DataOrganizer

Die Spalte „wartet auf Zahlung“ im Shop-Backend wächst vor der Hochsaison, und es ist schwer zu sagen, ob das normal ist oder Geld verloren geht. Unbezahlte Bestellungen im Onlineshop landen in den Umsatzberichten, oft auch in den Kampagnen-Conversions, kommen aber nie auf dem Konto an. Dieser Leitfaden zeigt am Beispiel eines Shops für Haushaltsgeräte, wie man Quote und Wert aufgegebener, aber unbezahlter Bestellungen berechnet (ohne Nachnahme und erneute Versuche), einen eigenen Richtwert je Zahlungsart festlegt, prüft, wie stark sie den MER aufblähen, und den Zahlungsprozess auswählt, der zuerst repariert werden sollte. Plötzliche Zahlungsausfälle erkennt das tägliche Monitoring; hier geht es um den dauerhaften Richtwert und seinen Wert in Euro.

Größenordnung im Beispiel dieses Leitfadens: Von 1.100 Vorkasse-Bestellungen blieben 88 ohne Zahlungseingang, das sind 8,0 % der Bestellungen und 11,8 % des Werts. Nach Abzug erneuter Versuche derselben Kunden gingen in einem Monat tatsächlich 18.280 € verloren.

Statusband

Wie viel Umsatz zwischen Bestellung und Zahlung hängt

Im Backend des Haushaltsgeräte-Shops sieht der September nach einem guten Monat aus: 1.200 aufgegebene Bestellungen für 185.000 €. Kontoauszug und Bericht des Zahlungsanbieters zeigen jedoch weniger, und die Buchhaltung erklärt den Unterschied nicht. Ein Teil der Bestellungen ist im Status „wartet auf Zahlung“ hängen geblieben und wird ihn nicht mehr verlassen.

Der erste Schritt ist, die Summe aus dem Backend aufzuschlüsseln. 100 Bestellungen für 9.500 € sind Nachnahme: Der Kunde zahlt bei Zustellung an den Kurier, die Zahlung entscheidet sich also erst bei der Lieferung, und sie bilden eine eigene Kategorie. Übrig bleiben 1.100 Vorkasse-Bestellungen für 175.500 €; nur diese sollten bezahlt sein, bevor das Paket das Lager verlässt.

Der Stand zählt erst nach dem Reifefenster. Bestellungen aus den letzten Tagen des Monats können noch auf die Buchung der Überweisung warten, deshalb erfolgt die Bewertung am 8. Oktober, 7 Tage nach Ende September. Das Band unten zeigt, was mit jedem Euro der Vorkasse-Bestellungen passiert ist (Beispieldaten).

Von 1.100 Vorkasse-Bestellungen blieben 88 ohne Zahlung, zusammen 20.640 €. Um diesen Betrag überzeichnet der aus aufgegebenen Bestellungen berechnete Umsatz den September: Das Backend zeigt 185.000 €, die bezahlten Vorkasse-Bestellungen (154.860 €) plus Nachnahme (9.500 €) ergeben aber 164.360 €. Die Differenz beträgt genau 20.640 €.

Ein Teil dieses Betrags ist Umsatz, der unter einer anderen Bestellnummer erfasst wurde. 18 Bestellungen über 2.360 € sind erneute Bestellungen: Derselbe Kunde, erkannt an der Kunden-ID oder der gehashten E-Mail-Adresse, hat innerhalb von 2 Tagen eine zweite Bestellung aufgegeben und bezahlt. Das Geld ist eingegangen, diese Positionen sind also kein Verlust, sondern nur ein doppelter Eintrag in den Status.

Der tatsächliche Verlust sind 70 Bestellungen über 18.280 €, also 10,4% des Vorkasse-Werts bei 6,4% der Anzahl. Der Wert geht schneller verloren als die Stückzahl, weil die Zahlung meist bei großen Warenkörben ausbleibt; die Aufschlüsselung nach Zahlungsarten weiter unten zeigt, bei welchen.

Diese Rechnung braucht den Status jeder einzelnen Bestellung. Das Kaufereignis in GA4 und die Conversion im Werbekonto werden meist auf der Danke-Seite erfasst, also beim Aufgeben der Bestellung, und kennen deren weiteren Verlauf nicht. Deshalb basiert in der automatisierten E-Commerce-Analyse die Umsatzberechnung auf den Shop-Bestellungen samt Zahlungsstatus, während GA4 und die Werbekonten daneben eine geschätzte Aufteilung nach Kanälen liefern.

