Shopbetreiber kennen das Gefühl: GA4 meldet Tausende Sitzungen und „3,3% Conversion“, auf dem Konto sieht man nur, dass die Woche schwächer war. Statistik und Umsatz sprechen zwei Sprachen. Dieser Leitfaden zeigt, wo und wie man den Enhanced-E-Commerce-Funnel mit den echten Shopbestellungen verknüpft, damit sich jede Funnelstufe in Euro bewerten und in der Reihenfolge der teuersten zuerst beheben lässt.
Grundlagen
E-Commerce-Funnel in GA4: vier Events als Basis
Der Funnel ist kein Bericht, den GA4 „out of the box“ liefert. Er entsteht aus Enhanced-E-Commerce-Events, die der Shop während des Einkaufs sendet:
Definition
Der Verkaufsfunnel in GA4 ist eine Abfolge von Enhanced-E-Commerce-Events (Aufruf der Produktseite, Hinzufügen zum Warenkorb, Beginn des Checkouts, Kauf), die sich auf zwei Ebenen auswerten lässt: sitzungsbezogen (wie viele Sitzungen die nächste Stufe erreichen, je Kanal und Kampagne) und produktbezogen (wie sich jedes Produkt vom Aufruf bis zum Kauf schlägt). Der Funnel ist nur so gut wie die Implementierung der Events, aus denen er entsteht.
Zwei Bedingungen entscheiden über die Brauchbarkeit des Funnels. Erstens Vollständigkeit: Jedes der vier Events muss Produkt-ID, Wert und Währung senden, purchase zusätzlich eine Transaktions-ID, die der Bestellnummer entspricht. Zweitens Sauberkeit: Doppelt ausgelöste Tags oder ein purchase, der beim Neuladen der Danke-Seite erneut gesendet wird, erzeugen einen Funnel, den es so nicht gibt. Bevor Sie Schlüsse ziehen, planen Sie einen Tag für ein Event-Audit ein.
Lücke
Was der GA4-Funnel ohne Shopdaten nicht zeigt
Die Fragen von Inhabern und Managern drehen sich immer um Geld, der Funnel antwortet in Prozent. Erst die Verbindung beider Welten liefert Antworten, auf deren Basis man handeln kann:
| Frage aus der Chefetage | Was GA4 allein zeigt | Was der Shop allein zeigt | Was erst zusammen sichtbar wird |
|---|---|---|---|
| „Warum war die Woche schwächer?“ | Conversion fiel von 3,6% auf 3,3% | 118 Bestellungen weniger | welche Funnelstufe eingebrochen ist, ab welchem Tag und um wie viel Euro |
| „Verkauft sich dieses Produkt?“ | Aufrufe und Warenkörbe des Produkts | Stückzahl, Umsatz, Marge, Bestand | wo das Produkt Kunden verliert und ob es sich zu retten lohnt |
| „Welcher Kanal liefert?“ | Sitzungen und Events je Kanal | Gesamtumsatz und bezahlte Bestellungen, ohne Aufteilung nach Kanälen | Gesamt-MER neben dem Anteil der Kanäle an den Transaktionen laut GA4 (Schätzung) |
| „Was kostet uns der Checkout?“ | Abbruchrate im Checkout in Prozent | Wert der bezahlten Bestellungen | Wert der Warenkörbe, die jede Woche nicht an der Kasse ankommen |
Hinzu kommt die Abweichung der Zahlen selbst: purchase in GA4 hängt von Einwilligungen, Blockern und abgebrochenen Weiterleitungen ab, Bestellstatus kennt GA4 überhaupt nicht. GA4 sieht meist 60–85% der echten Bestellungen, deshalb liest man den Funnel zusammen mit der Abdeckung. Die Ursachen dieser Unterschiede beschreibt der Leitfaden zur automatisierten E-Commerce-Analyse, die Grenzen der Verknüpfung von Werbedaten mit dem Umsatz der Leitfaden zu Conversions und Attribution.
Eine Conversion Rate tut nicht weh. Weh tun 10.000 € in Warenkörben, die zwei Tage lang nicht an der Kasse angekommen sind.
