Online-Shop Analyse: Wie du herausfindest, was in deinem Shop nicht funktioniert

Warum die meisten Shop-Analysen nichts verändern

Ich habe in den letzten Jahren viele Shop-Analysen gesehen, die Kunden von anderen Dienstleistern, aus Tools oder aus internen Workshops mitgebracht haben. Die meisten haben eines gemeinsam: Sie sind lang, sie sind gut gemeint, und sie haben am Shop fast nichts verändert.

Der Grund liegt selten in fehlender Sorgfalt. Er liegt im Format. Typische Analysen sind Listen. Vierzig Punkte, von „Button größer machen“ über „mehr Vertrauenssiegel“ bis „Navigation überarbeiten“. Alles irgendwie plausibel, nichts priorisiert, kaum etwas belegt. Am Ende steht das Team vor einer Liste, die es in einem Jahr nicht abarbeiten kann, und fängt mit dem an, was am schnellsten geht. Das ist selten das, was am meisten bringt.

Ich bin überzeugt, dass fehlende Priorisierung einer der häufigsten Fehler bei der Optimierung ist. Viele Shops investieren Zeit in Maßnahmen mit geringem Impact, während größere Potenziale ungenutzt bleiben. Eine Online-Shop Analyse, die dieses Problem nicht löst, ist eine Beschäftigungstherapie.

Eine zweite Schwäche sehe ich ebenso oft: Analysen, die auf Meinungen statt auf Daten beruhen. „Das sieht unseriös aus“ oder „Das würde ich als Kunde nicht anklicken“ sind Aussagen über den Betrachter, nicht über die Zielgruppe. In meiner Arbeit erlebe ich regelmäßig, dass Nutzer ganz andere Probleme haben, als man selbst erwartet hätte.

In diesem Artikel zeige ich dir, wie wir eine Shop-Analyse aufbauen, damit am Ende nicht eine Liste steht, sondern eine Entscheidungsgrundlage. Was Conversion-Optimierung grundsätzlich leistet, erklärt Was ist Conversion Rate Optimierung? Einfach erklärt.

Das Prinzip: erst Probleme verstehen, dann Lösungen bauen

Unsere Analyse ist die erste Phase des Double Diamond Frameworks, das ich über mehr als zwei Jahre aus der praktischen Projektarbeit heraus entwickelt habe. Das Grundprinzip ist einfach: Zuerst werden die richtigen Probleme identifiziert, dann werden gezielt Lösungen entwickelt und getestet. Diese beiden Phasen werden bewusst voneinander getrennt.

Warum diese Trennung so wichtig ist? Weil Menschen dazu neigen, sofort in Lösungen zu denken. Kaum ist ein Problem benannt, liegt schon ein Vorschlag auf dem Tisch. Das Problem dabei: Die Lösung kommt dann aus der Erfahrung oder dem Geschmack der Person, die gerade spricht, und nicht aus einem tiefen Verständnis der Ursache. Eine strukturierte Analyse zwingt dich, länger beim Problem zu bleiben, als es sich angenehm anfühlt.

Der letzte Punkt verdient eine Erklärung. Best Practices halte ich für sinnvoll, aber nur in bestimmten Phasen. Wenn ein Shop noch am Anfang steht, kann die Orientierung an erfolgreichen Wettbewerbern helfen, ein solides Grundniveau zu erreichen. Sobald ein Unternehmen wächst, wird blindes Übernehmen eher gefährlich. Ich habe oft erlebt, dass vermeintliche Best Practices in einem anderen Kontext schlechter performen. Jede Zielgruppe, jedes Angebot und jede Positionierung ist unterschiedlich. Wie das gesamte Framework aufgebaut ist, findest du auf der Seite zum Double Diamond Framework.

Schritt 0: Prüfe, ob du deinen Daten trauen kannst

Bevor die eigentliche Analyse beginnt, gibt es einen Schritt, der so unspektakulär ist, dass er fast immer übersprungen wird. Und er ist gleichzeitig der Schritt, in dem wir am häufigsten fündig werden.

Der häufigste Fehler, den ich bei neuen Kunden finde, liegt im Zusammenspiel von Tracking und Cookie Consent. Consent-Signale werden falsch übergeben, Events werden blockiert oder doppelt ausgelöst, Zahlungsanbieter erscheinen als Traffic-Quelle, interner Traffic verzerrt die Kennzahlen. Jeder dieser Fehler führt dazu, dass du in der Analyse Probleme siehst, die es nicht gibt, und Probleme übersiehst, die real sind.