Bevor Sie fragen, ob das viel ist, trennen Sie Nachnahme, erneute Bestellungen und Bestellungen, die noch im Zahlungsfenster liegen. Erst der Rest lässt sich mit dem Normalwert vergleichen und in Euro bewerten.

Definition

Quote unbezahlter Bestellungen: Definition und Formel

Vor der Berechnung sind drei Festlegungen nötig: was in den Nenner gehört, ab wann eine Bestellung als verloren gilt und wie mit Kunden umzugehen ist, die beim zweiten Versuch bezahlt haben. Ohne sie kann derselbe Shop 7,3%, 8,0% oder 6,4% ausweisen, und jede dieser Zahlen ist formal korrekt.

Die Quote in Euro fällt höher aus als nach Stückzahl, weil vor allem teure Warenkörbe unbezahlt bleiben. Die durchschnittliche Vorkasse-Bestellung im Haushaltsgeräte-Shop liegt bei ca. 160 €, die durchschnittliche unbezahlte bei ca. 235 €. Allein Ratenkäufe mit einem Warenkorb von 370 € machen 30 der 88 unbezahlten Bestellungen aus (34% der Stückzahl), aber ganze 11.100 €, also 54% des unbezahlten Werts.

Deshalb stützen sich Entscheidungen auf die Netto-Wertvariante. Die Stückzahl zeigt, wie oft der Zahlungsprozess scheitert; der Euro-Betrag zeigt, wie viel Geld das kostet. Eine Abweichung zwischen beiden deutet sofort darauf hin, dass sich das Problem auf hohe Warenkörbe konzentriert.

Zuordnung der Shop-Status zu den drei Gruppen der Rechnung (die Statusnamen unterscheiden sich je nach Shopsystem; entscheidend ist ihre Bedeutung):

Drei Fallstricke verändern das Ergebnis stärker als der Zahlungsprozess selbst:

1. Bestellungen der letzten Tage als verloren gezählt

   Eine klassische Überweisung wird meist in 1–2 Werktagen gebucht. Eine Bestellung vom 30. September, die am 2. Oktober bezahlt wird, sieht also verloren aus, wenn die Rechnung am 1. Oktober erstellt wird. Ein Reifefenster von 7 Tagen und die Auswertung des Septembers erst am 8. Oktober beseitigen diesen Fehlalarm.

2. Nachnahme im Nenner

   Nachnahme hat keinen Vorkasse-Status, daher verwässern 100 solcher Bestellungen über 9.500 € das Ergebnis: 88 / 1.200 ergibt 7,3% statt 8,0%, und 20.640 / 185.000 ergibt 11,2% statt 11,8%. Nicht abgeholte Nachnahmepakete sind ein eigenes Problem mit eigener Rechnung.

3. Erneute Bestellungen doppelt gezählt

   Kunden, deren Zahlung nicht durchging, geben oft eine zweite Bestellung auf und bezahlen sie; die erste bleibt im Status unbezahlt. Eine erneute Bestellung ist eine bezahlte Bestellung desselben Kunden (gleiche order_customer_id oder email_hash) innerhalb von 2 Tagen: im Beispiel 18 Bestellungen über 2.360 €, die den Verlust von 20.640 € auf 18.280 € senken.

Diese Rechnung beginnt erst nach dem Klick auf „Bestellen“. Warenkorb- und Checkout-Abbrüche vor dem Absenden der Bestellung sind ein eigenes Problem, das auf Basis von Sitzungen und GA4-Ereignissen berechnet wird; es wird im Leitfaden zum Sitzungs- und Checkout-Funnel beschrieben. Hier hat der Kunde bereits seine Adresse angegeben und eine Zahlungsart gewählt, daher hat jeder Verlust im Shop eine Bestellnummer, einen Betrag und eine Zahlungsart.

Zahlungsarten

Normalwert unbezahlter Bestellungen je Zahlungsart

Der Durchschnitt von 8,0 % für den gesamten Shop vermischt Prozesse völlig unterschiedlicher Art. BLIK (mobile Zahlung) ist auf dem Smartphone des Kunden in wenigen Sekunden abgeschlossen, die klassische Überweisung wartet auf die Entscheidung des Kunden und die Verbuchung bei der Bank, der Ratenkauf auf die Kreditentscheidung. Eine gemeinsame Quote sagt nur, dass irgendwo Bestellungen nicht bezahlt werden.