Verknüpfungen
Wo Funnel und Umsatz zusammenkommen: drei Ebenen
Der Abgleich von GA4 mit dem Shop erfolgt auf drei Ebenen, jede mit eigenen Aggregaten und für andere Fragen. Die Regel aus den übrigen Leitfäden gilt auch hier: Die Achse bilden die bezahlten Bestellungen, und die Funnel-Daten werden ihnen zugeordnet, niemals umgekehrt.
| Ebene | Gemeinsame Dimension | Was abgeglichen wird | Welche Frage beantwortet wird |
|---|---|---|---|
| 1 · Tag | Datum (Kanal und Kampagne nur auf GA4-Seite) | Session-Funnel aus GA4 neben der täglichen Anzahl und dem Wert bezahlter Bestellungen aus dem Shop | ab welchem Tag das Problem begann und in welcher Stufe; Aufteilung nach Kanälen laut GA4 |
| 2 · Produkt | Produktkennung (SKU) | Produkt-Funnel aus GA4 neben verkauften Stückzahlen, Marge und Lagerbeständen | welche Produkte Nachfrage ohne Verkäufe haben und warum |
| 3 · Abdeckung | Summe für denselben Tag oder dieselbe Woche (ohne Abgleich einzelner Bestellungen) | Anzahl und Wert von purchase in GA4 gegenüber bezahlten Bestellungen aus dem Shop | Messabdeckung: auf welcher Datenbasis Sie überhaupt arbeiten |
Die erste Ebene ist das tägliche operative Werkzeug, die zweite liefert die Grundlage für Entscheidungen zu Sortiment und Produktkampagnen, und die dritte ist Datenhygiene, die wöchentlich geprüft wird, damit man den ersten beiden vertrauen kann. Alle drei setzen eines voraus: GA4-Events und Bestellungen müssen im selben Datenmodell liegen, mit denselben Datumsangaben und Definitionen.
Merksatz
Die Dimension richtet sich nach der Frage. „Seit wann sinkt die Conversion?“ erfordert einen Abgleich nach Tag (mit Kanälen laut GA4). „Warum verkauft sich der Bestseller nicht mehr?“ nach SKU. „Kann ich dem Funnel vertrauen?“ nach den Summen von purchase und Bestellungen für denselben Zeitraum. Wer alles mit einem einzigen Bericht beantworten will, erhält am Ende einen Bericht, der nichts beantwortet.
Bewertung
Den Funnel in Euro lesen: Wert jeder Stufe
Statistik unterstützt den Verkauf in dem Moment, in dem die Funnel-Stufen einen Preis bekommen. So sieht eine Woche eines beispielhaften Spielwarenshops nach dem Zusammenführen beider Quellen aus (Beispieldaten):
Wochen-Funnel · GA4 + Shop-BestellungenSpielwarenshop · Beispieldaten
Jeder Übergang hat jetzt einen Preis. Eine Verbesserung des Übergangs Warenkorb-Checkout um 1% bedeutet in diesem Shop 53 Warenkörbe pro Woche, also rund 2.450 € Bestellwert, berechnet über den AOV.
Die Bewertung der Stufen lässt sich auf vier Schritte herunterbrechen:
AOV aus bezahlten Bestellungen berechnen
Umsatz geteilt durch die Anzahl bezahlter Bestellungen, aus den Shopdaten (nicht aus GA4). Im Beispiel: 80.575 € / 1.742 = 46,25 €.
Normwerte für die Übergänge festlegen
Berechnen Sie für jeden Funnel-Übergang den Median aus mehreren typischen Wochen: Session-Produktseite, Produktseite-Warenkorb, Warenkorb-Checkout, Checkout-Kauf. Das ist Ihre Baseline, aussagekräftiger als jeder Branchen-Benchmark.
Abweichung von der Norm bewerten
Der Rückgang eines Übergangs unter die Norm mal die Anzahl der Eintritte in die Stufe mal AOV ergibt einen Richtwert für das Problem. Die Bewertung von Anomalien sagt mehr aus als die Bewertung des gesamten natürlichen Schwunds im Funnel.
Reaktionsschwelle festlegen
Beispielregel: Liegt ein Übergang an zwei aufeinanderfolgenden Tagen mehr als 5% unter der Norm, ist eine Diagnose fällig. Dank der Bewertung ist außerdem klar, in welcher Reihenfolge repariert werden sollte.