Für mich ist Tracking kein einmaliger Setup-Schritt, sondern ein Prozess. Ohne saubere Daten können wir nicht sinnvoll analysieren und schon gar nicht testen. Wie ein belastbares Setup aussieht, beschreibe ich ausführlich in Google Analytics 4 für CRO einrichten.

Schritt 1: Den Funnel von der Anzeige bis zum Kauf analysieren

Die meisten Analysen beginnen auf der Startseite. Wir beginnen eine Stufe früher: bei der Werbeanzeige. Denn wir analysieren den gesamten Funnel, von der Anzeige bis zum Kaufabschluss, und suchen gezielt nach Brüchen und Inkonsistenzen.

Der Grund: Viele Probleme entstehen nicht im Shop, sondern an den Übergängen. Eine Anzeige verspricht ein bestimmtes Produkt, der Link führt auf eine allgemeine Kategorieseite. Eine Kampagne kommuniziert einen Rabatt, auf der Seite ist er nirgends zu sehen. Ein Influencer spricht emotional und persönlich, die Landingpage ist nüchtern und technisch. Jeder dieser Brüche kostet Vertrauen, und keiner davon wird sichtbar, wenn man nur den Shop betrachtet.

Dafür klicken wir uns durch die wichtigsten Einstiegswege so, wie ein echter Nutzer es tun würde, mobil und mit frischem Blick. Für jede Stufe stellen wir eine zentrale Frage:

Diese Durchsicht ist bewusst qualitativ und subjektiv. Sie ersetzt keine Daten, aber sie liefert die Fragen, mit denen du anschließend in die Daten gehst.

Schritt 2: Quantitative Analyse, wo verlierst du Umsatz?

Im nächsten Schritt werden die Vermutungen aus der Funnel-Durchsicht mit Zahlen konfrontiert. Wir arbeiten dafür mit Dashboards auf Basis von Google Analytics 4 und schauen uns zentrale Kennzahlen an: Drop-Off-Raten zwischen den Funnel-Schritten, Conversion-Schritte je Seitentyp, Unterschiede zwischen Geräten, Traffic-Quellen und neuen gegenüber wiederkehrenden Nutzern.

Drei Fragen stehen dabei im Mittelpunkt:

Wo ist der größte absolute Verlust? Nicht die höchste Abbruchrate zählt, sondern die Zahl der verlorenen Nutzer mal ihr Umsatzpotenzial. Eine Seite mit moderater Abbruchrate, aber riesigem Traffic, ist oft wichtiger als eine Seite mit dramatischer Abbruchrate und wenigen Besuchern.

Wo weicht ein Segment stark vom Durchschnitt ab? Wenn mobile Nutzer im Warenkorb doppelt so häufig abbrechen wie Desktop-Nutzer, ist das ein Hinweis auf ein mobiles Problem. Wenn eine Kampagne auf der Landingpage deutlich schlechter abschneidet als andere, liegt der Bruch vermutlich zwischen Anzeige und Seite. Wie du solche Muster bei Absprüngen liest, habe ich in Hohe Absprungrate im Online-Shop beschrieben.

Wie verteilt sich der Umsatz pro Nutzer? Ich betrachte nicht nur die Conversion Rate, sondern den Average Revenue per User. Umsatz entsteht aus Conversion Rate und Warenkorbwert. Ein Segment mit niedriger Conversion Rate, aber hohem Warenkorbwert, kann wertvoller sein, als es auf den ersten Blick aussieht.

Zwei sehr unterschiedliche Verbesserungen, ein ähnlicher Effekt. Genau deshalb rechnen wir solche Szenarien durch, bevor wir priorisieren, statt der auffälligsten Zahl hinterherzulaufen.

Schritt 3: Qualitative Analyse, warum verlierst du ihn?

Die quantitative Analyse zeigt dir, wo Nutzer verloren gehen. Sie sagt dir nicht, warum. Für das Warum brauchst du qualitative Daten, und ich bin überzeugt, dass man viele Probleme erst erkennt, wenn man sieht, wie echte Nutzer mit einer Seite interagieren, oder sie direkt nach ihren Gedanken fragt.

