Analytics und ShopifyQL

Analytics und ShopifyQL

0:00 Eine Kennzahl ohne hinterlegte Maßnahme ist Dekoration. Mit diesem Satz lässt sich der größte Teil dessen zusammenfassen, was in Unternehmen Reporting heißt: viele Zahlen, wenig Konsequenz. In diesem Modul gehen wir deshalb den umgekehrten Weg. Wir fragen zuerst, welche Entscheidungen anstehen, und suchen dann die Zahlen dazu.

0:19 Dabei lernen Sie die Kennzahlen des Shops kennen, sehen, was Kohorten und Funnel zeigen, schreiben eine eigene ShopifyQL-Abfrage — und klären, wo Attribution ehrlicherweise endet.

Analytics und ShopifyQL

0:31 Vier Kapitel. Zuerst die Grundkennzahlen und die Frage, warum Umsatz allein in die Irre führt. Dann Kohorten und Funnel, also die Sicht, die eine Momentaufnahme nicht liefern kann. Danach ShopifyQL, die Abfragesprache für Commerce-Daten — mit einer Abfrage, die Sie mitnehmen können. Und zum Schluss die Brücke von der Kennzahl zur Maßnahme, samt einer nüchternen Betrachtung der Attribution.

0:54 In der Übung bauen Sie ein Dashboard für die Geschäftsführung von Steglicht: fünf Kennzahlen, nicht mehr.

Kennzahlen des Shops

1:01 Beginnen wir mit den Grundlagen. Vier Zahlen, die jede Shopleitung erklären können sollte — und eine fünfte, die gerne fehlt. Das Analytics-Dashboard ist eine anpassbare Übersicht aus Datenkarten, den Metriken. Reports liefern dazu die tiefere Sicht auf eine einzelne Metrik oder eine Gruppe. Und die Live View zeigt den Verkehr im Onlineshop in Echtzeit.

1:23 Diese Dreiteilung ist sinnvoll: Das Dashboard ist für den täglichen Blick, Reports für die Untersuchung, die Live View für besondere Tage. Ein Hinweis für die Rechteplanung aus Modul zwei: Für Reports und Dashboards braucht ein Mitarbeiterkonto die Analytics-Berechtigung. Auch Zahlen sind ein Zugriffsrecht. Diese Tabelle ordnet jeder Kennzahl ihre Frage zu, und die erste Zeile ist die wichtigste. Umsatz sagt, wie viel verkauft wurde — nicht, wie viel verdient.

1:51 Bestellungen sagen, wie oft gekauft wurde. Conversion, wie viele Besuche zu einer Bestellung führten. Warenkorbwert, wie viel je Bestellung zusammenkommt. Und die Retourenquote, wie viel davon wieder zurückkommt — diese fünfte Zeile fehlt in vielen Auswertungen und verändert das Bild erheblich. Ein Sortiment mit hohem Warenkorbwert und dreißig Prozent Retouren sieht in einer Umsatzstatistik hervorragend aus.

2:16 Vier Beispiele, die Sie in fast jedem Shop nachvollziehen können. Eine Rabattaktion hebt den Umsatz und senkt die Marge — das ist kein Fehler, aber es muss sichtbar sein. Ein gestiegener Warenkorbwert kann eine gestiegene Retourenquote verdecken, weil Leute mehrere Größen bestellen. Mehr Besuche ohne mehr Bestellungen heißt: Die Seite hält nicht, was der Kanal verspricht — also ein Problem im Zusammenspiel, nicht im Marketing allein.

2:42 Und ohne Einkaufskosten je Variante ist überhaupt keine Margenaussage möglich. Damit sind wir wieder bei Modul drei. Der erste Punkt ist die verbreitetste Form von Scheinarbeit: Der Bericht wird wöchentlich verschickt und von niemandem geöffnet. Prüfen Sie das ruhig einmal nach. Der zweite verfälscht systematisch: Kennzahlen werden verglichen, ohne den Zeitraum gleich zu wählen — vier Wochen gegen einen Monat ist kein Vergleich.