Methodischer Hinweis: Die Bewertung der Stufen über den AOV ist eine Richtgröße zur Priorisierung und kein eins zu eins verlorener Umsatz. Ein Teil der Kunden bricht den Warenkorb ab und kommt am nächsten Tag zurück, ein Teil hatte nie vor zu kaufen. Die Stärke der Methode liegt in der Vergleichbarkeit: dieselbe Formel, dieselbe Norm, jede Woche.
Playbook
Fünf Funnel-Signale, die Umsatz retten
In der Praxis kehren immer wieder dieselben Situationen zurück. Es lohnt sich, sie vorab zu kennen, zusammen mit dem ersten Schritt:
1Signal
Der Übergang Warenkorb-Checkout fällt ab einem bestimmten Tag sprunghaft ab
2Signal
Ein Produkt hat viele Seitenaufrufe und wenige Warenkorb-Hinzufügungen
3Signal
Warenkörbe steigen, Käufe stagnieren, und der Lagerbestand ist niedrig
4Signal
Ein Kanal bringt Sessions, die nicht einmal eine Produktseite erreichen
5Signal
Käufe in GA4 wachsen schneller als die Bestellungen im Shop
Reales Risiko
Ein Funnel ohne Abdeckungsprüfung kann das Team losschicken, um einen gesunden Shop zu reparieren. Ein Rückgang von purchase in GA4 nach einer Änderung am Consent-Banner sieht genauso aus wie ein Einbruch der Verkäufe. Bevor jemand den Checkout anfasst, zeigt ein Blick auf die bezahlten Bestellungen, ob das Problem im Shop oder in der Messung liegt.
DataOrganizer
Wie DataOrganizer den GA4-Funnel mit Shopverkäufen verbindet
Alle drei Auswertungen aus diesem Leitfaden sind in DataOrganizer fertig vorhanden. Die Integrationen laden täglich Events und Funnels aus GA4 (sitzungsbasiert pro Kanal und produktbasiert pro SKU) sowie Bestellungen, Positionen, Margen und Lagerbestände aus dem Shop und führen sie in einem Datenmodell zusammen: gleiche Daten, gleiche Definitionen. Der Sitzungsfunnel trifft auf die täglichen Bestellungen und den Umsatz des Shops, der Produktfunnel auf Verkäufe, Marge und Verfügbarkeit der Produkte, und die GA4-Abdeckung (Summe purchase im Verhältnis zur Summe bezahlter Bestellungen) wird bei jeder morgendlichen Aktualisierung neu berechnet.
Das Ergebnis fragt man beim KI-Assistenten in der App ab oder per MCP im eigenen Chat. Eine Diagnose, die manuell drei Berichte und eine Tabelle erfordert, sieht dann so aus:
Das Problem liegt im Übergang vom Warenkorb zum Checkout. Die übrigen Stufen und der Traffic sind normal, die GA4-Abdeckung ebenfalls (92 %). Es liegt also am Shop, nicht an der Messung:
| Tag | Warenkorb → Checkout | Verlust ggü. Norm 46% |
|---|---|---|
| Montag | 46% | – |
| Dienstag | 31% | 112 Warenkörbe · ~5.200 € |
| Mittwoch | 32% | 104 Warenkörbe · ~4.800 € |
Insgesamt sind das rund 10.000 € Warenkorbwert über der Norm in zwei Tagen (bewertet mit einem AOV von 46 €, grobe Schätzung). Der Rückgang beginnt genau am Dienstag und betrifft laut Funnel pro Kanal in GA4 alle Kanäle gleichermaßen. Prüfen Sie die Änderungen, die an diesem Tag im Versand- und Zahlungsschritt live gegangen sind.
Merksatz
Statistik hilft dem Verkauf, wenn jede Stufe einen Preis und einen Bezugspunkt hat. GA4 liefert die Stufen, der Shop liefert die Euro-Beträge und die Norm. Diese Verknüpfung manuell zu pflegen kostet jede Woche Stunden; im verbundenen Modell fällt sie bei der täglichen Datenaktualisierung nebenbei an.
FAQ
Häufige Fragen zu E-Commerce-Funnel und Verkaufsdaten
Welche Events bilden den E-Commerce-Funnel in GA4?
