Was ist der Conversion Funnel?

Der Conversion Funnel reduziert einen mehrstufigen Prozess auf eine Reihe von Zahlen: von hundert Seitenaufrufen, wie viele erreichen die nächste Stufe, und an welcher Stelle genau die meisten abspringen. Er ist eine quantitative Momentaufnahme des Prozesses, keine Beschreibung dessen, was der Nutzer in diesem Moment denkt.

Das gängigste Beispiel ist der E-Commerce-Funnel: Besuch der Produktseite, In-den-Warenkorb-Legen, Start des Checkouts und abgeschlossener Kauf. Jede Stufe basiert auf einem messbaren Ereignis, und der Traffic der ersten Stufe dient als Grundlage, um zu berechnen, welcher Anteil die letzte Stufe erreicht.

Der Begriff sollte nicht mit der Customer Journey verwechselt werden. Der Funnel misst, wie viele Nutzer durch einen konkreten, messbaren Prozess mit vorab definierten Schritten kommen. Die Customer Journey beschreibt den gesamten Weg einer Person über mehrere Kanäle, mit Momenten, die sich nicht immer auf ein Analytics-Ereignis reduzieren lassen, etwa eine auf einer anderen Website gelesene Bewertung, bevor die Person erneut kauft.

Die drei Modelle bestehen nebeneinander: Das AIDA-Modell erklärt, warum jemand weitergeht, die Customer Journey dokumentiert, wo diese Person überall vorbeikommt, und der Funnel zählt, wie viele am Ende ankommen.

Die technische Grundlage des Funnels ist Web Analytics mit Event-Tracking: Jede Stufe entspricht einer erfassten Aktion, etwa einem Seitenaufruf, einem Klick auf „In den Warenkorb" oder einem bestätigten Kauf. Tools wie Google Analytics erlauben es, bis zu zehn Schritte in einem Funnel zu definieren, Nutzersegmente miteinander zu vergleichen und eine maximale Zeitspanne zwischen zwei Schritten festzulegen.

Die Abbruchrate wird pro Stufe berechnet, nicht nur für den gesamten Funnel: Wenn tausend Personen die Produktseite sehen und siebenhundert etwas in den Warenkorb legen, liegt der Abbruch an dieser Stelle bei dreißig Prozent. Diese Zahl, Stufe für Stufe wiederholt, zeigt, wo tatsächlich die meisten Nutzer verloren gehen, etwas, das eine einzelne Gesamt-Conversion-Rate nicht sichtbar macht.

Google Analytics unterscheidet außerdem zwischen offenem und geschlossenem Funnel: Ein geschlossener Funnel zählt nur Nutzer, die über die erste Stufe einsteigen, während ein offener auch diejenigen berücksichtigt, die direkt auf einer mittleren Stufe landen, etwa jemand, der über eine Anzeige gleich auf der Produktseite ankommt. Die falsche Einstellung verzerrt die tatsächliche Abbruchrate jeder Stufe, weshalb sich ein Blick auf diese Konfiguration lohnt, bevor man aus den Zahlen Schlüsse zieht.

Google Ads nutzt eine ähnliche Logik in seinen Kampagnenberichten, mit Funnels von der Anzeigenimpression bis zur finalen Conversion, praktisch, um die Leistung verschiedener bezahlter Trafficquellen zu vergleichen.

Der Funnel zeigt die Stufe mit dem größten Abbruch, den tatsächlichen Engpass im Prozess, und verhindert, dass Optimierungsaufwand gleichmäßig auf Schritte verteilt wird, die ohnehin schon gut funktionieren. Fällt der größte Verlust zwischen Warenkorb und Checkout an, bringt es meist mehr, dort einen Call-to-Action anzupassen oder das Formular zu vereinfachen, als die Produktseite weiter zu optimieren.

Er hilft auch bei der Entscheidung, wo sich Investitionen am oberen Ende des Prozesses lohnen: Ein gut platzierter Lead Magnet kann das Volumen erhöhen, das in den Funnel eintritt, ergibt aber nur Sinn, wenn die folgenden Stufen bereits normal konvertieren.

Trotzdem bleibt der Funnel ein vereinfachtes Modell, und man sollte ihn auch so behandeln. Er setzt einen linearen Weg voraus, Schritt eins, Schritt zwei, Schritt drei, während das reale Verhalten selten dieser Ordnung folgt: Manche Nutzer springen direkt aus einer Anzeige in den Checkout, andere besuchen die Produktseite an mehreren Tagen, bevor sie sich entscheiden. Es ist dieselbe Einschränkung, die auch das AIDA-Modell trägt: nützlich als Referenzrahmen, unvollständig als getreues Abbild des realen Verhaltens.

• Definiere jede Stufe anhand eines konkreten, messbaren Ereignisses, nicht anhand einer schwer nachvollziehbaren Absicht.
• Vergleiche die Abbruchrate Stufe für Stufe, nicht nur die Gesamt-Conversion von Anfang bis Ende.
• Prüfe den Funnel nach Trafficsegment getrennt, weil der Abbruch bei bezahlter Werbung stark von dem bei organischer Suche abweichen kann.
• Priorisiere die Optimierung an der Stufe mit dem größten Verlust, bevor der Rest des Prozesses angefasst wird.
• Setze eine angemessene Zeitspanne zwischen den Stufen an, damit jemand, der Tage später erneut kauft, nicht als Abbruch zählt.
• Verknüpfe den Funnel mit qualitativen Daten, etwa Sessionaufzeichnungen, um zu verstehen, warum an einer bestimmten Stufe Nutzer verloren gehen.

• Den Funnel behandeln, als beschreibe er das gesamte Nutzerverhalten, statt eines konkreten, abgegrenzten Prozesses.
• Stufen zu weit fassen, sodass unterschiedliche Aktionen vermischt werden und verdecken, wo der Abbruch wirklich passiert.
• Nutzer ignorieren, die über eine mittlere Stufe in den Funnel einsteigen, statt immer am Anfang.
• Die Conversion-Rate zweier Funnels vergleichen, ohne zu beachten, dass sie unterschiedliche Prozesse messen.
• Die Stufe mit dem geringsten Abbruch optimieren, weil sie am einfachsten zu verbessern ist, statt der mit dem größten Verlust.