E-Commerce Kennzahlen: Die 8 wichtigsten KPIs für deinen Online-Shop
- Benjamin
- 11. Juni
- 6 Min. Lesezeit
Im E-Commerce entscheiden oft Cent-Beträge darüber, ob ein Geschäftsmodell profitabel ist oder nicht. Hohe Werbekosten, aggressive Wettbewerber, niedrige Margen und schwankende Rücksendequoten machen eine datengetriebene Steuerung unerlässlich. Gleichzeitig produzieren Online-Shops eine Fülle von Daten – die Herausforderung liegt darin, die richtigen Kennzahlen zu priorisieren und konsequent zu verfolgen.
In diesem Artikel stellen wir dir die acht wichtigsten E-Commerce Kennzahlen vor – mit Formeln, Datenquellen und konkreten Beispielen. Und wir zeigen dir, welche Datengrundlage du brauchst, damit diese KPIs auch wirklich belastbar sind.
In diesem Artikel erfährst du:
Welche 8 Kennzahlen für E-Commerce-Unternehmen wirklich entscheidend sind
Wie du sie berechnest und wo du die Daten dafür findest
Wie du aus diesen KPIs ein zusammenhängendes Steuerungssystem aufbaust
Customer Acquisition Cost (CAC)
Der CAC ist eine der wichtigsten Kennzahlen im E-Commerce – denn er zeigt dir, wie viel du ausgibst, um einen neuen Kunden zu gewinnen. Erst im Verhältnis zu anderen Kennzahlen wie dem CLV oder dem AOV wird deutlich, ob deine Akquisekosten tragbar sind.
Definition und Berechnung
Der CAC ergibt sich aus den gesamten Vertriebs- und Marketingkosten geteilt durch die Anzahl neu gewonnener Kunden.
Im E-Commerce wird der CAC stark durch Performance-Marketing-Kanäle wie Google Ads, Meta Ads oder TikTok getrieben – präzise messbar, aber mit einer wichtigen Einschränkung: Attributionsfragen. Welcher Touchpoint hat den Kauf ausgelöst? Letzte Interaktion, erste Interaktion oder ein Multi-Touch-Modell? Diese Entscheidung beeinflusst den berechneten CAC je Kanal erheblich. Wichtig ist außerdem, zwischen dem CAC für Neukunden und den Kosten für die Reaktivierung von Bestandskunden zu trennen.
Beispielrechnung
Ein Online-Shop gibt im Monat 20.000 Euro für Marketing aus und gewinnt dabei 400 neue Kunden.
CAC = 20.000 Euro / 400 = 50 Euro pro Neukunde
Conversion Rate (CR)
Die Conversion Rate ist eine der direktesten Kennzahlen dafür, wie gut dein Shop funktioniert – unabhängig davon, wie viel Traffic du hast. Viele Online-Shops investieren viel in Marketing, verlieren aber einen Großteil des Potenzials im Shop selbst.
Definition und Berechnung
Die Conversion Rate misst, welcher Anteil der Shop-Besucher tatsächlich einen Kauf abschließt. Sie lässt sich für den gesamten Shop, einzelne Kategorien, Produktseiten oder Kampagnen berechnen – eine differenzierte Analyse zeigt, wo im Funnel die größten Verluste stattfinden.
Datenquellen
Web-Analytics-Tool (z. B. Google Analytics, Matomo) in Kombination mit den Bestelldaten aus dem Shop-System (z. B. Shopify, WooCommerce, Shopware).
Beispielrechnung
Ein Shop verzeichnet im Monat 50.000 Besuche und 750 abgeschlossene Käufe.
CR = 750 / 50.000 × 100 = 1,5 %
Im E-Commerce gelten Conversion Rates zwischen 1 % und 3 % als typisch – wobei die Werte stark nach Branche, Preissegment und Gerät variieren. Mobile Besucher konvertieren häufig schlechter als Desktop-Nutzer, eine aufgeschlüsselte Analyse ist daher sinnvoll.
Average Order Value (AOV)
Der AOV ist ein oft unterschätzter Hebel. Wer ihn steigert, verbessert die Marge pro Transaktion – ohne zusätzliche Marketingausgaben.
Definition und Berechnung
Der Average Order Value gibt an, wie viel ein Kunde im Durchschnitt pro Bestellung ausgibt. Viele Fixkosten im E-Commerce – Logistik, Zahlungsabwicklung, Kundenservice – fallen pro Bestellung an, unabhängig von deren Größe. Ein höherer AOV verbessert deshalb direkt die Profitabilität.
