LTV, CAC, Retention: Kennzahlen im E-Commerce richtig verstehen
Bild: Pixaby/ geralt
14.10.2026 - Marketing Automation ist ein mächtiges Werkzeug. Die Kunst liegt darin, zu wissen, was dieses Werkzeug genau verändern soll und wie man die Ergebnisse richtig misst. Dieser Leitfaden hilft Ihnen, die richtigen Kennzahlen im E-Commerce zu optimieren.
von Michael Lippert , Susan Rönisch
Sie haben über ein Dutzend Automatisierungen im Einsatz. Die Willkommensstrecke läuft, der Warenkorbabbruch-Flow holt KundInnen zurück, und alle 30 Tage gehen Reaktivierungs-Mails an inaktive Kontakte. Das Dashboard zeigt Öffnungsraten über 40 Prozent, zweistellige Klickraten und eine steigende Recovery-Rate. Im Management-Meeting sieht das gut aus. Doch diese Zahlen beantworten nicht, ob sich die Maßnahmen wirtschaftlich auszahlen, KundInnen wiederkommen und die Kosten ihrer Gewinnung einspielen.
Prozesskennzahlen beschreiben nicht den Geschäftserfolg
Wir sprechen häufig über diejenigen Kennzahlen, die am leichtesten zu messen sind. Werden daraus Erfolge abgeleitet, ohne den geschäftlichen Nutzen zu prüfen, werden sie zu Vanity Metrics: Zahlen, die in Präsentationen gut aussehen, aber wenig darüber sagen, ob das Geschäft vorankommt.Prozesskennzahlen bleiben für die Diagnose nützlich. Öffnungs- und Klickraten liefern Hinweise auf die Resonanz einer E-Mail, die Warenkorb-Recovery-Rate auf Käufe nach einer Rückholmaßnahme. Das Problem entsteht, wenn Teams diese Werte als Ziel behandeln, ohne zu prüfen, ob die Automatisierung zusätzliche Käufe und wirtschaftlichen Ertrag erzeugt.
Die Attributions-Illusion: zugeschriebene Käufe sind nicht immer zusätzliche Käufe
Marketing-Automation-Plattformen können sich Verkäufe zuschreiben, die auch ohne die jeweilige Maßnahme stattgefunden hätten. Ihre ausgewiesenen Ergebnisse bilden deshalb nicht zwangsläufig den zusätzlichen Effekt einer Automatisierung ab.Ein Beispiel: Sie schicken einen Reaktivierungs-Flow an KundInnen, die seit 60 Tagen inaktiv sind. Zwölf Prozent kaufen innerhalb einer Woche. Die Plattform meldet zwölf Prozent Conversion Rate aus der Automatisierung. Doch wie viele dieser Personen hätten ohnehin gekauft? Vielleicht war das Produkt zuvor ausverkauft, eine andere Anzeige gab den Anstoß oder die E-Mail traf jemanden, der bereits auf dem Weg zum Shop war.
Eine Kontrollgruppe hilft, diesen Unterschied zu messen. Nehmen Sie beispielsweise zehn bis 15 Prozent der Kontakte zufällig von einer Automatisierung aus und vergleichen Sie die Conversion beider Gruppen über einen definierten Zeitraum. Wie groß die Gruppen sein müssen, hängt unter anderem von der Ausgangs-Conversion und dem erwarteten Effekt ab.
Einen Teil der Kontakte von der Kommunikation auszunehmen, kann intern schwer zu vermitteln sein. Ohne einen solchen Vergleich bleibt jedoch offen, wie viele der zugeschriebenen Käufe die Maßnahme tatsächlich zusätzlich ausgelöst hat.
Das Analyse-Framework: drei Ebenen von Kennzahlen
Wer Automatisierungen beurteilen will, sollte zwischen Prozessgesundheit, operativen Stellgrößen und Geschäftsergebnissen unterscheiden.Ebene eins: Symptom. Öffnungsrate, Klickrate, Warenkorb-Recovery-Rate und Antwortrate beschreiben, wie ein Prozess läuft. Sinkt die Klickrate einer Post-Purchase-Strecke, gibt das Anlass, die Kommunikation zu prüfen. Eine steigende Klickrate allein belegt aber noch keinen wirtschaftlichen Erfolg.
