Die essenziellen eCommerce Key Performance Indicators (KPIs)

15
Apr

Welche Kennziffer ist am besten geeignet, um die Performance Ihres Online-Shops zu messen? Hier sind die wichtigsten KPIs, die Ihnen dabei helfen, Ihre Shop Performance zu optimieren.

Grundsätzliches zu KPIs

Ein KPI (Key Performance Indicator) ist eine quantitative Kennziffer, um Trends in wichtigen Geschäftsmetriken aufzudecken. Hinter jeder KPI sollte ein Ziel stehen. Mit Hilfe der Performance Indikatoren kann ein Shopbetreiber sehen, wie gut er diese Ziele erreicht hat.

Ein Beispiel; Ihr Ziel ist es, die Zufriedenheit Ihrer Kunden zu erhöhen. Die Wiederkaufsrate ist hierfür ein guter Performance Indikator. Denn umso größer der Anstieg der Wiederkaufsrate, umso besser haben sie ihr Ziel erreicht. Wenn Ihr Ziel ist, den Wert des Warenkorbs zu erhöhen, ist die Kennziffer Average Order Value (AOV), der durchschnittliche Bestellwert die Richtige. Umso stärker der AOV ansteigt, desto besser haben Sie das übergeordnete Ziel der Umsatzsteigerung erreicht.

Jedes messbare operative Ziel kann durch eine Kennziffer ausgedrückt werden. Wählen sie ihre Kernaktivitäten und Ziele aus. Die entsprechenden Kennziffern sind ihre Key Performance Indikatoren, die sie beobachten sollten.

Die Auswahl der richtigen KPIs

Auch wenn jedes Unternehmen individuell ist, so teilen Online Shops die gleichen Geschäftsprozesse. Potentielle Kunden müssen in den Webshop gelangen. Es muss mit Ihnen eine Interaktion stattfinden, um sie zu Käufern zu konvertieren, um dann eine Kundenbeziehung aufzubauen und sie zum erneuten Kauf zu bewegen.

Für jeden Prozessschritt werden wir ein Kernziel identifizieren und den passenden KPI vorstellen.

Segmentieren der KPIs

KPIs zeigen ihr volles Informationspotential, wenn man sie segmentiert. Wenn ein eine starke Veränderung oder ungewöhnliche Abweichung eines KPIs auftaucht, ermöglicht Segmentierung die Gründe zu finden und Möglichkeiten der Optimierung aufzudecken.

Es ist hilfreich, nach folgenden Variablen zu segmentieren: Akquisitionsquelle, Einzelkampagnen, Landing Page, Produkt Kategorien, Kohorten und Zeitspannen. Ein Business Intelligence Tool ermöglicht einfaches Segmentieren und Filtern eines Datensets nach diesen Variablen.

1. Akquise

Das erste Kernziel eines eCommerce Unternehmers ist es, potentielle Kunden in den Webshop zu bringen. Es gibt verschiedene Wege, Traffic auf die Website zu holen. Diese Kanäle sollten sie tracken, um Ihre Marketing Ausgaben optimieren zu können.

Kernziel: Generierung von Traffic. Messung und Analyse der Performance der Kanäle und einzelnen Kampagnen. Auf der Basis Optimierung der Marketingausgaben.

Cost per acquisition (CPA)

 

CPA=\frac{\text{Marketing Spend}}{\textrm{Number of Customers}}

Segmentierung nach: Akquisition Quelle / Kanal

Welche Frage beantwortet die KPI: Wie viel kostete es uns, einen neuen Kunden zu akquirieren. Der CPA vergleicht also die Ausgaben der Akquise mit der Anzahl der Kunden, die über die Kanäle gewonnen wurden. Der Vergleich der CPA für verschiedene Traffic Quellen beantwortet die Frage: Welcher Kanal war der kosteneffektivste?

Datenquelle: Die Anzahl der Kunden findet sich in der Shop Datenbank oder in dem Web Tracking Tool. Die Marketingausgaben sind in den verschiedenen Ad Plattformen zu finden. Die Daten können Sie zusammentragen und den CPA in Excel berechnen oder ein BI Tool nutzen, das automatisch die Daten aus den verschiedenen Quellen verbindet und den CPA berechnet.

