Conversion-Analyse für B2B: Funnel-Diagnose vor der Optimierung

Eine Conversion-Analyse ist die systematische Untersuchung, an welcher Stelle im Conversion-Pfad einer Website die meisten Besucher abspringen und warum. Sie gehört zum Bereich Web Analytics und bildet die mittlere von 3 Ebenen: Tracking (Datenerhebung), Conversion-Analyse (Diagnose) und Conversion-Optimierung (Umsetzung). Diese taxonomische Einordnung ist mehr als Theorie, sie legt die Reihenfolge der Arbeit fest.

In fast jedem Unternehmen mit schwacher Conversion-Rate passiert derselbe Fehler: Es wird sofort optimiert. Die Landingpage wird überarbeitet, der Call-to-Action umformuliert, die Farben geändert, alles in der Hoffnung, dass irgendetwas davon hilft. Ohne Wissen darüber, wo genau die Besucher verloren gehen, bleibt jede dieser Maßnahmen ein Schuss ins Dunkle.

Eine Conversion-Analyse dreht diese Reihenfolge um. Bevor irgendetwas verändert wird, wird gemessen und verstanden: An welcher Stelle im Conversion-Pfad brechen die meisten Besucher ab? Warum tun sie das? Welcher Hebel erzielt den größten Effekt? Erst auf dieser Grundlage ergeben Optimierungs-Maßnahmen Sinn. Zuerst kommt das Tracking, die Datenerhebung, die belastbare Zahlen liefert. Dann kommt die Conversion-Analyse, die aus den Zahlen Erkenntnisse formt. Zuletzt kommt die Conversion-Optimierung, die Umsetzung von Maßnahmen auf Basis der Analyse.

Diese Unterscheidung klingt akademisch, trägt aber direkte wirtschaftliche Folgen. Ein Unternehmen, das ohne Analyse seine Landingpage neu baut, investiert Wochen Arbeitszeit und Agenturkosten, und erkennt am Ende oft nicht einmal, ob die Maßnahme gewirkt hat, weil keine saubere Vorher-Messung existierte. Ein Unternehmen, das zuerst analysiert, kennt vorher den Hebel und misst hinterher die Wirkung. Der Unterschied heißt Effizienz: dieselbe Investition, gezielt statt gestreut. Eine Conversion-Analyse eignet sich deshalb als erster Schritt einer Zusammenarbeit: niedrigschwellig, mit schnellen, konkreten Erkenntnissen, ohne Festlegung auf ein großes Projekt.

Das Herzstück jeder Conversion-Analyse ist die Funnel-Analyse. Das Prinzip: Der Weg vom ersten Websitebesuch bis zur gewünschten Aktion wird in einzelne Stufen zerlegt. Für jede Stufe misst die Analyse, wie viele Besucher sie erreichen und wie viele zur nächsten weitergehen. Übrig bleibt ein präzises Bild davon, an welcher Stelle die meisten Menschen abspringen.

Ein vereinfachtes Beispiel aus dem B2B-Bereich: Von 10.000 Websitebesuchern erreichen 2.000 eine Leistungs- oder Produktseite. Davon klicken 400 auf „Kontakt“ oder „Angebot anfragen“. Abgeschickt wird das Formular von 80. Und davon zählen am Ende 8 als wirklich qualifizierte Anfragen. Jede dieser Stufen ist ein potenzieller Verlustpunkt, und die Funnel-Analyse zeigt, welcher Übergang prozentual am meisten kostet. Die Infografik auf dieser Seite zeigt diesen Beispiel-Funnel mit den Verlustraten von 80 bis 90 Prozent zwischen den Stufen.

Schröder Data Solutions: Beispiel-Funnel eines B2B-Unternehmens mit Verlustraten von 80 bis 90 Prozent zwischen den Stufen

Die entscheidende Erkenntnis liegt oft nicht dort, wo sie vermutet wird. Viele Unternehmen halten zu wenig Traffic für ihr Problem, und stellen in der Analyse fest, dass genügend Besucher kommen, aber 80 Prozent davon schon auf der ersten Leistungsseite wieder abspringen. Oder sie investieren in eine schönere Landingpage, während der eigentliche Abbruch im umständlichen Kontaktformular passiert. Eine Funnel-Analyse deckt solche Fehlannahmen auf, bevor Budget in die falsche Richtung fließt.

Im B2B-Mittelstand kommt eine Besonderheit hinzu: Der Funnel verläuft selten linear und selten innerhalb einer Sitzung. Ein Interessent besucht die Seite mehrfach, über Wochen, von verschiedenen Geräten. Eine seriöse Funnel-Analyse bildet diese Realität ab, statt so zu tun, als würde jeder Besucher in einer einzigen Sitzung vom ersten Klick bis zur Anfrage durchlaufen. Genau hier scheitern viele Standard-Analysen, die aus dem E-Commerce-Denken stammen. Technisch funktioniert eine Funnel-Analyse mit jedem guten Web-Analytics-Tool: Matomo bringt dedizierte Funnel-Funktionen mit, etracker ebenso, und auch Google Analytics bildet Funnels ab. Entscheidend ist nicht das Tool, sondern die saubere Definition der Stufen und eine vertrauenswürdige Datengrundlage.