Datenquellen
Shop-System oder ERP-System zu finden: Gesamtumsatz und Bestellanzahl sind dort standardmäßig verfügbar.
Beispielrechnung
Ein Shop erzielt im Monat einen Umsatz von 75.000 Euro bei 750 Bestellungen.
AOV = 75.000 Euro / 750 = 100 Euro
Maßnahmen zur Steigerung des AOV umfassen Bundling, Mindestbestellwerte für kostenlosen Versand, Upselling-Empfehlungen im Checkout oder Mengenrabatte. Eine Erhöhung des AOV verbessert den ROAS und senkt effektiv den CAC im Verhältnis zum Umsatz.
Customer Lifetime Value (CLV)
Der CLV setzt den CAC in Perspektive: Erst wenn du weißt, wie viel ein Kunde über die gesamte Kundenbeziehung wert ist, kannst du beurteilen, wie viel du für seine Gewinnung ausgeben kannst.
Definition und Berechnung
Der CLV gibt an, wie viel Umsatz ein durchschnittlicher Kunde über die gesamte Dauer der Kundenbeziehung generiert. Im E-Commerce gibt es in der Regel kein Abonnement und keine vertragliche Bindung – der CLV basiert deshalb auf Kauffrequenz und AOV.
Die Kauffrequenz gibt an, wie oft ein Kunde pro Jahr bestellt und lässt sich aus den historischen Bestelldaten berechnen. Eine ausführliche Erläuterung der Grundlogik findest du in unserem Artikel zu B2B SaaS Kennzahlen.
Beispielrechnung
Ein Kunde kauft im Schnitt 4-mal pro Jahr ein, der AOV beträgt 100 Euro, und die durchschnittliche Kundenbindungsdauer beträgt 3 Jahre.
CLV = 100 Euro × 4 × 3 = 1.200 Euro
Im Verhältnis zum CAC von 50 Euro ergibt sich ein CLV/CAC-Ratio von 24 – ein sehr gesunder Wert. In der Praxis sollte der CLV um die Gross Margin bereinigt werden, da nicht der volle Umsatz, sondern nur der Rohertrag tatsächlich zur Verfügung steht.
Repeat Purchase Rate
Eine hohe Repeat Purchase Rate ist eines der stärksten Signale für ein gesundes E-Commerce-Geschäftsmodell. Sie zeigt, dass Kunden wiederkommen – und das kostet deutlich weniger als Neukunden zu gewinnen.
Definition und Berechnung
Die Repeat Purchase Rate gibt an, welcher Anteil der Kunden innerhalb eines definierten Zeitraums mindestens ein weiteres Mal kauft. Der Zeitraum sollte je nach Produktkategorie sinnvoll gewählt werden: Bei Verbrauchsgütern mit kurzen Kaufzyklen ist ein 12-Monats-Fenster sinnvoll, bei langlebigen Gütern eher 24 bis 36 Monate.
Datenquellen
Shop-System oder CRM: Bestellhistorie auf Kundenebene.
Beispielrechnung
Ein Shop hat insgesamt 2.000 Kunden. Davon haben 700 im letzten Jahr mehr als einmal gekauft.
Repeat Purchase Rate = 700 / 2.000 × 100 = 35 %
Eine Repeat Purchase Rate von 35 % oder mehr gilt im E-Commerce als solide. Liegt sie dauerhaft darunter, lohnt sich eine Analyse des Post-Purchase-Erlebnisses – Lieferzeit, Verpackung, E-Mail-Kommunikation und Produktqualität sind die häufigsten Hebel.
Return Rate
Retouren sind im E-Commerce ein strukturelles Problem – und eine der Kennzahlen, die am stärksten auf die Marge drücken können. Sie konsequent zu verfolgen ist deshalb kein Nice-to-have, sondern Pflicht.
Definition und Berechnung
Die Return Rate misst, welcher Anteil der verkauften Artikel zurückgeschickt wird. Sie erzeugt Logistikkosten, bindet Kapital und verursacht Aufwand in der Qualitätsprüfung. Gleichzeitig sind großzügige Rückgabebedingungen oft eine Kaufvoraussetzung – die Return Rate muss deshalb im Kontext der Margenstruktur bewertet werden.
Datenquellen
Shop-System, Warenwirtschaftssystem oder ERP: Rücksendungen und Verkäufe auf Artikel- oder Bestellebene.
Beispielrechnung
Ein Shop verkauft im Monat 5.000 Artikel und erhält 750 Retouren.