Ebene zwei: Steuerungskennzahl. Kauffrequenz, durchschnittlicher Bestellwert (Average Order Value, AOV), Zweitkaufrate, 90-Tage-Kohorten-Retention und die Amortisationsdauer der Kundenakquisitionskosten sind operative Stellgrößen. An ihnen lässt sich prüfen, ob Veränderungen an einer Automatisierung das gewünschte Verhalten beeinflussen.
Ebene drei: Geschäftsergebnis. Lifetime Value (LTV) je Kohorte, das Verhältnis von LTV zu Kundenakquisitionskosten (Customer Acquisition Cost, CAC) und der Umsatzanteil aus Wiederkäufen zeigen, wie sich Kundenbeziehungen wirtschaftlich entwickeln. Diese Ergebnisse verändern sich oft langsamer als Prozesskennzahlen, bilden aber die Grundlage strategischer Entscheidungen.
Ein A/B-Test sollte deshalb nicht bei der Öffnungsrate enden. Gewinnt eine personalisierte Betreffzeile, bleibt zu prüfen, ob daraus mehr Zweitkäufe oder ein höherer Kundenwert entstehen. Prozesskennzahlen unterstützen die Optimierung; das Ziel sollte sich auf eine operative Verbesserung mit Bezug zum Geschäftsergebnis richten.
LTV-Analyse über drei Ebenen
Der Lifetime Value beschreibt den Wert einer Kundenbeziehung über ihre Dauer. Eine verbreitete vereinfachte Formel lautet:LTV = AOV × Kauffrequenz × Kundenlebensdauer
Jede Komponente lässt sich mit unterschiedlichen Automatisierungen adressieren:
Der AOV lässt sich über Cross-Selling und Upselling beeinflussen: Produktempfehlungen in Post-Purchase-Mails, Bundle-Strecken und Upgrade-Angebote sollen den Bestellwert erhöhen, ohne dass erneut eine Kundin oder ein Kunde gewonnen werden muss.
Die Kauffrequenz lässt sich über Nachbestell-Strecken, Post-Purchase-Automatisierung und Loyalty-Programme beeinflussen. Entscheidend ist das Timing. Prüfen Sie in Ihren Daten die mediane Zeit bis zum Zweitkauf und testen Sie unterschiedliche Versandzeitpunkte, statt Erinnerungen an einem willkürlich gewählten Tag zu verschicken.
Die Kundenlebensdauer lässt sich über Reaktivierungskampagnen, Onboarding und Maßnahmen zur Kundenbindung beeinflussen. Der direkte Effekt einzelner Automatisierungen ist hier schwerer zu isolieren, weil viele Faktoren jenseits der E-Mail-Kommunikation hineinspielen.
Verfolgen Sie statt einer einzigen aggregierten Zahl die Entwicklung je Kohorte. Gruppieren Sie KundInnen nach dem Monat des Erstkaufs und messen Sie den kumulierten Umsatz pro Kopf über die folgenden Monate. Haben Sie im März eine Post-Purchase-Strecke eingeführt, vergleichen Sie die Entwicklung dieser Kohorte mit früheren Gruppen bei gleicher Beobachtungsdauer.
LTV-Kurve je Kohorte
Grafik: Michael Lippert
Grafik: Michael Lippert
Unterschiedliche Kurven können auf eine Wirkung hinweisen, müssen aber auch auf andere Einflüsse geprüft werden. Bleibt ein Unterschied aus, kann die Maßnahme wirkungslos sein oder die Datenbasis noch nicht ausreichen. Die Auswertung zeigt, wo weitere Tests oder mehr Daten notwendig sind.