Kontext: Das es sich um eine Verhältniszahl handelt, bietet es sich an, in der Detailbetrachtung auch die absolute Anzahl der gewonnenen Kunden zu betrachten.

Benchmark: Ist stark abhängig von der Marge und dem Customer Lifetime Value. Als Faustregel gilt; die Kosten für einen gewonnenen Kunden sollten niemals größer sein als der Umsatz, der mit einem Kunden erzielt werden kann. Sonst gibt man mehr für die Akquise eines Kunden aus, als er langfristig einbringt und das ist unrentabel. In KPIs ausgedrückt: CPA <= CLV

Cost per order (CPO)

 

CPO=\frac{\text{Marketing Spend}}{\textrm{Number of Orders}}

Segmentierung nach: Akquisition Quelle / Kanal

Welche Frage beantwortet die KPI: Wie viel kostet es, eine Bestellung zu generieren. Der CPO vergleicht die Kosten für die Akquise mit der Anzahl der Bestellungen, die über die verschiedenen Kanäle erzielt wurden. Der Vergleich der CPO für verschiedene Traffic Quellen beantwortet die Frage: Welcher Kanal war der kosteneffektivste?

Datenquellen: Die Anzahl der Bestellungen findet sich in der Shop Datenbank oder in dem Web Tracking Tool. Die Marketingausgaben sind in den verschiedenen Ad Plattformen zu finden. Die Daten können Sie zusammentragen, den CPO in Excel berechnen oder ein BI Tool nutzen, das automatisch die Daten aus den verschiedenen Quellen verbindet und den CPO berechnet.

Kontext: Der CPA und CPO sind beide hilfreiche Indikatoren. Sie unterscheiden sich im Nenner der Formel. Während der CPA die Marketingausgaben ins Verhältnis zur Kundenanzahl setzt, setzt der CPO die Marketingausgaben ins Verhältnis zu den Bestellungen.

Benchmark: Als Faustregel gilt; die Kosten einer Bestellung sollten niemals größer sein, als der durchschnittliche Warenkorbwert (AOV) einer Bestellung. In KPIs ausgedrückt: CPO <= AOV.

Cost income ratio (CIR)

 

CIR=\frac{\text{Marketing Spend}}{\textrm{Revenues}}

Segmentierung nach: Akquisition Quelle / Kanal

Welche Frage beantwortet die KPI:  Wie viel Cent eines genierten Euro Umsatz wurden für das Marketing ausgegeben.  Ein Beispiel: 0,15 Cent von jedem Euro Umsatz, den wir mit Kunden erzielen, die von Facebook in unseren Shop gelangten, gehen an Facebook.  Der CIR vergleicht die Marketingausgaben der verschiedenen Kanäle mit dem Umsatz, der über den Kanal erzielt wurde.

Datenquelle: Die Umsatzzahlen je Kanal finden sich in der Shop Datenbank oder in dem Web Tracking Tool. Die Marketingausgaben sind in den verschiedenen Ad Plattformen zu finden. Die Daten können Sie zusammentragen, die CIR in Excel berechnen oder ein BI Tool nutzen, das automatisch die Daten aus den verschiedenen Quellen verbindet und den CIR berechnet.

Kontext: Neben dem CPA und CPO ist die CIR eine weitere KPI für die Kosteneffizienz der verschiedenen Kanäle. Bei der Berechnung des CIR wird nun der Umsatz als Basisgröße ins Verhältnis zu den Marketingausgaben gesetzt.

Benchmark: Hier gilt die Faustregel; desto kleiner, umso besser. Der CIR sollte immer kleiner 1 sein.  Dann ist der Umsatz größer als die Marketingkosten. Ist der CIR = 1, sind die Marketingausgaben genauso hoch wie der erzielte Umsatz. Der Gewinn damit folglich Null.