Die größte Schwäche vieler Conversion-Analysen ist ihr Blick auf den letzten Klick. Die Frage "Woher kam die Conversion?" wird beantwortet mit "aus dem letzten Kanal vor der Anfrage", und der lautet im B2B fast immer "Direct" oder "Brand Search". Daraus folgt der fatale Schluss, dass die anderen Kanäle nichts bringen. Das ist nicht nur ungenau, es ist gefährlich falsch.

In Projekten von Schröder Data Solutions durchläuft ein typischer B2B-Lead 6 bis 12 Touchpoints, bevor er zum Kunden wird, verteilt über Wochen oder Monate. Ein Interessent findet das Unternehmen über die organische Suche, liest einen Blog-Artikel, sieht später einen LinkedIn-Beitrag, besucht ein Webinar, kommt Wochen danach direkt auf die Seite und stellt eine Anfrage. Die Last-Click-Logik schreibt den gesamten Erfolg dem letzten "Direct"-Besuch zu und macht alle vorgelagerten Touchpoints unsichtbar.

Eine belastbare Customer-Journey-Analyse arbeitet deshalb mit Multi-Touch-Betrachtung. Sie verteilt den Beitrag auf mehrere Touchpoints, etwa mit einer Time-Decay-Logik (frühere Kontakte zählen weniger, aber nicht null) oder positionsbasiert (erster und letzter Kontakt zählen stärker). Welches Modell passt, hängt vom Geschäft ab. Wichtig ist die Abkehr von der Illusion, eine Conversion sei das Verdienst eines einzelnen Kanals.

Der zweite blinde Fleck vieler Analysen ist die Lead-Qualität. Eine Conversion ist nicht gleich eine Conversion: 100 Anfragen mit 5 Prozent Abschlussquote sind weniger wert als 30 Anfragen mit 35 Prozent. Wer nur die Menge der Conversions misst, optimiert möglicherweise genau auf die Kanäle, die viele, aber schlechte Leads liefern. Schröder Data Solutions verknüpft Web-Analytics-Daten deshalb, wo möglich, mit dem CRM (Customer-Relationship-Management-System). Erst diese Verknüpfung erlaubt Aussagen wie "Kanal LinkedIn bringt 18 Prozent der Leads, aber 42 Prozent des profitablen Umsatzes". Solche Erkenntnisse verändern Marketing-Budgets fundamental.

Der dritte Aspekt ist die Sales-Cycle-Länge. Ein Kanal, der schnelle, aber schlecht konvertierende Leads liefert, wirkt in der wöchentlichen Auswertung stark. Ein Kanal, der nach drei Monaten hochpreisige Aufträge bringt, wirkt in derselben Auswertung schwach. Erst der Blick über den gesamten Sales-Cycle zeigt die Realität. Diese 3 Dimensionen, Multi-Touch, Lead-Qualität und Sales-Cycle, erklären, warum B2B-Conversion-Analyse nicht mit E-Commerce-Methodik funktioniert.

Eine Conversion-Analyse lohnt sich nicht in jeder Situation. 3 Fälle, in denen Schröder Data Solutions davon abrät:

Fall 1: Zu wenig Traffic für belastbare Zahlen

Funnel-Stufen brauchen genügend Besucher, damit die gemessenen Prozentwerte statistisch tragen. Bei sehr geringem Besucheraufkommen liefert eine Stufen-Analyse Zufallsrauschen statt Erkenntnis; dann bringt gezielte Arbeit an Reichweite und Positionierung mehr als eine Analyse.

Fall 2: Das Tracking arbeitet fehlerhaft

Wenn Conversions doppelt zählen, Consent-Einstellungen Messlücken reißen oder der DataLayer zu spät feuert, produziert jede Analyse falsche Schlüsse. In diesem Fall steht zuerst ein [Tracking-Audit](/tracking/tracking-audit-datenqualitaet) an, nicht die Conversion-Analyse.

Fall 3: Die Ursache liegt bereits offen

Ein kaputtes Formularfeld, eine tote Danke-Seite oder ein Server-Fehler auf der Kontaktseite brauchen keine Analyse, sondern eine Reparatur. Schröder Data Solutions benennt solche Fälle im Kennenlerntermin direkt, statt ein Analyse-Projekt zu verkaufen.

Eine Conversion-Analyse lebt von den richtigen Kennzahlen. Genau hier passieren reihenweise Fehlinterpretationen, weil einzelne Zahlen ohne Kontext betrachtet werden. 3 Beispiele aus der Praxis.