Die Norm pro Zahlungsart ist die Spanne der Unbezahlt-Quote aus den drei vorangegangenen vollen Monaten (hier Juni–August), berechnet nach derselben Definition: nur Vorauszahlungen, Reifefenster von 7 Tagen, erneute Zahlungen separat abgezogen. Den laufenden Monat liest man dann für jede Zahlungsart einzeln: „im Normbereich“ oder „über der Norm“.

Der Shop-Durchschnitt reagiert auch auf die Anteile der Zahlungsarten. Steigt der Anteil des Ratenkaufs, steigt die Quote des gesamten Shops, obwohl kein Zahlungsprozess gestört ist. Die Norm pro Zahlungsart trennt eine Verschiebung im Mix von einer echten Störung.

September in einem Haushaltsgeräte-Shop nach Zahlungsart (Beispieldaten, Auswertung am 8. Oktober, Fenster 7 Tage):

Dieselben Zahlen in Form der Zahlungsauswahl, die der Kunde im Checkout sieht: Das graue Band auf der Skala 0–30 % ist die eigene Norm der Zahlungsart, die Markierung zeigt den September, und hervorgehobene Kacheln liegen über der Norm.

Zwei Zahlungsarten liegen über ihrer eigenen Norm: Karte und klassische Überweisung. Die Karte liegt bei 5,0 % bei einer Norm von 3,0–4,0 %, doch fünf der neun unbezahlten Bestellungen haben dieselben Kunden innerhalb von zwei Tagen erneut bezahlt, netto fehlen also 600 €. Die klassische Überweisung liegt bei 26,3 % bei einer Norm von 18–22 % und ohne eine einzige erneute Zahlung, das sind 4.725 € netto verloren.

Der Ratenkauf liegt im Normbereich, verursacht aber 61 % des netto verlorenen Werts (11.100 € von 18.280 €). Eine Quote von 25,0 % bei einem durchschnittlichen Warenkorb von 370 € ergibt in Euro mehr als die vier übrigen Zahlungsarten zusammen (7.180 €). Die Norm zeigt, dass der Prozess wie üblich läuft; der Betrag zeigt, dass genau dieses „wie üblich“ den Shop am meisten kostet.

Jede Zahlungsart verliert Zahlungen aus einem anderen Grund, daher die so unterschiedlichen Normen:

• Ratenkauf und späteres Bezahlen: Die Bestellung entsteht vor der Kreditentscheidung; ein Teil der Kunden erhält eine Absage, ein anderer bricht den Antrag ab, sobald Formular und Konditionen erscheinen.
• Klassische Überweisung: Der Kunde erhält die Bankdaten und verschiebt die Zahlung; ohne Erinnerung verfällt die Bestellung nach Ablauf der Frist.
• Karte: Die Autorisierung schlägt fehl (Limit, zusätzliche Prüfung durch die Bank), und der Kunde wiederholt den Kauf meist sofort, daher ist der Anteil erneuter Zahlungen hoch.
• BLIK und Online-Sofortüberweisung: Die Zahlung ist in weniger als einer Minute abgeschlossen, unbezahlte Bestellungen sind also vor allem Abbrüche auf der Seite der Bank oder des Zahlungsanbieters.

Die Ursache einer einzelnen Transaktion zeigt das Dashboard des Zahlungsanbieters (Ablehnungsgrund, Abbruchstelle). Die Bestelldaten aus dem Shop zeigen Umfang und Ort: welche Zahlungsart, wie viele Bestellungen, wie viel Euro und ob das Ergebnis von der eigenen Norm abweicht. Die Reihenfolge ist daher immer gleich: Erst zeigen die Shopdaten die Zahlungsart, dann erklärt das Dashboard des Zahlungsanbieters die Ursache.

Versand und MER

Versandart, unbezahlte Bestellungen und MER

Die Unbezahlt-Quote hängt auch davon ab, was und wie der Kunde bestellt. Großgeräte mit Lieferung in die Wohnung haben andere Warenkörbe und andere Zahlungsarten als kleine Haushaltsgeräte, die an eine Paketstation gehen. Die Aufteilung der 1.100 Vorkasse-Bestellungen nach Versandart zeigt, wo der Verlust über dem Shop-Durchschnitt liegt.