Marketing ROI with Customer lifetime value (CLV)

 

\text{Marketing ROI}=\frac{\text{Customer lifetime value}-\text{Marketing Spend}}{\textrm{Marketing Spend}}

Segmentierung nach: Akquisition Quelle / Kanal, Einzelne Kampagnen

Welche Frage beantwortet die KPI: Wie viel hoch ist die Rendite meiner Marketinginvestition? Marketing Return of Investment zeigt die Rendite der Marketinginvestition für jeden Kanal oder Kampagne. Es gibt verschiedene Wege die Rendite zu berechnen. Der exakteste Weg ist, die KPI Customer Lifetime Value hierfür zu nutzen. Der CLV gibt den maximalen Umsatz an, der mit einem einzelnen Kunden über die Dauer der Zeit erzielt wird. Die Berechnung des Marketing ROI auf Basis des CLV fokussiert sich also auf langfristige Kundenbeziehungen und weniger auf kurzfristige Erlöse. Sie ist deshalb besser geeignet, die Marketingeffizienz zu maximieren und die richtige Budgetallokation zu bestimmen.

Datenquellen: Erlöse je Kunde, Herstellungskosten, Marge, Wiederkaufsraten finden sich in der Shopdatenbank. Die Marketingausgaben sind in den verschiedenen Ad Plattformen zu finden. Die vereinfachte Berechnung erfolgt unter der Annahme, dass die Marge und Wiederkaufsrate konstant über einen infiniten Zeitraum sind.

CLV=margin\times[\frac{\text{Retention rate}}{(1+\text{Interest rate}-\text{Retention Rate})}]

Einen genaueren Wert liefert die Berechnung auf Basis des CLV, der mit Hilfe eines BI Tools statistisch modelliert wird.

Kontext: Der ROI ist die vierte KPI um die Effizienz der verschiedenen Kanäle zu analysieren.

Benchmark: Marketing ROI variiert stark. Als Faustregel gilt; Der ROI sollte immer positiv sein. Desto größer, umso besser. Dann ist der erzielte Gewinn, der mit den Kunden die über den Kanal kamen, größer als seine Kosten.

2. Engagement & Conversion

Wie werden aus den Besuchern der Website wertvolle Käufer? Das zweite wichtige Ziel einer eCommerce Website ist es, den potentiellen Kunden die besten Experience zu bieten, so dass sie etwas kaufen.

Kernziele: Im Hinblick auf die Optimierung des Layouts und dem Aufdecken von Schwachstellen im Sales Funnel gilt es zu messen, wie gut die Website in der Lage ist, User zur Interaktion und zum Kauf zu bewegen.

Bounce rate

 

\text{Bounce rate}=\frac{\text{Single page visits}}{\textrm{Total visits}}

Segmentierung nach: Landing pages.

Welche Frage beantwortet die KPI: Wie viele Potential geht auf welchen Seiten der Website verloren? Die Bounce Rate gibt Aufschluss darüber, wie gut werden verschiedenen Landing Pages dem Versprechen der vorausgegangenen organischen oder bezahlte Suche eines Users gerecht. Mit anderen Worten; findet ein User, das was er suchte oder nicht. Auf der Basis können Landing Pages gezielt verbessert werden.

Datenquelle: Web Analytics Tools halten für jeden Seite die Bounce Raten bereit. (z.B. Google Analytics > Akquisition > SEO > Landing Pages)

Benchmark: Bounce rates können stark variieren. Als Faustregel gilt; etablierte Seiten zeigen geringe Werten von unter 10 %. Kleinere Seiten können hohe Werten von über 35% aufweisen.  Quelle: Clicktale 2013 Web Analytics Benchmarks Report. 

Cart abandonment rate & Micro conversions

 

\text{Cart abandonment rate}=\frac{\text{Number of purchases}}{\textrm{Number of adds to cart}}

\text{Micro conversions}=\frac{Goal_{x+1}\text{ accomplished}}{Goal_{x}\text{ accomplished}}

Segmentierung nach: Akquisition (Akquise-)  Quelle / Kanal

Welche Fragen beantwortet die KPI:  Wie viele User brechen den Kaufprozess ab und warum? Die Abbruchsrate für den begonnenen Kaufprozess zeigt das verlorenen Potential und  Schwachstellen in der Zahlungsabwicklung (shopping checkout process). Die cart abandonment rate setzt die abgeschlossenen Käufe ins Verhältnis zu den Visits, bei der ein Artikel dem Warenkorb zugefügt wurde.  Auf der Basis kann die Nutzerführung (UI) verbessert werden, um mehr potentielle Käufer zum Abschluss des Kaufs zu bringen.

