägen werden die Kennzahlen beider Zeiträume exakt multipliziert; um die Suchrichtung festzulegen, genügt die Näherung.
Was sollte man zuerst prüfen?
Die Messung. GA4-Abdeckung und Vollständigkeit der Quelldaten können einen Rückgang erzeugen, den es nicht gibt. Erst wenn bestätigt ist, dass die Zahlen vollständig sind, ergibt die Zerlegung Sinn; sonst sucht man geschäftliche Ursachen für einen Plugin-Ausfall.
Wann reagieren und wann ist es nur Rauschen?
Vergleichen Sie einen einzelnen Tag mit demselben Wochentag der Vorwochen; ein Tag außerhalb der Norm ist eine Beobachtung, mehrere Tage oder eine ganze Woche sind ein Fall für die Diagnose. Ausnahme sind typische Ausfallmuster (Sprung bei unbezahlten Bestellungen, null Produktimpressionen): Dort wird sofort reagiert.
Wie hilft DataOrganizer?
Die Zerlegung von Veränderungen ist in die Engine integriert: Die Differenz zwischen Zeiträumen wird automatisch in Komponenten und Dimensionen zerlegt, auf Basis der verknüpften Shop-, Analytics- und Werbedaten. Die Anomalieerkennung zeigt den Zeitpunkt der Abweichung, und der Chat beantwortet „warum ist es gesunken“ mit einer benannten Ursache samt Zahlen.
Spickzettel zum gesamten Leitfaden
Diagnose eines Rückgangs in drei Ebenen
1. Komponenten: Sitzungen × Conversion × Warenkorb. Die Umsatzveränderung entspricht näherungsweise der Summe der Komponentenveränderungen; das ist die erste Auswahl der Verdächtigen.
2. Dimensionen: Kanäle für den Traffic, Kategorien und Geräte für die Conversion, Mix und Rabatte für den Warenkorb. Ein Wasserfalldiagramm plus eine Tabelle grenzen das Problem auf benennbare Stellen ein.
3. Konkret: Der Diagnosebaum führt zu einer Ursache, an der sich ansetzen lässt, mit dem Schritt null „zuerst die Messung prüfen“. DataOrganizer erledigt diese drei Ebenen automatisch, sodass zwischen „ist gesunken“ und der Aufgabenliste nur eine Frage im Chat liegt.
DataOrganizer · Zerlegung von Veränderungen in der Engine
Verbinden Sie Shop, Analytics und Werbeplattformen: Veränderungen werden automatisch in Komponenten und Dimensionen zerlegt, Anomalien werden von selbst gemeldet. Demokonto sofort verfügbar, Sie zahlen nur für verbundene Datenquellen.