CAC-Analyse über drei Ebenen
Die Kundenakquisitionskosten ergeben sich aus den gesamten Marketing- und Vertriebsausgaben für die Neukundengewinnung, geteilt durch die Zahl der gewonnenen KundInnen in einem Zeitraum. Geben Sie 50.000 Euro aus und gewinnen 50 KundInnen, liegen die CAC bei 1.000 Euro.Marketing Automation kann dazu beitragen, vorhandene Kontakte zu KäuferInnen zu entwickeln und die Wirtschaftlichkeit der Kundengewinnung zu verbessern. Eigene Kanäle wie E-Mail, Kurznachrichten und Web-Push ermöglichen es, Kontakte erneut anzusprechen, ohne für jede Ansprache zusätzliche Werbereichweite einzukaufen. Auch diese Kanäle verursachen allerdings Kosten.
Neben den CAC lohnt sich der Blick auf die CAC-Payback-Periode: Wie lange braucht eine Kundenbeziehung, um die Akquisitionskosten wieder einzuspielen? Eine vereinfachte Berechnung lautet:
Payback = CAC / (monatlicher Umsatz pro Kunde × Bruttomarge)
Eine höhere Kauffrequenz oder ein höherer Bestellwert können diese Zeit verkürzen, auch wenn die ursprünglichen Akquisitionskosten unverändert bleiben. Auf Geschäftsebene ist das LTV/CAC-Verhältnis relevant: Es setzt den Wert der Kundenbeziehung ins Verhältnis zu den Kosten ihrer Gewinnung.
Retention-Analyse über drei Ebenen
Kundenbindung wirkt über längere Zeiträume. Während ein größerer Verteiler sofort im Dashboard sichtbar wird, zeigt sich eine verbesserte Zweitkaufrate erst mit weiteren Bestellungen. Retention sollte deshalb über feste Beobachtungszeiträume und vergleichbare Kundengruppen gemessen werden.Die Zweitkaufrate misst, welcher Anteil der ErstkäuferInnen für einen zweiten Kauf zurückkehrt. Sie zeigt, ob aus einer ersten Bestellung eine fortgesetzte Kundenbeziehung entsteht, und ist damit eine wichtige Steuerungskennzahl für Onboarding und Post-Purchase-Kommunikation.
Die 90-Tage-Kohorten-Retention dient als Frühwarnsystem. Gruppieren Sie KundInnen nach dem Monat des Erstkaufs und prüfen Sie, wie viele innerhalb von 90 Tagen erneut gekauft haben. Sind jüngere Kohorten systematisch schwächer, sollten Sie unter anderem Onboarding, Akquisitionskanäle sowie die Übereinstimmung von Produkt und Kundenerwartung prüfen. Verbesserungen geben Anlass, die Wirkung der eingesetzten Maßnahmen genauer zu untersuchen.
0,0,0,0,90-Tage-Kohorten-Retention,
Grafik: Michael Lippert
Grafik: Michael Lippert
Der Umsatzanteil aus Wiederkäufen zeigt auf Geschäftsebene, welcher Teil des Monatsumsatzes von bestehenden KundInnen stammt. Er macht sichtbar, welchen Beitrag wiederkehrende Käufe zum Geschäft leisten. Die ursprünglichen Akquisitionskosten fallen für diese KundInnen nicht erneut an; Kosten für ihre weitere Ansprache bleiben jedoch zu berücksichtigen.
Wie Sie die Wirkung ohne große Infrastruktur messen
Für erste Auswertungen brauchen Sie nicht zwangsläufig ein Data Warehouse oder eine eigene Analyseabteilung. Entscheidend sind ein messbares Ziel, passende Daten und ein Vergleich, der zur Fragestellung passt.Schritt eins: Definieren Sie für jeden Prozess ein konkretes Ziel.Formulieren Sie für jede aktive Automatisierung, was sich verändern soll. Statt "Umsatz per E-Mail erzeugen" etwa: "Die Zweitkaufrate innerhalb von 60 Tagen nach dem Erstkauf um acht Prozentpunkte steigern." Legen Sie fest, gegenüber welcher Ausgangsbasis oder Kontrollgruppe Sie den Fortschritt messen. Verbinden Sie die operative Kennzahl mit dem angestrebten Geschäftsergebnis.