Den Kern bilden vier Events des erweiterten E-Commerce: view_item, add_to_cart, begin_checkout und purchase; ergänzt werden sie unter anderem durch view_item_list, add_shipping_info und add_payment_info. Voraussetzung für einen aussagekräftigen Funnel ist die Implementierung: jedes Event mit Produkt-ID, Wert und Währung, und purchase mit einer Transaktions-ID, die der Bestellnummer entspricht.
Warum entspricht purchase in GA4 nicht den Bestellungen im Shop?
GA4 erfasst einen Kauf nur bei Einwilligung in die Messung, ausgelöstem Tag und ununterbrochener Weiterleitung nach der Zahlung, und Bestellstatus kennt es überhaupt nicht. In der Praxis sieht es meist 60–85 % der tatsächlichen Bestellungen. Deshalb liest man den Funnel zusammen mit der Abdeckung, und der Bezugspunkt bleiben die bezahlten Bestellungen aus dem Shop.
Wie berechnet man den Wert abgebrochener Warenkörbe?
Grob: Warenkörbe, die nicht in den Checkout übergegangen sind, mal AOV aus den bezahlten Bestellungen. Ehrlicher ist es, die Anomalie zu bewerten: die Differenz zwischen der heutigen Übergangsrate vom Warenkorb zum Checkout und Ihrer Norm, mal Anzahl der Warenkörbe, mal AOV. Das ist eine Schätzung zur Priorisierung, kein eins zu eins verlorener Umsatz, denn ein Teil der Kunden kommt später zurück.
Wie hoch sollte die Conversion Rate eines Onlineshops sein?
Es gibt nicht den einen richtigen Wert: Er hängt von Branche, Preisen und Traffic-Struktur ab, und die oft genannten 1–3 % sind nur eine Orientierung. Praktischer ist der Vergleich mit dem eigenen Trend und die Aufteilung der Conversion in Stufenübergänge. Dann beantworten Sie statt der Frage „Sind 2 % viel?“, welche Stufe von Ihrer Norm abweicht und was das in Euro kostet.
Was tun, wenn ein Produkt Traffic, aber keine Verkäufe hat?
Bestimmen Sie die Stufe, an der verloren wird. Viele view_item und wenige add_to_cart deuten auf die Produktseite hin (Preis im Marktvergleich, Bilder, Beschreibung, Sichtbarkeit der Versandkosten). Viele Warenkörbe ohne Kauf deuten auf den Checkout oder die Verfügbarkeit hin (Lagerbestand, Versand- und Zahlungsarten). Die Diagnose braucht einen Produktfunnel, der mit Verkäufen und Lagerbeständen aus dem Shop abgeglichen ist; Traffic allein zeigt nicht, wo das Geld verschwindet.
Spickzettel zum gesamten Leitfaden
Drei Regeln, um Funnel und Verkäufe zu verbinden
1. Drei Auswertungsebenen. Tag für operative Diagnosen (Kanäle laut GA4), SKU für Produktentscheidungen, Summen von purchase und bezahlten Bestellungen für denselben Zeitraum zur Prüfung der Abdeckung. Die Achse sind immer die bezahlten Bestellungen; der GA4-Funnel wird ergänzt, mit gleichen Daten und Definitionen.
2. Funnel-Stufen in Euro bewerten. AOV aus Shopdaten, eine Norm für die Übergänge aus typischen Wochen und die Bewertung der Abweichungen machen aus Prozenten eine Liste von Korrekturen, sortiert nach Kosten. Eine grobe Schätzung reicht, denn sie dient der Priorisierung, nicht der Buchhaltung.
3. Erst die Abdeckung, dann die Schlüsse. Ein Funnel ohne Abgleich von purchase mit Bestellungen kann ein Messproblem mit einem Verkaufsproblem verwechseln. DataOrganizer pflegt alle drei Auswertungen automatisch: GA4-Funnels, Bestellungen, Margen und Lagerbestände in einem Modell, mit Antworten im Chat statt drei Berichten und einer Tabelle.
DataOrganizer · Funnel und Verkäufe in einem Modell
Verbinden Sie Shop und GA4: Sitzungs- und Produktfunnel treffen auf Bestellungen, Marge und Lagerbestände, und die Abdeckung wird automatisch berechnet. Demo-Konto sofort verfügbar, Sie zahlen nur für verbundene Quellen.