Datenquelle: Im Web Tracking Tool kann jeder Schritt des check out Prozess getrackt werden und die Metrik angezeigt werden.

Benchmark: Je nach Fortschritt und Umfang des Zahlungsprozess können Abbruchraten stark variieren. Als Faustregel gilt, desto kleiner, umso schlechter. Denn umso weniger Visits erreichten den nächsten Schritt im Prozess. Quelle: Baymard research, Monetate ecommerce quarterly

Conversion rate (macro)

 

\text{Conversion rate}=\frac{\text{Total conversions}}{\textrm{Total visits}}

Segmentierung nach: Akquisition Quelle / Kanal, Landing Pages, Devices

Welche Frage beantwortet die KPI: Wie viele Besucher der Website wurden zu Käufern und generierten Umsatz? Der Traffic, der zu Umsatz wurde, sollte genauer untersucht werden. Von welchem Kanal kam er? Auf welche Landing Page und auf welchem Endgerät könnten höhere Conversion Rates erzielt werden.

Datenquellen: Im Web Tracking Tool finden sich die Conversion Rates.

Benchmark: Conversion Rates variieren stark nach Branchen, Märkten oder Ländern. Als Faustregel gilt; umso höher, desto besser.

weitere KPIs

Assisted Conversions

New and Returning visitors Conversion rates

3. Outcomes

Ein wichtiger Schritt ist gemacht. Ein neuer Kunde ist gewonnen. Jetzt ist es Zeit, zu messen, wie viel Umsatz hieraus erwächst. Dieser Teil beinhaltet die meisten KPIs. Hier werden die wichtigsten Kennziffern der operationalen Geschäftstätigkeit vorgestellt.

Kernziele: Jederzeit Kenntnis der aktuellen Geschäftsentwicklung und frühzeitiges Erkennen von Fehlentwicklungen sowie das Wissen, wie profitable die unterschiedlichen Produkte und Marken sind. Auf der Basis kann das Angebot und Merchandising optimiert und Möglichkeiten für Up-Selling entdeckt werden.

Net Sales (Netto Umsatz) und Gross profits (Brutto Umsatz)

 

\text{Net sales}=\text{Gross Sales}-(\text{Returns}+\text{Cancellations}+\text{Coupons})

\text{Gross profits}=\text{Net Sales}-\text{Cost of goods sold}

Segmentierung nach: Produkt Kategorien, Akquisition Quelle / Kanal, Kohorten

Welche Frage beantwortet die KPI: Wie viel Umsatz generieren wir über Facebook? Wie viel Umsatz erzielen wir in verschiedenen Kategorien? Der Umsatz ist natürlich eine der wichtigstens Kennziffer ihres Geschäftes und die Lebensader. Neben der täglichen, wöchentlichen, monatlichen oder jährlichen Entwicklung der Umsatzzahlen kann die Segmentierung wertvolle Erkenntnisse liefern.

Datenquellen: Die Umsatzzahlen finden sich in der Shop Datenbank. Daten der Akquisition Kanäle finden sich in dem Web Tracking Tools. Die Daten können Sie zusammentragen, in Excel berechnen oder ein BI Tool benutzen, das automatisch die Daten aus den verschiedenen Quellen verbindet und Wachstumsraten oder Mittelwerte berechnet

Orders (Bestellungen), Items per Order (Artikel je Bestellung) oder average order size (durchschnittliche Warenkorbgröße)

 

\text{Orders}=\text{Sum of all orders in a given period}

\text{Items per order}=\frac{\text{Total items}}{\text{Total orders}}

Segmentierung nach: Produkt Kategorien, Akquisition Quelle / Kanal, Kohorten, Kundengruppe, Devices, Geschlecht

Welche Fragen beantwortet die KPI: Bestellen Frauen mehr Artikel als Männer? Wie groß ist der Warenkorb bei Bestellungen von mobilen Endgeräten? Welcher Kanal hat die meisten Bestellungen gebracht? etc.
Wie die Umsatzzahlen sollten auch diese Kennziffern jeden Tag, jede Woche, Monat und im Gesamtverlauf eines Jahres beobachtet werden. Die Segmentierung nach Kundengruppe kann aufdecken, wo die Stellschrauben sind, um Umsätze zu steigern. Etwa der Vergleich der Warenkorbgröße von Neukunden versus Bestandskunden oder der Vergleich der verschiedenen Kanäle können Fragen wie diese beantworten: Kaufen die Kunden, die von Facebook kommen, mehr als die Kunden, die von Google in unseren Shop gelangten.