Lieferung mit Hereintragen weicht unter den großen Gruppen am stärksten ab: 11,8 % bei einem Shopdurchschnitt von 8,0 %, also fast 1,5-mal so viele unbezahlte Bestellungen. Es handelt sich um Bestellungen von Großgeräten mit den höchsten Warenkörben, und gerade hier wählen Kunden am häufigsten Ratenzahlung und klassische Überweisung, also die Zahlungsarten mit dem höchsten Normwert für unbezahlte Bestellungen. Die Ursache einzelner Transaktionen bestätigt das Dashboard des Zahlungsanbieters; die Shopdaten zeigen das Ausmaß und die Bestellgruppe, in der der Abfluss steigt.

Die übrigen Versandarten liegen bei 14,0 %, allerdings bei einer Stichprobe von 50 Bestellungen. Sieben unbezahlte Bestellungen reichen nicht aus, um einen Normwert für diese Gruppe festzulegen. Eine solche Zeile wird daher über die folgenden Monate beobachtet, bevor eine Entscheidung fällt. Kurier (7,0 %), Paketautomat (6,0 %) und Selbstabholung (6,4 %) liegen auf oder unter dem Shopdurchschnitt.

Dieselben Ausgaben ergeben zwei unterschiedliche Budgetergebnisse:

Die Differenz von 12,6 % ergibt sich allein aus dem Zeitpunkt, zu dem der Umsatz gezählt wird. 88 Bestellungen mit Vorkasse über 20.640 € wurden vor dem Zahlungseingang als Umsatz verbucht, und die Zahlung kam nie. Ihr durchschnittlicher Warenkorb liegt bei ca. 235 €, gegenüber ca. 160 € für alle Vorkassebestellungen. Es zahlen also vor allem teurere Bestellungen nicht. Die Kampagnen haben sich um keinen Cent verändert, geändert hat sich nur die Umsatzdefinition.

Derselbe Effekt tritt in den Werbeplattformen und in GA4 auf. Wird das Kaufereignis auf der Danke-Seite ausgelöst, bevor der Kunde bezahlt, zählen Plattform und GA4 eine Conversion auch für eine Bestellung, die beim Zahlungsanbieter hängen bleibt. Deshalb basiert das Ergebnis des Gesamtbudgets auf bezahlten Bestellungen aus dem Shop (MER), der ROAS der Kanäle aus GA4 und den Plattformen gilt als Schätzung, und die GA4-Abdeckung (Anzahl der purchase-Transaktionen in GA4 geteilt durch die Anzahl der Shopbestellungen im selben Zeitraum) wird im Verhältnis zu den Shopbestellungen berechnet. Mehr zu Lücken und Überschüssen in der Messung im Leitfaden zu fehlenden Conversions und Consent Mode.

Die Aufteilung des Ergebnisses auf Kanäle und Kampagnen stammt aus den Werbeplattformen und GA4. Auf Kampagnenebene bleiben Ausgaben und Conversions aus der Plattform, gezählt zum Zeitpunkt der Bestellung; die Kampagne ist die niedrigste Ebene, auf der sich diese Zahlen sinnvoll lesen lassen. Eine Kampagne, die von ihrem Normwert abweicht (Ausgaben steigen, Conversions in der Plattform nicht), wird zuerst geprüft. Das Ergebnis des Gesamtbudgets kontrolliert der MER auf Basis bezahlter Shopbestellungen.

Berechnen Sie vor einer Budgeterhöhung den MER auf Basis bezahlter Shopbestellungen und vergleichen Sie ihn mit dem MER auf aufgegebene Bestellungen. Der ROAS der Kanäle aus GA4 und den Plattformen dient dann als Schätzung der Aufteilung, über die Höhe des Budgets entscheidet das Geld, das tatsächlich auf dem Konto eingegangen ist.

Maßnahmenmatrix

Reihenfolge der Maßnahmen: Abweichung von Norm und Wert

Eine Liste der Zahlungsarten mit Quoten sagt noch nicht, wo man anfangen soll. Die Reihenfolge bestimmen zwei Zahlen gleichzeitig: die Abweichung vom eigenen Normwert (hat sich im Zahlungsprozess etwas verändert?) und der verlorene Nettowert (was kostet das jeden Monat?). Die erste zeigt einen Fehler, der rückgängig zu machen ist, die zweite, ob es sich lohnt, genau dort anzusetzen.