3:06 Der dritte ist eine hübsche Ablenkung: Die Live View wird zur Unterhaltung statt zur Steuerung. Und der vierte ist der, den die Tabelle eben nahegelegt hat: Retouren tauchen in der Umsatzbetrachtung gar nicht auf.

Kohorten, Funnel und Reports

3:19 Weiter mit den Sichten, die eine einzelne Zahl nicht liefern kann. Nicht wie viele — sondern welche, und wann wieder. Eine Kohorte fasst Kundschaft nach dem Zeitpunkt ihres ersten Kaufs zusammen und verfolgt, wie viel diese Gruppe danach noch bestellt. Stellen Sie sich das wie einen Jahrgang vor: Alle, die im März zum ersten Mal gekauft haben, werden gemeinsam über die Monate beobachtet.

3:42 Damit wird sichtbar, was eine einzelne Umsatzzahl verdeckt — ob Neukundschaft bleibt oder einmalig kauft. Zwei Shops mit identischem Umsatz können vollkommen unterschiedliche Zukunft haben, und die Kohortensicht ist die einzige, die das zeigt. Vier Erkenntnisse. Kohorten trennen Wachstum durch Neukunden von Wachstum durch Bindung — zwei völlig verschiedene Geschäftsmodelle mit derselben Umsatzkurve.

4:05 Sie zeigen, ob eine Aktion dauerhafte Kundschaft gebracht hat oder nur Schnäppchenjäger. Sie machen den Wert einer Kundenbeziehung über die Zeit sichtbar, und damit rechtfertigen sie überhaupt erst Investitionen in Bindung. Und sie beantworten die Frage, die im Marketing am meisten wert ist: Liefert dieser Kanal gute Kunden oder nur viele?

4:24 Fünf Schritte. Legen Sie die Schritte fest: Besuch, Produktansicht, Warenkorb, Checkout, Kauf. Messen Sie dann die Übergänge zwischen den Schritten, nicht die Summen — die Übergänge sind die Information. Suchen Sie den größten Absprung und sehen Sie sich die Seite dort an; das ist der Moment, in dem aus einer Zahl eine Aufgabe wird. Setzen Sie eine Änderung mit Erwartung um.

4:47 Und messen Sie nach festem Zeitraum erneut. Ein Hinweis aus der Erfahrung: Der größte Absprung ist selten dort, wo die Diskussion ihn vermutet. Der erste Punkt ist ein stiller Fehler: Reports werden gespeichert, aber der Filter passt nach einer Sortimentsänderung nicht mehr — und die Zahl bleibt trotzdem plausibel. Der zweite ist Ungeduld: Kohorten werden betrachtet, bevor genug Zeit vergangen ist; eine Kohorte braucht Monate, nicht Tage.

5:14 Der dritte versteckt genau das, was man sucht: Zwei Funnel-Schritte werden zusammengefasst, und der Absprung verschwindet in der Zusammenfassung. Und der vierte verzerrt alles: Der Vergleichszeitraum enthält eine Aktion.

ShopifyQL und Datenexport

5:27 Jetzt wird es technisch — aber nicht schwierig. Eine Abfragesprache für Commerce-Daten, die man an einem Nachmittag lesen lernt. ShopifyQL ist eine Abfragesprache für Commerce. Sie beantwortet Fragen zu Verkäufen, Bestellungen, Kundschaft, Marketing und Beständen und gibt das Ergebnis als Tabelle zurück, die sich direkt visualisieren lässt.

5:48 Wer SQL kennt, findet sich sofort zurecht; wer es nicht kennt, braucht ungefähr eine halbe Stunde. Der Gewinn liegt weniger in der Mächtigkeit als in der Präzision: Eine Abfrage macht explizit, welcher Zeitraum, welche Gruppierung und welche Kennzahl gemeint sind. Bei einem Report klickt man das zusammen und vergisst es.