Datenquellen: Die Daten liegen in der Shopdatenbank. Weiterführende Berechnungen können in Excel erfolgen oder automatisiert in einem BI Tool auf Klick zugänglich sein.

Return Rate (Rücksendungsquote)

 

\text{Return rate}=\frac{\text{Number of orders returned}}{\text{Number of orders}}

Segment by: Produkt Kategorien, Kanal, Kohorten, Kundengruppe, Devices, Geschlecht

Welche Frage beantwortet die KPI: Wie viele Bestellungen wurden zurückgesandt? Die return rate regelmäßig zu beobachten, ist besonders wichtig, weil sie die Profitabilität erheblich beeinflussen kann. Die return rate kann aufzeigen, wo es suboptimale Produktbeschreibungen oder Bilder gibt und wo das Angebot optimiert werden sollten.

Datenquellen: Die Daten liegen in der Shopdatenbank oder im Warenwirtschaftssystem. Weiterführende Berechnungen können in Excel erfolgen oder automatisiert in einem BI Tool auf Klick zugänglich sein.

Benchmarks: Return rates variieren stark von Branche zu Branche. Die Mode Industrie zeigt beispielsweise Raten größer als 50%. Mehr als ein Drittel der Fashion Online Shops verzeichnen Return Rates von mehr als 20%. (In Deutschland liegt die durchschnittliche Rücksendungsquote im eCommmerce Markt bei 13%). Quelle: Ibi Research institute, German trade and invest eCommerce report.

Average Order Value (durchschnittlicher Warenkorbwert)

 

\text{AOV}=\frac{\text{Revenues}}{\text{Number of orders}}

Segmentierung nach: Produkt Kategorien, Kanal, Kohorten, Kundengruppe, Devices

Welche Frage beantwortet die KPI: Wie viel geben unsere Kunden im Durchschnitt pro Bestellung aus?
Der AOV ist eine der wichtigsten KPIs, denn er zeigt den durchschnittlichen Wert, der bei jeder Transaktion erzielt wird. Der AOV kann gesteigert werden bspw. durch Upselling oder Steigerung der average order size etwa durch Recommendation (Empfehlungen). Der AOV bietet sich an um Kundengruppen zu segmentieren und in verschiedene Umsatzklassen zu sortieren, um sie etwa gezielter anzusprechen durch Mailings, Newsletter oder Recommendations.

Datenquellen: Die Daten liegen in der Shopdatenbank. Weiterführende Berechnungen können in Excel erfolgen oder automatisiert in einem BI Tool auf Klick zugänglich sein..

Benchmark: Der AOV variiert nach Ländern, Endgeräten oder Branchen.  Als Faustregel gilt; der AOV sollte immer größer als der CPO sein.

Contribution margins (Deckungsbeiträge)

 

\text{Contribution margin}=\text{Net sales}-\text{COGS}-(\text{Logistics}+\text{Payment}+\text{Marketing spend})

Segmentierung nach: Produkt Kategorien, Kundengruppen, Kohorten

Welche Frage beantwortet die KPI: Wie in jedem anderen Business ist die Deckungsbetragsrechnung das Fundament auf dem der Shop steht. Der Deckungsbeitrag zeigt wie profitabel das Geschäft ist und wie hoch am Ende der Gewinn der Unternehmung. Je nach individueller Geschäftslogik kann die Deckungsbetragsrechnung variieren. Gängig ist die folgende Berechnung:

Datenquellen: Sales, Logistik und Payment Daten finden sich in der Shopdatenbank oder einem Warenwirtschaftssystem. Die Marketingausgaben halten die jeweiligen Ad Plattformen bereit. Die Daten können Sie manuell zusammentragen, und die Deckungsbeiträge in Excel berechnen oder ein BI Tool nutzen, das automatisch die Daten aus den verschiedenen Quellen verbindet und automatisch eine Gewinn- und Verlustrechnung anbietet.