Das Vorgehen umfasst fünf Schritte und arbeitet jedes Mal mit derselben Definition aus den vorherigen Abschnitten:

1. Verlorenen Nettowert je Zahlungsart berechnen

   Unbezahlte Bestellungen nach dem 7-Tage-Fenster abzüglich der Bestellungen, die derselbe Kunde innerhalb von 2 Tagen erneut aufgegeben und bezahlt hat. Im September: Ratenzahlung 11.100 €, klassische Überweisung 4.725 €, Sofortüberweisung 1.120 €, BLIK 735 €, Karte 600 €; zusammen 18.280 €.

2. Quote mit dem eigenen Normwert vergleichen

   Der Normwert stammt aus den drei vorangegangenen, identisch berechneten Monaten. Oberhalb der Obergrenze liegen zwei Zahlungsarten: klassische Überweisung (26,3 % bei einer Norm von 18–22 %) und Karte (5,0 % bei einer Norm von 3,0–4,0 %).

3. Zahlungsart in der Matrix einordnen

   Horizontale Achse: innerhalb der Norm oder darüber. Vertikale Achse: verlorener Nettobetrag; die Schwelle richtet sich nach der Größe des Shops, hier verläuft die Grenze bei etwa 2.500 € pro Monat.

4. Art der Maßnahme zuordnen

   Jeder Quadrant steht für eine andere Art von Arbeit: einen Fehler rückgängig machen, einen neuen Prozessschritt entwerfen, im Dashboard des Zahlungsanbieters beobachten oder die übliche monatliche Prüfung.

5. Wirkung im nächsten vollen Monat messen

   Dieselbe Definition: 7-Tage-Fenster, Nachnahme außerhalb des Nenners, erneute Bestellungen abgezogen. Wird auch nur ein einziger Ausschluss geändert, zeigt sich eine Verbesserung, die es im Prozess nicht gab.

Matrix der Maßnahmenreihenfolge (Shop für Haushaltsgeräte, September, verlorener Nettowert, Beispieldaten):

Jetzt beheben: klassische Überweisung. Anteil 26,3 % bei einer Norm von 18–22 % und 4.725 € netto verloren. Eine Abweichung von der eigenen Norm bedeutet, dass sich im Prozess etwas geändert hat: der Text der Bestellbestätigung mit den Überweisungsdaten, die Zahlungsfrist oder eine Erinnerung vor der Stornierung, die nicht mehr verschickt wird.

Prozess neu gestalten: Ratenkauf. Der Anteil von 25,0 % liegt innerhalb der Norm von 22–28 %, trotzdem machen 11.100 € 61 % des verlorenen Nettowerts aus. Hier ist nichts kaputtgegangen, eine Verbesserung erfordert also einen neuen Schritt, z. B. die Kontaktaufnahme mit dem Kunden nach einer abgelehnten Kreditentscheidung und das Angebot einer anderen Zahlungsart für denselben Warenkorb.

Beobachten: Karte. Der Anteil von 5,0 % liegt über der Norm von 3,0–4,0 %, aber 5 von 9 Kunden haben die Zahlung erneut ausgelöst und bezahlt, netto bleiben also 600 €. Das Panel des Zahlungsanbieters zeigt, ob fehlgeschlagene Autorisierungen in den folgenden Wochen anhalten.

Im Normbereich: BLIK und Sofortüberweisung. Zusammen 1.855 € netto (735 € + 1.120 €) bei Anteilen innerhalb der Normbereiche. Diese Zahlungsarten brauchen nur eine monatliche Prüfung auf Basis derselben Definition.

Die Szenariorechnung zeigt, was der erste Schritt wert ist:

• Klassische Überweisung von 26,3 % auf 10 %: 10 % von 80 Bestellungen sind 8 unbezahlte statt 21, also 13 × 225 € = 2.925 € pro Monat.
• Ratenkauf, ein Drittel der verlorenen Bestellungen zurückgewonnen: 10 × 370 € = 3.700 € pro Monat.
• Zusammen 6.625 € pro Monat, also 36 % des aktuellen Nettoverlusts (6.625 € / 18.280 €).

In der Hochsaison steigt der Einsatz mit dem Volumen. Beim 1,8-fachen Volumen erreicht der Nettoverlust ca. 32.900 € (18.280 € × 1,8) und das Potenzial der Korrekturen ca. 11.900 € (6.625 € × 1,8). Die klassische Überweisung sollte daher vor der Hochsaison behoben und das Ratenkauf-Projekt früh genug gestartet werden, um den Effekt über einen vollen Monat zu messen.