Wir arbeiten dafür mit drei Werkzeugen:

Session-Recordings. Über Microsoft Clarity oder Hotjar schauen wir uns gezielt Sitzungen an den Stellen an, die in der quantitativen Analyse auffällig waren. Wo zögern Nutzer? Wo tippen sie mehrfach auf etwas, das nicht reagiert? Wo scrollen sie hektisch auf der Suche nach einer Information? Wo springen sie zwischen Produktbildern und Preis hin und her?

Heatmaps und Klickanalysen. Sie zeigen, wie weit Nutzer scrollen und worauf sie klicken. Oft wird dabei sichtbar, dass entscheidende Inhalte schlicht nie gesehen werden, weil sie zu weit unten stehen, oder dass Nutzer auf Elemente klicken, die gar nicht klickbar sind.

Umfragen vor und nach dem Kauf. Vor dem Kauf fragen wir, was Nutzer zögern lässt oder was ihnen fehlt. Nach dem Kauf fragen wir, was sie überzeugt hat und was fast verhindert hätte, dass sie kaufen. Beide Perspektiven liefern unterschiedliche Erkenntnisse, und Kunden formulieren ihre Zweifel oft in Worten, die man direkt in Texte übernehmen kann.

Schritt 4: Psychologie und Expertenblick

Daten und Nutzerbeobachtung zeigen dir, was passiert. Um daraus gute Hypothesen zu entwickeln, brauchst du ein Verständnis dafür, warum Menschen so handeln. Hier kommen zwei weitere Perspektiven ins Spiel.

Die psychologische Analyse

Verkaufspsychologie spielt in meinem Ansatz eine zentrale Rolle. Menschen treffen Kaufentscheidungen nicht rational, sondern heuristisch, emotional und kontextabhängig. Ein Modell, mit dem ich viel arbeite, ist der Motivkompass von Dirk Eilert. Er beschreibt vier emotionale Grundbedürfnisse, und für jede Marke bestimmen wir, welches Motivfeld bei ihrer Zielgruppe dominiert. Geht es den Käufern um Sicherheit, um Status, um Zugehörigkeit oder um Kontrolle?

Diese Frage verändert eine Analyse grundlegend. Eine Produktseite kann handwerklich sauber sein und trotzdem an der Zielgruppe vorbeikommunizieren, weil sie Leistung betont, wo die Käufer Geborgenheit suchen. Ich habe erlebt, wie bei einer gemeinschaftsorientierten Zielgruppe eine wärmere, verbindendere Sprache einen deutlich messbaren Effekt hatte. Nicht das Element selbst entscheidet über den Erfolg, sondern die psychologische Passung zur Zielgruppe.

Der heuristische Expertenblick

Parallel bewerten wir jede Seite systematisch nach etablierten Usability-Prinzipien. Ein bewährter Rahmen dafür sind die zehn Usability-Heuristiken von Jakob Nielsen, etwa die Sichtbarkeit des Systemstatus, die Fehlervermeidung oder das Prinzip, dass Nutzer Informationen wiedererkennen statt sich an sie erinnern müssen (Nielsen Norman Group). Übertragen auf einen Shop heißt das zum Beispiel: Sieht der Nutzer nach dem Klick auf „In den Warenkorb“, dass es funktioniert hat? Muss er sich die gewählte Größe merken, weil sie im Warenkorb nicht mehr angezeigt wird?

Die Kombination beider Perspektiven ergibt für jede Seite eine Bewertung entlang von drei Fragen, die ich in fast jedem Projekt stelle: Ist die Motivation klar, also der Nutzen? Ist die Orientierung gegeben, findet der Nutzer das Richtige? Ist das Vertrauen hergestellt, kann er sich auf Qualität und Abwicklung verlassen?

Schritt 5: Der technische Check

Der letzte Analyseschritt betrifft die Technik, und er wird oft unterschätzt, weil technische Probleme selten auf den ersten Blick sichtbar sind.