Benchmark: Die Deckungsbeiträge variieren stark von Branche zu Branche, Produkten, Kategorien und Ländern.

weiterführende KPIs

Product Affinity

Product Relationship

Days and visits to purchase

4. Loyalität / CRM

Der vierte Teil der Erfolgsgeschichte eines Webshops wird durch gute Kundenbeziehungen geschrieben. Einmal gewonnene Kunden zu halten, sichert das Geschäft.

Kernziele: Ein gutes Verständnis für seine Kunden, ihr Verhalten, ihre Vorlieben mit dem Ziel die Wiederkaufsrate zu erhöhen und die Gruppe der loyalen Käufer zu vergrößern.

New & returning customers / buyers
(Neu- & Bestandskunden)
First & repeated orders
(Erst- & wiederkehrende Bestellungen)

 

\text{New to returning customers}=\frac{\text{Number of first time customers}}{\text{Number of repeat customers}}

\text{First and repeated orders}=\frac{\text{Number of first time orders}}{\text{Number of repeat orders}}

Segmentierung nach: Kanal, Kohorten, Kundengruppen, Geschlecht

Welche Fragen beantworten die KPIs: Wie ist das Verhältnis zwischen Neu- und Bestandskunden? Wie viel Prozent des Umsatz wird durch wiederkehrenden Kunden generiert? Die Kennziffern geben Aufschluss zu welchem Anteil die Umsätze von Bestandskunden generiert werden und welches Umsatzpotential in einem Neukunden stecken kann. Auf Basis der KPIs und der Segmentierung können bspw. zugeschnittene Mailings (Retention-Kampagnen) versendet werden.

Datenquelle: Die Daten liegen in der Shopdatenbank. Weiterführende Berechnungen können in Excel erfolgen oder automatisiert in einem BI Tool auf Klick zugänglich sein.

Repeat repurchase rates (Wiederkaufsrate)

 

\text{Repeat purchase rate}=\frac{\text{Revenues}_{x+n}}{\text{Number of orders}_{x}}

Segmentierung nach: Kanal, Kohorten, Kundengruppen, Geschlecht

Welche Frage beantwortet die KPI:  Wie viele der neu gewonnen Kunden kaufen erneut etwas? Welcher Kanal liefert loyale Kunden? Wiederkaufsraten zeigen wie sich das Bestandsgeschäft entwickelt, wann und welche der Kunden nicht länger kaufen und damit den richtigen Zeitpunkt, für Rückgewinnungskampagnen oder Angeboten bspw. in Mailings oder Newslettern. Besonders aufschlussreich ist die Analyse der Wiederkaufsrate, wenn sie nach Kohorten segmentiert wird. Eine Kohorte von Kunden sind bspw. alle neuen Kunden die in einem Monat gewonnenen wurden. Wie viele dieser Neukunden kaufte im 1.,2.,3….. Monat nach ihrem Erstkauf erneut etwas. Ein Vergleich der repurchase rate zwischen den Kohorten kann der Erfolg oder Misserfolg bspw. von Akquise Strategien oder Marketing Aktivitäten aufzeigen.

Datenquellen: Die Bestelldaten (order data) sind in der Shopdatenbank gespeichert. Die Berechnung ist komplexer als andere Metriken. Das Aufsetzen einer Kohortenanalyse in Excel erfordert das Importieren großer Datenmengen aus der Datenbank, die Bestimmung der Variable, nach der die Bildung der Kohorten erfolgen soll und die Berechnung von life cycle stages  sowie die Auswertung in Pivot- oder Kreuztabelle. Ein BI Tool hält diese Analyse automatisch bereit.

Churn rates (customers & revenues)

 

Für Abonnement basierte Geschäftsmodelle:

\text{Churn rate}=\frac{\text{Subscribers lost}}{\text{Initial sibscribers}}

Für Geschäftsmodelle, die auf Einzelverkauf basieren:

\text{Churn rate}=\frac{\text{Customers who haven't purchased within time t}}{\text{Customers at beginning of time t}}

Segmentierung nach: Kohorten

Welche Frage beantwortet die KPI: Wie hoch ist der Anteil der verlorengegangenen Kunden? Die Churn Rate ist ein hilfreicher Früh-Indikator und kann in die Prognose der Umsatzentwicklung mit einfließen. Das Wissen, welche Kunden verloren gegangen sind, erlaubt außerdem gezielt Kundenrückgewinnungs-Kampagnen zu starten. Einen Kunden zurückzugewinnen ist in der Regel kostengünstiger, als einen neuen Kunden zu akquirieren.