Entscheidungsschwellen trennen einen Prozessfehler von einem Ausfall. Eine Zahlungsart, die zwei volle Wochen in Folge über der Obergrenze ihrer eigenen Norm liegt, wird anhand der Matrix diagnostiziert. Ein plötzlicher Anstieg offener Zahlungen an einem einzelnen Tag, z. B. nach einer Störung beim Zahlungsanbieter, ist ein Ausfall, den das tägliche Anomalie-Monitoring am nächsten Morgen erkennt; Uhrzeit und Ursache zeigt das Panel des Zahlungsanbieters.

Die Reihenfolge der Korrekturen bestimmt ein Zahlenpaar: die Abweichung der Zahlungsart von ihrer eigenen Norm und der netto verlorene Betrag. Eine Zahlungsart über der Norm mit hohem Betrag kommt zuerst, weil sich in ihrem Prozess etwas geändert hat und sich diese Änderung rückgängig machen lässt.

DataOrganizer

Unbezahlte Bestellungen im DataOrganizer-Chat

Die gesamte Rechnung der vorherigen Abschnitte basiert auf einer Tabelle: den Shop-Bestellungen mit ihrem Status. DataOrganizer ruft sie über die offiziellen APIs des Shops ab, zusammen mit den Feldern, die die Norm benötigt: order_status, order_payment_method, order_grand_total_amount, order_date_created sowie order_customer_id und email_hash, um erneute Bestellungen zu erkennen. Daneben liegen die Kosten aus den Werbeplattformen, sodass die MER auf bezahlte Bestellungen (bezahlter Shop-Umsatz / Gesamtausgaben) am selben Ort berechnet wird; die Aufteilung nach Kanälen laut GA4 oder Werbepanels dient als Schätzung.

Die Daten werden einmal täglich aktualisiert und enthalten morgens den vollständigen Vortag. So lässt sich der Anteil unbezahlter Bestellungen auf zwei Ebenen lesen: der Tag im Vergleich zum Muster desselben Wochentags (Dienstag mit Dienstagen) und der volle Monat nach Ablauf des Reifefensters im Vergleich zur eigenen Norm je Zahlungsart. Die Ursache einer einzelnen Transaktion (Ablehnung durch die Bank, abgebrochener Ratenantrag) bleibt im Panel des Zahlungsanbieters; die Shop-Daten zeigen das Ausmaß des Problems und wo es wächst.

Die monatliche Prüfung nach Ablauf des 7-Tage-Fensters sieht so aus (Haushaltsgeräte-Shop, September, Beispieldaten):

Im Lauf des Monats wird dasselbe Gespräch kürzer. Morgens lässt sich fragen, ob der gestrige Anteil unbezahlter Bestellungen einer Zahlungsart im Muster dieses Wochentags liegt. Ein plötzlicher Sprung deutet auf eine Störung hin, die das Panel des Zahlungsanbieters bestätigt, eine leichte Abweichung bestätigt erst der zweite Tag. Das vollständige Urteil im Vergleich zur Norm fällt nach Ablauf des Reifefensters, wenn klassische Überweisungen verbucht sein konnten.

Shop, Werbeplattformen und GA4 werden selbst angebunden, ohne Entwickler. Bezahlt wird für die angebundenen Datenquellen, die aktuellen Preise stehen in der Preisliste. Ab der ersten Aktualisierung liegen Bestellstatus, Zahlungsarten und Kampagnenkosten an einem Ort, sodass die Normtabelle der letzten drei Monate aus der Historie berechnet wird statt aus manuellen Exporten aus dem Shop-Backend.

Methodischer Hinweis: Die Zahlen in den Beispielen dienen der Veranschaulichung. Der September wird am 8. Oktober bewertet (Reifefenster 7 Tage), Nachnahme ist als eigene Kategorie aus dem Nenner ausgenommen, und eine Wiederholung bedeutet eine bezahlte Bestellung desselben Kunden innerhalb von 2 Tagen. DataOrganizer hat keine Daten zu Retouren oder verweigerten Sendungen, die Rechnung endet also beim Zahlungseingang. Nach einem Wechsel des Zahlungsanbieters oder der Einführung einer neuen Zahlungsart werden die Normen ab dem Datum der Änderung neu bestimmt.