6:08 Diese Abfrage beantwortet eine typische Managementfrage: Wie haben sich Umsatz, Bestellungen und Warenkorbwert über die letzten zwölf Monate entwickelt? Interessant ist das Muster, nicht die Syntax im Detail. Sie wählen einen Datensatz, benennen die Kennzahlen, gruppieren nach Monat, grenzen den Zeitraum ein, sortieren und bestimmen die Darstellung.

6:29 Fünf Angaben, und jede davon ist eine Entscheidung, die sonst implizit bliebe. Besonders die Zeitraumangabe lohnt Aufmerksamkeit: Ohne sie läuft die Abfrage über die gesamte Historie — und die ist selten gemeint. Sechs Schlüsselwörter, und sie folgen der Logik einer Frage. FROM wählt den Datensatz, etwa sales oder orders. SHOW bestimmt die Spalten des Ergebnisses. WHERE filtert Zeilen.

6:53 GROUP BY gruppiert nach Dimensionen. SINCE und UNTIL grenzen den Zeitraum ein. Und VISUALIZE wählt die Darstellung. Zwei weitere lohnen sich zu merken, auch wenn sie nicht in der Tabelle stehen: COMPARE TO vergleicht mit einem Vorzeitraum, TIMESERIES bildet Zeitreihen je Tag oder Monat. Mit diesen acht Wörtern decken Sie die allermeisten Fragen ab, die ein Shop stellt.

7:16 Der erste Punkt ist der, der langsame Abfragen und falsche Schlüsse erzeugt: Die Abfrage läuft ohne Zeitraum und liefert die gesamte Historie. Der zweite ist ein Denkfehler beim Gruppieren: Gruppiert wird nach einer Dimension, die im Datensatz gar nichts trennt — dann sehen Sie eine Zeile und halten sie für eine Antwort.

7:34 Der dritte ist unnötige Arbeit: Das Ergebnis wird exportiert, obwohl ein vorhandener Report dieselbe Zahl liefert. Und der vierte ist Wissensverlust: Abfragen entstehen einmalig und werden nirgends abgelegt — beim nächsten Mal baut sie jemand neu.

Von der Kennzahl zur Maßnahme

7:49 Zum Abschluss die entscheidende Frage. Was passiert eigentlich, wenn eine Zahl schlecht ist? Ein Sollwert macht aus einer Kennzahl eine Entscheidung. Er benennt, welcher Wert erwartet wird, wer reagiert, wenn er unterschritten wird, und was dann geschieht. Drei Angaben — und ohne sie bleibt jede Abweichung Ansichtssache.

8:08 Das ist der eigentliche Unterschied zwischen einem Dashboard, das jemand ansieht, und einem, mit dem jemand arbeitet. Die technische Seite ist dabei die leichte Übung. Die schwierige ist, sich vorher festzulegen, welcher Wert gut genug ist — denn danach kann man sich nicht mehr herausreden. Diese Kette hat vier Glieder, und das dritte ist das, an dem es meist abreißt. Kennzahl, Sollwert, Abweichung, Maßnahme.

8:33 Die meisten Organisationen schaffen die ersten beiden und bleiben dann stehen: Die Abweichung wird gesehen, benannt, vielleicht sogar diskutiert — und dann kommt der nächste Tagesordnungspunkt. Der praktische Trick besteht darin, die Maßnahme schon beim Anlegen der Kennzahl zu hinterlegen. Nicht, weil sie immer passt, sondern weil sie eine Entscheidung erzwingt, solange niemand unter Druck steht.