Datenquellen: Daten sind in der Shopdatenbank zu finden. Die Berechnung für Nichtabo-Geschäftsmodell involviert die Definition der Zeitperiode, außerhalb derer ein Kunde, der nicht erneut kauft, als verlorenen Kunden gilt. Berechnungen können manuell in Excel erfolgen oder automatisiert in einem BI Tool auf Klick zugänglich sein.

Customer lifetime value (CLV)

 

 

CLV=margin\times[\frac{\text{Retention rate}}{(1+\text{Interest rate}-\text{Retention Rate}}]

Segmentierung nach: Kanal, Kohorten

Welche Frage beantwortet die KPI:  Wie viel Umsatz generiert ein Kunde in seiner Zeit als unser Kunde?
Der CLV ist der heutige Wert der aufsummierten Umsätze die von jedem Kunden in Zukunft erwartet wird. Mit anderen Worten, der CLV ist der heutige Wert eines Kunden für den Shop (die über die Zeit auf den heutigen Wert abgezinste Summe des Gesamtumsatzes eines Kunden in seiner gesamten Lebenszeit. Eine vereinfachte Formel basiert auf der Annahme konstanter Margen, Wiederkaufsraten und einem infiniten Zeitraum.

Der CLV erlaubt die effiziente Optimierung der Marketing- und CRM-Ausgaben, indem er die maximale Grenze für die Höhe der Akquisitionskosten (CPA), Kosten für Rückgewinnungsaktionen und, oder die Ausgaben für den Kundenservice vorgibt. Der CLV ist sinnvoll für die Segmentierung der Kunden in Gruppen mit hohem und niedrigem Umsatzpotential und entsprechende Ausgabenhöhe.

Datenquellen: Daten sind in der Shopdatenbank zu finden. Die Berechnung mit der vereinfachten Formel kann in Excel erfolgen. Einen genaueren Wert liefert die Berechnung auf Basis von individuellen Kundendaten, Wiederkaufsraten und Margen, der mit Hilfe eines BI Tools statistisch modelliert wird.

weitere KPIs

Net promoter Score

Average customer service response time

Zusammenfassung:

Die folgende Abbildung fasst noch einmal zusammen:

 Die beschriebenen KPIs sind eine Auswahl des möglichen Spektrums von Kennziffern. Die hier vorgestellte, komprimierte Auswahl ist als hilfreiches Lexikon für jeden Onlinehändler gedacht. Welche KPIs am besten geeignet sind, seine Ziele zu erreichen, wird jeder eCommerce Unternehmer herausfinden müssen. Dabei helfen kann der Einsatz eines BI-Tools. Denn das erspart eine Vielzahl manueller Berechnungen.

Wunderdata stellt als BI-Tool die KPIs zur Verfügung und eine Vielzahl von Filter- und Segmentierungsoptionen. Check out a live demo!

Quellen & weiterführende Empfehlungen

Dieser Beitrag adaptiert und orientiert sich an der exzellenten Arbeit von Avinash Kaushik’s on web metrics

http://www.kaushik.net/avinash/best-web-metrics-kpis-small-medium-large-business/

Ein lesenswerter Artikel zum Thema Loyalty Marketing und den richtigen Metriken finden Sie von Roman Kirsch. Roman ist Gründer von Lesara, ein Wunderdata Kunde.

http://romankirsch.com/blog/managing-loyalty-and-maximizing-clv-in-e-commerce-today.html 

In unserem Artikel stellten wir die vereinfachte Formel zur Berechnung des CLV vor. Wenn Sie mehr zum Konzept des CLV lesen wollen, empfehlen wir die folgende Abhandlung von Sunil Gupta.

Gupta, Sunil, et al. „Modeling customer lifetime value.“ Journal of Service Research 9.2 (2006): 139-155.