Die Absprungrate (Bounce Rate) zählt zu den am häufigsten falsch gelesenen Kennzahlen der Web-Analyse. Eine hohe Absprungrate gilt reflexhaft als schlecht, doch das stimmt nicht immer. Wer über die Suche auf einen Blog-Artikel kommt, die gesuchte Information findet und zufrieden geht, erzeugt einen "Absprung", aber kein Problem. Umgekehrt kann eine niedrige Absprungrate auf einer Conversion-Seite bedeuten, dass Besucher verwirrt herumklicken, statt zu konvertieren. Die Absprungrate lässt sich nur im Kontext der Seitenfunktion interpretieren. Genau deshalb rückt in der modernen Analyse zunehmend die Engagement-Rate in den Vordergrund.

Die Conversion-Rate selbst führt ohne Kontext ebenso in die Irre. Eine Conversion-Rate von 2 Prozent kann hervorragend oder katastrophal ausfallen, je nachdem, welche Conversion gemeint ist, welcher Traffic darauf zielt und wie wertvoll ein einzelner Abschluss ist. Eine Conversion-Analyse fragt deshalb immer: Conversion-Rate wofür, bezogen auf welchen Traffic, mit welchem Wert pro Conversion?

Seitenaufrufe und Sitzungsdauer landen gerne in Reports, weil sie leicht verfügbar sind, sagen über die Conversion-Leistung aber wenig aus. Mehr Seitenaufrufe bedeuten nicht automatisch Besseres; manchmal bedeuten sie, dass Besucher nicht finden, was sie suchen. Solche "Vanity Metrics" lenken von den Kennzahlen ab, die mit Geschäftsergebnissen zusammenhängen.

Worauf es bei einer B2B-Conversion-Analyse ankommt, sind 3 Kennzahl-Typen entlang des Funnels: Stufen-Conversion-Raten (wie viel Prozent gehen von Stufe A zu Stufe B?), Lead-Qualität (wie viele der Anfragen werden qualifiziert?) und, wo verfügbar, der tatsächliche Umsatzbeitrag pro Kanal. Diese Kennzahlen sind schwerer zu erheben als ein Seitenaufruf-Zähler, aber sie sind die einzigen, die zu besseren Entscheidungen führen. Ein fester Teil der Arbeit von Schröder Data Solutions besteht darin, gemeinsam mit dem Kunden zu definieren, welche Kennzahlen für das jeweilige Geschäft aussagekräftig sind und welche sich getrost ignorieren lassen.

Eine Conversion-Analyse ist kein Selbstzweck. Ihr Wert entsteht erst, wenn aus den Erkenntnissen Entscheidungen werden. Genau hier scheitern viele Analysen, nicht an der Methode, sondern an der Umsetzung. Ein 40-seitiger Analyse-Report, den niemand liest und aus dem keine Maßnahme folgt, ist verschwendete Mühe.

Die Conversion-Analyse von Schröder Data Solutions endet deshalb nicht mit Zahlen, sondern mit einer priorisierten Handlungsliste. Für jede identifizierte Schwachstelle steht eine Einschätzung: Wie groß fällt der erwartete Effekt aus? Wie hoch liegt der Aufwand? Diese Priorisierung nach Effekt zu Aufwand sorgt dafür, dass die Maßnahmen mit dem größten Hebel zuerst starten, nicht die offensichtlichsten.

Aus dieser Liste ergeben sich 2 Wege. Manche Erkenntnisse lassen sich sofort umsetzen: ein kaputtes Formularfeld, eine irreführende Beschriftung, ein fehlender Vertrauensnachweis an entscheidender Stelle. Andere Erkenntnisse sind Hypothesen, die in einem strukturierten Prozess getestet werden sollten, bevor sie flächendeckend umgesetzt werden. Dieser Übergang von der Analyse in die systematische Umsetzung ist das Thema der Seite Conversion-Optimierung: die Therapie, die auf der Diagnose aufbaut.

Zur seriösen Analyse gehört die Ehrlichkeit über ihre Grenzen. Eine Conversion-Analyse zeigt mit hoher Sicherheit, wo Besucher verloren gehen. Beim Warum arbeitet sie mit gut begründeten Hypothesen, nicht mit absoluter Gewissheit; deshalb die Kombination aus quantitativen Daten und qualitativen Methoden wie Heatmaps und Session-Recordings. Ob eine Maßnahme tatsächlich wirkt, zeigt sich endgültig erst in der Umsetzung mit sauberer Vorher-Nachher-Messung. Diese ehrliche Einordnung schützt vor falschen Gewissheiten und damit vor Fehlinvestitionen. Wer vor der Frage steht, warum Traffic nicht zu genügend Leads wird, findet in der Conversion-Analyse den sinnvollen ersten Schritt: überschaubar im Aufwand, schnell in den Erkenntnissen, datenbasiert statt nach Bauchgefühl.