8:56 Vier Grenzen, die man kennen und aussprechen sollte. Ein Kauf im Ladengeschäft nach einer Onlinesuche fehlt in jeder Kampagne. Einwilligungspflichtiges Tracking erfasst nur einen Teil der Besuche — und dieser Teil ist nicht zufällig verteilt, sondern hängt vom Verhalten ab. Mehrere Kanäle beanspruchen denselben Abschluss für sich, weshalb sich Kanalerfolge nicht addieren lassen. Und ein Modell wie Last Click ist eine Vereinbarung, keine Wahrheit.

9:23 Das ist kein Grund, nicht zu messen. Es ist ein Grund, die Zahlen mit Bedacht zu verwenden. Der erste Punkt ist die häufigste Dashboard-Krankheit: Es wächst, bis niemand mehr weiß, worauf zu achten ist. Mehr Zahlen sind nicht mehr Übersicht. Der zweite ist menschlich und untergräbt das ganze Verfahren: Sollwerte werden nachträglich an das Ergebnis angepasst.

9:44 Der dritte ist ein Organisationsfehler mit einfacher Lösung: Eine Kennzahl hat drei Zuständige und damit keinen. Und der vierte ist der, der die Kette aus dem Diagramm bricht: Maßnahmen werden beschlossen, aber nicht mit der Kennzahl verknüpft — beim nächsten Blick weiß niemand, ob sie gewirkt haben.

Übung

10:02 Jetzt bauen Sie ein Dashboard, das eine halbe Stunde im Monat trägt — und aus dem Entscheidungen folgen. Die Geschäftsführung von Steglicht will monatlich eine halbe Stunde auf Zahlen schauen und danach entscheiden können. Heute gibt es einen Export mit vierzig Spalten, den niemand liest. Das ist eine sehr typische Ausgangslage, und sie ist nicht durch mehr Daten zu beheben, sondern durch weniger.

10:24 Die eigentliche Arbeit dieser Übung besteht im Weglassen — und darin, für jede verbliebene Zahl zu begründen, warum ausgerechnet sie eine Entscheidung stützt. Das Lernziel: Kennzahlen so auswählen und mit Sollwerten hinterlegen, dass aus der Messung eine Entscheidung folgt. Erfolgreich sind Sie, wenn fünf Kennzahlen feststehen — jede mit Frage, Sollwert, Zuständigkeit und hinterlegter Maßnahme — und mindestens eine aus einer eigenen ShopifyQL-Abfrage entsteht.

10:52 Fünf, nicht zehn. Und wer früh fertig ist, bekommt die unbequemste Zusatzaufgabe des ganzen Seminars: eine Kennzahl streichen und begründen, warum sie entbehrlich ist. Das ist schwerer, als fünf zu finden. Beginnen Sie nicht bei den Zahlen, sondern bei den Entscheidungen: Was steht monatlich an? Bestimmen Sie dann je Entscheidung die Kennzahl, die sie stützt.

11:15 Legen Sie Sollwert und Zuständigkeit fest. Formulieren Sie eine Kennzahl als ShopifyQL-Abfrage und führen Sie sie aus — das schärft, was Sie eigentlich messen wollen. Und halten Sie je Kennzahl die Maßnahme bei Unterschreitung fest. Wenn Ihnen zu einer Kennzahl keine Maßnahme einfällt, haben Sie die Antwort auf die Streichfrage schon gefunden.

11:35 Der erste Punkt ist die Versuchung dieser Übung: Es werden zehn Kennzahlen gewählt, weil alle interessant wirken. Interessant ist nicht das Kriterium. Der zweite ist ein Denkfehler beim Sollwert: Er wird als Wunsch formuliert statt aus Erfahrung abgeleitet — ein Sollwert, den der Shop nie erreicht hat, ist kein Sollwert, sondern ein Vorsatz.

11:55 Der dritte ist unnötige Arbeit: Die Abfrage liefert eine Zahl, die schon als Report existiert. Und der vierte ist die häufigste Scheinmaßnahme überhaupt: Die Maßnahme lautet beobachten.