Return Rate = 750 / 5.000 × 100 = 15 %
Im Modebereich gelten Return Rates von 30 % bis 50 % als üblich. In anderen Kategorien wie Elektronik oder Haushaltsware liegen sie deutlich niedriger. Auffällig hohe Return Rates bei einzelnen Produkten sind ein Signal für Optimierungsbedarf in der Produktbeschreibung, den Fotos oder der Größenberatung.
Gross Margin
Die Gross Margin ist die Basis für alles andere. Wer sie nicht kennt, kann nicht beurteilen, ob sein Geschäftsmodell überhaupt profitabel werden kann – egal wie gut die anderen KPIs sind.
Definition und Berechnung
Die Gross Margin gibt an, wie viel vom Umsatz nach Abzug der direkten Warenkosten (Cost of Goods Sold, COGS) übrig bleibt. Alle anderen Kosten – Marketing, Logistik, Personal, IT – müssen aus ihr finanziert werden. Im E-Commerce fließen in die COGS typischerweise Einkaufspreis, Importzölle, Frachtkosten und ggf. Produktionskosten ein.
Datenquellen
Buchhaltungssoftware oder ERP: Umsatz und Wareneinsatz werden dort erfasst. Eine sauber strukturierte Buchhaltung ist die Voraussetzung dafür, dass diese Kennzahl belastbar ist – wer hier unsauber bucht, hat keine verlässliche Grundlage für seine Steuerung.
Beispielrechnung
Ein Shop erzielt einen Monatsumsatz von 75.000 Euro. Die Warenkosten betragen 45.000 Euro.
Gross Margin = ((75.000 − 45.000) / 75.000) × 100 = 40 %
Im E-Commerce sind Gross Margins zwischen 30 % und 60 % typisch – je nach Produktkategorie und Preissegment erheblich variierend.
Return on Ad Spend (ROAS)
Der ROAS ist die zentrale Steuerungsgröße für alle, die Performance-Marketing betreiben. Er zeigt dir auf Kanal- und Kampagnenebene, wo dein Werbebudget am effizientesten eingesetzt ist.
Definition und Berechnung
Der ROAS misst, wie viel Umsatz pro ausgegebenem Werbe-Euro erzielt wird. Anders als der CAC bezieht er sich nicht nur auf Neukunden, sondern auf den gesamten durch Werbung generierten Umsatz – er eignet sich daher auch zur Bewertung von Retargeting- oder Bestandskundenkampagnen.
Datenquellen
Werbekonten (Google Ads, Meta Ads Manager etc.) in Verbindung mit dem Shop-System. Für eine kanalübergreifende Betrachtung empfiehlt sich ein zentrales BI-Tool, das Umsatz und Werbekosten auf Kampagnenebene zusammenführt – zum Beispiel Power BI.
Beispielrechnung
Ein Shop gibt im Monat 5.000 Euro für Google Ads aus und erzielt damit einen direkt attribuierten Umsatz von 20.000 Euro.
ROAS = 20.000 / 5.000 = 4
Ob ein ROAS von 4 profitabel ist, hängt von der Gross Margin ab: Bei 40 % Marge verbleiben 8.000 Euro Rohertrag – bei 5.000 Euro Werbeausgaben also 3.000 Euro Deckungsbeitrag. Der Break-Even-ROAS ergibt sich als Kehrwert der Gross Margin: Bei 40 % Marge liegt er bei 2,5.
Fazit: E-Commerce-Steuerung braucht den Blick auf das große Ganze
Die acht Kennzahlen sind eng miteinander verknüpft: Ein niedriger AOV belastet den ROAS und erhöht den effektiven CAC. Eine hohe Return Rate frisst die Gross Margin. Eine niedrige Repeat Purchase Rate macht das Geschäftsmodell abhängig von teurer Neukundenakquise.
Erfolgreiche E-Commerce-Unternehmen betrachten diese KPIs nicht isoliert, sondern als System. Die Voraussetzung dafür ist eine saubere Datengrundlage: Shop-System, Werbekonten, Web-Analytics und Buchhaltung müssen so verbunden sein, dass ein konsistentes Bild entsteht – idealerweise in einem zentralen Dashboard.
Genau dabei helfen wir bei summa. Wir helfen E-Commerce-Unternehmen dabei, die richtigen Reporting-Strukturen aufzusetzen – von der Buchhaltung über die Datenanbindung bis zum fertigen Dashboard in Power BI. Sprich uns gern an, wenn du wissen möchtest, wie das für dein Unternehmen aussehen könnte.