Ich halte Shopify für das beste E-Commerce-System am Markt. Die größten technischen Probleme entstehen deshalb selten durch die Plattform selbst, sondern durch individuelle Anpassungen. In unseren Audits sehen wir regelmäßig dieselben Muster:

1. 01Zu viele Apps. Jede App lädt eigenes JavaScript, oft auf allen Seiten. Von Drittanbieter-Page-Buildern bin ich kein Freund, weil sie den Page Speed stark negativ beeinflussen können.
2. 02Gewachsener, unsauberer Code. Über Jahre entstandene Anpassungen, die niemand mehr überblickt. Spätere Änderungen beschädigen dann bestehende Funktionen.
3. 03Mobile Darstellungsfehler. Elemente, die auf bestimmten Geräten oder Browsern verrutschen, überlappen oder nicht reagieren. In vielen unserer Projekte liegt der mobile Traffic-Anteil bei über 90 Prozent, deshalb prüfen wir auf einer Bandbreite realer Geräte.
4. 04Ladezeit auf den umsatzstärksten Seiten. Nicht die Startseite zählt, sondern Produktseiten und Warenkorb, gemessen an echten Nutzerdaten.
5. 05Funktionsfehler in Randfällen. Rabattcodes, die bei bestimmten Produkten nicht greifen, Varianten, die nicht korrekt in den Warenkorb übernommen werden, Übersetzungen, die nur teilweise vorhanden sind.

Der letzte Punkt ist der tückischste, weil solche Fehler oft nur einen kleinen Teil der Nutzer betreffen und deshalb in keinem Dashboard auffallen. Ein strukturierter Durchlauf über verschiedene Einstiegspfade, Geräte und Browser, wie wir ihn auch in der Quality Assurance unserer Tests machen, findet sie zuverlässig. Wie du die Ladezeit strukturiert angehst, beschreibe ich in Shopify Page Speed optimieren.

Von Findings zur Roadmap

Nach den fünf Schritten liegt eine Menge Material auf dem Tisch. Jetzt entscheidet sich, ob die Analyse etwas verändert oder in einer Schublade landet.

Aus allen Erkenntnissen formulieren wir zunächst konkrete Findings, also belegte Probleme. Aus jedem Finding entsteht dann eine Hypothese mit klarer Logik: Wenn wir X ändern, verändert sich Y, weil Z. Zum Beispiel: Wenn wir Versandkosten und Lieferzeit bereits auf der Produktseite zeigen, steigt die Abschlussrate im Warenkorb, weil Nutzer dort nicht mehr von zusätzlichen Kosten überrascht werden.

Diese Hypothesen werden je Seitentyp gesammelt und mit einem Scoring bewertet. In den Score fließen unter anderem der erwartete Impact, die Reichweite, die Bedeutung des Problems für das Unternehmen und die Qualität der zugrunde liegenden Erkenntnisse ein. Dazu kommen strategische Faktoren des Kunden, etwa geplante Kampagnen oder saisonale Ereignisse.

Am Ende steht keine Liste mehr, sondern eine strukturierte Testing-Roadmap mit den Tests, die den größten erwarteten Impact haben, in einer klaren Reihenfolge. Sie entsteht immer im engen Austausch mit dem Kunden, weil er Kontext kennt, den keine Analyse liefert.

Die häufigsten Fehler bei der Shop-Analyse

Der vorletzte Punkt verdient einen Satz mehr. Wer alle Erkenntnisse auf einmal umsetzt, verliert die Fähigkeit zu lernen. Manche Änderungen verbessern den Shop, andere verschlechtern ihn, und in der Summe sieht man nur ein undurchsichtiges Ergebnis. Deshalb testen wir priorisierte Hypothesen, statt sie einfach auszurollen. Wann sich stattdessen ein vollständiges Redesign lohnt, beschreibe ich in Shopify Redesign oder Optimierung, und wie der Prozess nach der Analyse weitergeht, in Wie ein bewährter CRO-Prozess funktioniert.

Wenn du wissen willst, wo die größten Hebel in deinem Shop liegen: Im Erstgespräch prüfen wir gemeinsam, ob genug Potenzial für eine Zusammenarbeit vorhanden ist. Wenn ja, folgt eine kostenlose erste Shop-Analyse mit Funnel-, Wettbewerbs- und quantitativer Analyse. Ich bin überzeugt, dass Vertrauen am besten durch echten Mehrwert entsteht, nicht durch Verkaufsgespräche. Der Weg dorthin führt über Kontakt.

Häufig gestellte Fragen

Über den Autor: Chris Dengler

Chris ist CRO-Stratege und Gründer von Convertlab. Mit über 1.000 durchgeführten A/B-Tests und dem selbst entwickelten Double Diamond Framework hat er Shopify Brands im DACH-Raum zu nachweislich messbarem Wachstum verholfen.

Mehr über Chris Dengler →Chris Dengler kontaktieren →