Schritt zwei: Prüfen Sie, ob Sie die Daten haben.Sie brauchen drei Arten von Daten:
- Transaktionsdaten: Bestellkennung, Kundenkennung, Bestelldatum und Umsatz. Sie ermöglichen die Zuordnung von Bestellungen und die Berechnung von Kohortenauswertungen.
- Kundenhistorie: Datum des Erstkaufs, Anzahl der Bestellungen und Zeit seit dem letzten Kauf. Daraus lassen sich Zweitkaufrate und Kohorten-Retention berechnen.
- Kanal-Attribution: Herkunft der KundInnen, je Bestellung oder Person. Für CAC je Kanal brauchen Sie außerdem die zugehörigen Akquisitionsausgaben; für den Vergleich des Kundenwerts die jeweiligen Transaktionsdaten.
Schritt drei: Schöpfen Sie Ihr vorhandenes Tool aus.Prüfen Sie, welche Auswertungen Ihre aktuelle Plattform bereits bietet, bevor Sie eine eigene Analytics-Ebene entwickeln. Vorhandene Funktionen können einen Teil der benötigten Analysen abdecken und Entwicklungsaufwand sparen.
Schritt vier: Nutzen Sie KI bei Bedarf zur Datentransformation.Liegen die Daten vor, lassen sich aber ohne Entwicklungsunterstützung nicht zusammenführen, kann KI bei der Aufbereitung helfen.
- Exportieren Sie zwei Dateien: eine aus Ihrer Automation-Plattform mit Kontaktkennung, Kampagne und Versanddatum, eine aus Ihrem Shop mit derselben Kontaktkennung, Bestelldatum und Umsatz.
- Formulieren Sie einen präzisen Auftrag, beispielsweise: "Berechne die Zweitkaufrate der KundInnen aus Kampagne X im Vergleich zur Gruppe, die sie nicht erhalten hat. Verwende für beide Gruppen denselben Beobachtungszeitraum. Segmentiere nach Akquisitionskanal und zeige je Segment die mediane Zeit bis zum Zweitkauf."
- Prüfen Sie die Berechnung und vertiefen Sie die Analyse nach Kohorte, Kanal und Timing.
Eine solche Auswertung ersetzt im großen Maßstab keine Datenpipeline. Sie kann aber einen ersten Überblick liefern und helfen, weitere Untersuchungen zu planen. Ob eine Kampagne zusätzliche Käufe verursacht, hängt auch hier davon ab, wie die Vergleichsgruppen gebildet wurden.
Drei Fragen verändern, wie Sie Ihr Dashboard lesen
Funktioniert der Prozess? Verändert sich das Kaufverhalten? Verbessert sich das Geschäftsergebnis? Wer diese Fragen getrennt beantwortet, kann Automatisierungen gezielter bewerten. Entscheidend ist, für jede Maßnahme festzulegen, was sie verändern soll, und die Wirkung an diesem Ziel zu messen.Über den Autor: Michael Lippert verfügt über mehr als 15 Jahre Führungserfahrung. Er hat internationale Teams geleitet und Unternehmen bei kundenorientierten Strategien unterstützt. Bei Positive begleitet er die weitere Unternehmensentwicklung.
Über Positive Group: Positive bietet Software für Marketing- und Vertriebsteams an: Positive Surfer für KI-gestützte Sichtbarkeit in Suchmaschinen, Positive Iconosquare für Social-Media-Management, Positive User für Kundenbindung und -pflege sowie Positive Signitic für E-Mail-Signatur-Management.
KI trifft PIM: Wie sich das Produktdatenmanagement jetzt ändert
Analyse: Warum KI Coding schneller macht - aber Projekte nicht billiger
Vom KI-Hype zum Härtetest: Sieben Trends, die das Agenturgeschäft neu ordnen
Das sind die größten Performance-Agenturen 2026
Chatbot-Studie beweist: Das Zeitalter der Kinderkrankheiten ist noch nicht vorbei
Vorträge zum Thema:
Anzeige
HighText Verlag
Mischenrieder Weg 18
82234 Weßling
Tel.: +49 (0) 89-57 83 87-0
Fax: +49 (0) 89-57 83 87-99
E-Mail: info@onetoone.de
Web: www.hightext.de
Besuchen Sie auch:
