E-Commerce-Conversion-Rate
Die E-Commerce-Conversion-Rate ist der Prozentsatz der Ladenbesucher, die einen Kauf abschließen. Sie wird berechnet, indem die Gesamtzahl der Bestellungen durch die Gesamtzahl der Sitzungen oder Besucher über einen bestimmten Zeitraum geteilt wird. Sie ist eine der zentralen Effizienzkennzahlen für einen Online-Shop und zeigt, wie gut Traffic in Umsatz umgewandelt wird.
Definition der E-Commerce-Conversion-Rate
Die E-Commerce-Conversion-Rate ist der Prozentsatz der Besucher eines Online-Shops, die einen Kauf abschließen. Sie wird berechnet, indem die Anzahl der abgeschlossenen Bestellungen durch die Anzahl der Sitzungen (oder eindeutigen Besucher) über einen bestimmten Zeitraum geteilt wird. Sie ist eine der am genauesten beobachteten Kennzahlen im Online-Handel, da sie in einer einzigen Zahl erfasst, wie effektiv ein Shop Traffic in Umsatz umwandelt – ein Shop kann durch Werbung oder organische Suche viele Besucher anziehen, aber wenn die Conversion-Rate niedrig ist, führt dieser Traffic nicht zu proportionalen Verkäufen. Die Conversion-Rate wird in der Regel auf der gesamten Shop-Ebene erfasst, ist aber am aussagekräftigsten, wenn sie weiter aufgeschlüsselt wird: nach Gerät, nach Traffic-Quelle, nach Landingpage und nach Kundentyp (neu versus wiederkehrend), da eine einzelne gemischte Zahl sehr unterschiedliche Leistungen in diesen Segmenten verbergen kann.
Wie die E-Commerce-Conversion-Rate berechnet wird
Die grundlegende Formel ist einfach: Die Conversion-Rate entspricht den abgeschlossenen Bestellungen geteilt durch die Sitzungen, ausgedrückt als Prozentsatz. Ein Beispiel: Ein Shop verzeichnet 40.000 Sitzungen und 1.200 abgeschlossene Bestellungen in einem Monat. Das ergibt 1.200 geteilt durch 40.000, also eine Conversion-Rate von 3 %. Eine weitere Aufschlüsselung zeigt oft nützlichere Details – wenn Desktop-Sitzungen mit 4 % konvertieren, während mobile Sitzungen mit 2 % konvertieren, und mobile 65 % des gesamten Traffics ausmacht, wird die Gesamtrate des Shops durch ein schlecht performendes mobiles Erlebnis nach unten gezogen, das eine gemischte Zahl allein nicht deutlich machen würde.
Es ist auch wichtig, die Conversion-Rate von verwandten, aber engeren Kennzahlen zu unterscheiden. Die Checkout-Conversion-Rate misst nur den Anteil der Kunden, die den Checkout starten und abschließen, und isoliert Reibungsverluste in diesem spezifischen Schritt von breiteren Problemen wie schwachen Produktseiten oder einem unklaren Wertversprechen weiter oben im Trichter. Ein Shop kann eine gesunde Checkout-Conversion-Rate, aber eine niedrige Gesamt-E-Commerce-Conversion-Rate haben, wenn das Problem früher liegt – schlechte Produktauffindbarkeit, unklare Preise oder eine Landingpage, die nicht der Absicht des Besuchers entspricht.
Ready to Monitor Your AI Visibility?
Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.
Warum die E-Commerce-Conversion-Rate für E-Commerce-Marken wichtig ist
Die Conversion-Rate ist wichtig, weil es oft günstiger ist, sie zu verbessern, als mehr Traffic zu gewinnen. Die Verdoppelung des Traffics eines Shops durch Werbung erfordert in der Regel einen proportionalen Anstieg der Werbeausgaben, während die Verbesserung der Conversion-Rate von beispielsweise 2 % auf 2,5 % eine vergleichbare Umsatzsteigerung ohne zusätzliche Ausgaben erzielen kann – es wird einfach mehr Wert aus dem Traffic geschöpft, für den der Shop bereits bezahlt oder den er bereits organisch verdient. Aus diesem Grund wird Conversion-Rate-Optimierung (CRO) in den meisten etablierten E-Commerce-Operationen als eigenständige Disziplin neben der Traffic-Gewinnung behandelt, oft mit einem eigenen Testprogramm, das kontinuierlich Experimente mit Produktseiten, Checkout und Preisen durchführt.
Die Conversion-Rate dient auch als Frühwarnsignal. Ein plötzlicher Abfall der Conversion-Rate, der auf ein bestimmtes Gerät, einen bestimmten Browser oder eine bestimmte Traffic-Quelle beschränkt ist, deutet oft auf ein technisches Problem hin – einen defekten Checkout-Schritt, eine langsam ladende Seite oder einen Tracking-Fehler –, das sonst unbemerkt bliebe, bis der Umsatz selbst sichtbar zurückgeht.