Methodischer Hinweis: Die Zahlen in den Beispielen (Shop für Haushaltsgeräte, September, Bewertung am 8. Oktober) dienen der Veranschaulichung und zeigen nur den Rechenweg. Der Anteil wird nach einem 7-tägigen Reifefenster berechnet, ohne Nachnahme im Nenner und nach Abzug von Wiederholungen desselben Kunden. Die Shopdaten enthalten keine Retouren oder verweigerten Annahmen, und nach einem Wechsel des Zahlungsanbieters wird die Norm neu bestimmt.

FAQ

Häufige Fragen zu unbezahlten Bestellungen

Welche Quote unbezahlter Bestellungen ist im Onlineshop normal?

Einen Wert für alle Shops gibt es nicht, weil jede Zahlungsart anders funktioniert: Im Beispielshop für Haushaltsgeräte liegt die Norm für BLIK bei 2,5–3,5 %, für Ratenkauf bei 22–28 %. Die eigene Norm wird pro Zahlungsart aus den drei vorangegangenen vollen Monaten bestimmt, wobei nur Vorkasse-Bestellungen zählen, die älter als das Reifefenster sind, und Wiederholungen desselben Kunden abgezogen werden. Der Shopdurchschnitt (hier 8,0 % nach Anzahl und 11,8 % nach Wert) verändert sich mit dem Mix der Zahlungsarten und sagt allein nichts darüber, ob etwas kaputt ist.

Warum bestellen Kunden und zahlen dann nicht?

Der Mechanismus hängt von der Zahlungsart ab: Beim Ratenkauf bricht der Kunde den Antrag ab oder wird abgelehnt, bei der klassischen Überweisung schiebt er die Zahlung auf, bei der Karte schlägt die Autorisierung fehl und endet oft mit einer schnellen Wiederholung. Große Warenkörbe bleiben häufiger unbezahlt, was der höhere Anteil bei Lieferung mit Hineintragen von Großgeräten zeigt (11,8 % bei einem Durchschnitt von 8,0 %). Die Shopdaten zeigen Ausmaß und Ort des Problems, die Ursache einer einzelnen Transaktion kennt das Panel des Zahlungsanbieters.

Nach wie vielen Tagen eine unbezahlte Bestellung stornieren?

Die Stornofrist ergibt sich aus den AGB des Shops und der Zahlungsart. Eine klassische Überweisung wird meist nach 1–2 Werktagen verbucht, eine zu kurze Frist storniert also Bestellungen, die noch bezahlt worden wären. Für die Analyse gilt ein Reifefenster, das sich nach der langsamsten Zahlungsart richtet (im Beispiel 7 Tage), und erst danach zählt eine Bestellung ohne Zahlungseingang als unbezahlt. Vor der Stornierung lohnt sich eine Erinnerung mit den Zahlungsdaten, denn so lässt sich ein Teil des Betrags am günstigsten zurückholen.

Gehören unbezahlte Bestellungen in Umsatz und ROAS?

Nein: Umsatz und MER werden aus bezahlten Bestellungen aus dem Shop berechnet, aufgegebene Bestellungen lassen sich separat als Nachfragesignal berichten. Im Beispiel beträgt der MER auf aufgegebenen Bestellungen 9,25 und auf bezahlten 8,22, die Berechnung vor Zahlungseingang überhöht das Ergebnis also um 12,6 %. Wird das Kauf-Event auf der Dankeseite vor der Zahlung ausgelöst, zählen auch Werbekonten und GA4 unbezahlte Bestellungen, ihr ROAS ist dann als Schätzung zu lesen (mehr im Leitfaden zu fehlenden Conversions).

Wie prüft man unbezahlte Bestellungen je Zahlungsart in DataOrganizer?

DataOrganizer lädt die Bestellungen aus dem Shop mit Status, Zahlungsart, Betrag, Datum und gehashter Kundenkennung und aktualisiert die Daten einmal täglich mit dem vollständigen Vortag. Im Chat genügt die Frage nach unbezahlten Vorkasse-Bestellungen pro Zahlungsart im Vergleich zur Norm der letzten drei Monate, ohne Nachnahme und nach Abzug der Wiederholungen. Der Assistent liefert eine Tabelle mit Anteil, netto verlorenem Betrag und MER auf Basis bezahlter Bestellungen. Ein plötzlicher Anstieg offener Bestellungen an einem Tag zeigt sich in der Morgenübersicht im Vergleich zum Wochentagsmuster, wie im Leitfaden zu Monitoring und Anomalien beschrieben.