Informationsbedarf für E-Commerce-Prozesse analysieren

Mias Dashboard-Problem

Welche Daten brauchst du für ein Dashboard, wenn du gar nicht weißt, welche Frage es beantworten soll?

Mia, Auszubildende im E-Commerce-Team, bekommt Montagvormittag um 09:45 Uhr den Auftrag: "Die Checkout-Abbrüche sind seit drei Wochen hoch. Stell mir bis Freitag ein Dashboard zusammen." Sie öffnet das Shopsystem und sieht Dutzende mögliche Datenpunkte: Seitenaufrufe, Verweildauer, Zahlungsarten, Geräteklassen, Fehlermeldungen, Warenkorbwerte. Alles könnte relevant sein. Oder auch nicht.

Das Risiko: zwei Tage Arbeit für ein Dashboard, das die falsche Frage beantwortet. Die Abbrüche bleiben ungeklärt, der Umsatzverlust läuft weiter. Mias Problem ist nicht der Mangel an Daten. Es ist der fehlende Informationsbedarf.

Von der Geschäftsfrage zum richtigen Datenpunkt

Bevor du ein Dashboard baust, brauchst du drei Dinge in genau dieser Reihenfolge:

1. Geschäftsfrage - was genau willst du wissen? Nicht "Checkout ist schlecht", sondern: "An welchem Schritt im Checkout brechen die meisten Kunden ab?"
2. Informationsbedarf - welche Daten brauchst du, um diese Frage zu beantworten? Für die Checkout-Frage zum Beispiel: Abbruchrate pro Schritt, genutzte Zahlungsarten, Fehlermeldungen nach Geräteklasse.
3. KPI und Datenquelle - wie misst du das, und wo liegen die Daten? Die Checkout-Abbruchrate kommt aus dem Webanalyse-Tool, Fehlermeldungen aus dem Shopsystem-Log.

Mias Fehler wäre gewesen, bei Schritt 3 anzufangen: Daten ziehen, hübsch darstellen, hoffen, dass die Antwort irgendwo drin steckt.

🤔 Frage dich: Was passiert, wenn Mia ihr Dashboard mit allen verfügbaren Datenpunkten baut, ohne vorher den Informationsbedarf zu klären?

Der Dreischritt an konkreten Beispielen

Drei typische E-Commerce-Fragen zeigen, wie unterschiedlich der Datenbedarf ausfällt:

"Warum steigen Retouren bei Größe M?" Hier brauchst du die Retourenquote nach Größe (Shopsystem), die häufigsten Retourengründe aus dem Kundenfeedback (CRM) und Produktbewertungen mit Größenhinweisen (Bewertungsplattform). Ohne die Retourengründe siehst du nur dass Größe M zurückkommt, aber nicht warum.

"Wo brechen Kunden im Checkout ab?" Dafür brauchst du die Abbruchrate pro Checkout-Schritt (Webanalyse-Tool), die Verteilung nach Geräteklasse - Mobil vs. Desktop (Webanalyse-Tool) und Fehlermeldungen beim Zahlungsvorgang (Shopsystem-Log). Fehlt die Geräteklasse, übersiehst du, dass vielleicht nur die mobile Zahlungsseite Probleme macht.

"Welche Produktkategorien fehlen im Sortiment?" Dafür helfen Suchanfragen ohne Treffer im Shop (Shopsystem, interne Suchanalyse), Kategorie-Umsätze im Wettbewerbsvergleich (Marktanalyse-Tool) und Kundenanfragen nach nicht gelisteten Produkten (CRM). Die Suchanfragen ohne Treffer sind hier der wertvollste Datenpunkt, weil sie ungefilterte Nachfrage zeigen.

Mias Dashboard auf dem richtigen Weg

So hätte Mias Auftrag laufen müssen: Erst die Geschäftsfrage schärfen ("An welchem Schritt brechen Kunden ab?"), dann den Datenbedarf ableiten, dann gezielt die passenden Quellen anzapfen. Kein Raten, kein Daten-Überfluss.

🧑‍🏫 Erkläre es im Kopf: Stell dir vor, du erklärst einer neuen Auszubildenden Person den Unterschied zwischen "Ich brauche alle Daten aus dem Shopsystem" und "Ich brauche die Retourenquote nach Größe aus dem Shopsystem" - wie würdest du in einem Satz formulieren, warum der zweite Ansatz besser ist?