E-Commerce-Conversion-Rate nach Segment
| Segment | Typisches Muster | Warum es sich unterscheidet |
|---|---|---|
| Desktop vs. mobil | Desktop konvertiert oft höher | Größerer Bildschirm, einfachere Checkout-Eingabe, weniger abgelenkter Kontext |
| Neue vs. wiederkehrende Besucher | Wiederkehrende Besucher konvertieren oft höher | Aufgebautes Vertrauen, gespeicherte Zahlungs-/Versanddetails, frühere positive Erfahrung |
| Bezahlte Suche vs. organisch vs. Social | Bezahlte Suche konvertiert oft höher aufgrund der Absichtsübereinstimmung | Traffic-Quelle spiegelt unterschiedliche Phasen der Kaufabsicht wider |
| Erstkauf vs. wiederkehrende Produktkategorie | Vertraute Kategorien mit geringem Entscheidungsaufwand konvertieren oft höher | Käufe mit höherem Entscheidungsaufwand erfordern mehr Recherche vor der Konvertierung |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
E-Commerce-Conversion-Rate und KI-gesteuerter Handel
KI-Einkaufsassistenten verändern, was „Traffic" und „Conversion" für einen Shop überhaupt bedeuten. Wenn ein Kunde Produkte über ChatGPT Shopping oder Perplexity Shopping recherchiert und vergleicht, bevor er die Website eines Händlers besucht, findet ein Großteil der Entscheidungsphase, die traditionell auf der Website stattfand (und die die Conversion-Rate implizit gemessen hat), nun außerhalb der Website statt – in der KI-Oberfläche. Ein Besucher, der auf die Website eines Shops gelangt, nachdem er bereits Optionen über einen KI-Assistenten verglichen hat, kann mit einer deutlich anderen Rate konvertieren als ein Besucher, der direkt von einem allgemeinen Suchergebnis kommt, da er sich vor dem Aufrufen der Seite effektiv selbst vorqualifiziert hat. Shops sollten damit rechnen, dass sich die Conversion-Rate-Benchmarks verschieben, wenn die KI-vermittelte Suche wächst, und sollten die Conversion-Rate nach Herkunfts-Quelle sorgfältig genug verfolgen, um KI-vermittelten Traffic von anderen Kanälen zu trennen, sobald diese Daten verfügbar sind.
Die genaue Messung der Conversion-Rate hängt auch davon ab, sie mit den Kennzahlen zu verknüpfen, die bestimmen, ob eine Conversion tatsächlich profitabel war. Die Berichte eshop_get_kpis und eshop_get_cross_source von AmICited verfolgen die Conversion-Rate zusammen mit dem durchschnittlichen Bestellwert, der Wiederkaufrate und der Marge und geben Händlern ein vollständigeres Bild als die Conversion-Rate allein – da eine steigende Conversion-Rate, die durch starke Rabattierungen erzielt wird, mit sinkender Marge einhergehen kann, ein Muster, das ein reines Conversion-Rate-Dashboard nicht offenbaren würde.
Best Practices zur Verbesserung der E-Commerce-Conversion-Rate
- Schlüsseln Sie die Conversion-Rate nach Gerät, Traffic-Quelle und neuen vs. wiederkehrenden Besuchern auf, bevor Sie Schlussfolgerungen aus der gemischten Gesamtzahl ziehen.
- Reduzieren Sie Checkout-Hürden direkt – Gast-Checkout-Optionen, transparente Versandkosten, die früh angezeigt werden, und weniger erforderliche Formularfelder steigern in der Regel die Conversion.
- Führen Sie strukturierte A/B-Tests auf stark frequentierten Seiten durch, anstatt Designänderungen nur auf Basis von Intuition vorzunehmen.
- Überwachen Sie die Conversion-Rate auf plötzliche Abfälle, die auf ein bestimmtes Segment beschränkt sind – diese deuten oft auf einen technischen Fehler und nicht auf eine echte Nachfrageverschiebung hin.
- Kombinieren Sie die Conversion-Rate mit dem durchschnittlichen Bestellwert und der Marge, wenn Sie bewerten, ob eine Änderung das Geschäft tatsächlich verbessert hat, und nicht nur den rohen Prozentsatz.
- Setzen Sie realistische, shop-spezifische Benchmarks auf Basis Ihrer eigenen historischen Leistung, anstatt generischen Branchendurchschnitten hinterherzujagen, die möglicherweise nicht Ihren Traffic-Mix oder Ihre Preisklasse widerspiegeln.
Häufige Fehler bei der E-Commerce-Conversion-Rate
Ein häufiger Fehler ist der direkte Vergleich der Conversion-Rate eines Shops mit einem generischen Branchen-Benchmark, ohne Unterschiede bei Preisklasse, Traffic-Qualität oder Produktkategorie zu berücksichtigen – ein Shop, der ein durchdachtes, höherpreisiges Produkt verkauft, wird naturgemäß niedriger konvertieren als einer, der Impulskauf-Artikel verkauft, und die Bewertung beider am gleichen Benchmark führt zu falschen Schlussfolgerungen. Ein weiteres häufiges Problem ist die Optimierung der Conversion-Rate isoliert von der Marge, bei der aggressive Rabattierung oder allzu großzügige Rückgaberegelungen die Conversion-Zahl in die Höhe treiben können, während sie die Rentabilität pro Bestellung stillschweigend untergraben. Shops berechnen die Conversion-Rate manchmal auch auf Basis inkonsistenter Traffic-Definitionen – Vermischung von Bot-Traffic, inkonsistenter Ausschluss bestimmter Sitzungstypen über Zeiträume hinweg –, was Monatsvergleiche unzuverlässig macht. Schließlich ist ein subtilerer Fehler, auf Veränderungen der Conversion-Rate zu reagieren, ohne zuerst zu prüfen, ob ein Tracking- oder technisches Problem vorliegt; ein plötzlicher scheinbarer Abfall ist manchmal ein defekter Analytics-Tag oder ein Checkout-Fehler und keine echte Veränderung des Kundenverhaltens. Wenn man dies als Marketingproblem behandelt, wo es eigentlich ein technisches ist, verschwendet man Mühe mit der Lösung des falschen Problems.