Analytics-Benchmarks: das Fashion-KPI-Wörterbuch

# Analytics-Benchmarks: das Fashion-KPIKPIKey Performance Indicator, ein messbarer Wert, der zeigt, wie wirksam Sie ein bestimmtes Ziel erreichen, über die Zeit verfolgt und gegen einen Zielwert gemessen.Vollständige Definition ansehen →-Wörterbuch

Zwei Merchandising-Manager kommen zum Montags-Review. Der eine sagt, eine Jacke habe „60 Prozent Sell-through" erreicht. Der andere sagt, dieselbe Jacke habe „40 Prozent Sell-through" erreicht. Beide haben recht, denn der eine hat die gesamte Markdown-Periode gezählt und der andere nur die ersten sechs Wochen zum vollen Preis. Niemand lügt. Sie verwenden dasselbe Wort für zwei verschiedene Berechnungen. Diese eine Unschärfe verzerrt Nachorder-Entscheidungen, das Markdown-Timing und den Einkauf der nächsten Saison.

Diese Lektion räumt damit auf. Wir definieren vier zentrale Apparel-KPIs (Key Performance Indicators, die Kennzahlen, nach denen Teams steuern) mit jeweils einer konsistenten Formel, zeigen ein durchgerechnetes Beispiel und geben Benchmark-Spannen, gegen die Sie plausibilisieren kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen. Das Ziel ist Datendisziplin: gleiche Definition, gleiche Inputs, gleiches Ergebnis, jedes Mal.

Warum Definitionen ein Datenqualitätsproblem sind

Ein KPIKPIKey Performance Indicator, ein messbarer Wert, der zeigt, wie wirksam Sie ein bestimmtes Ziel erreichen, über die Zeit verfolgt und gegen einen Zielwert gemessen.Vollständige Definition ansehen → ist nur so verlässlich wie die Übereinkunft dahinter. In der Fashion-Branche verbergen sich hinter demselben Kennzahlennamen unterschiedliche Zähler, Nenner und Zeitfenster. Das ist ein Governance-Versagen, kein Rechenfehler.

Legen Sie vor jedem Benchmark drei Dinge in Ihrem Data Dictionary fest:

• Zeitfenster: gesamter Lebenszyklus, Full-Price-Periode oder Season-to-date?
• Einheitenbasis: verkaufte Stück oder Umsatz in Dollar/Euro?
• Kostenbasis: Einstandspreis, Verkaufspreis oder Landed Cost inklusive Fracht und Zoll?

Schreiben Sie das einmal auf. Ein gemeinsames Data Dictionary (ein Dokument, das jedes Kennzahlenfeld und jede Formel definiert) ist die mit Abstand günstigste Qualitätskontrolle, die ein Retail-Analytics-Team aufbauen kann. Die praktische Governance-Einordnung finden Sie in der DAMA-DMBOK data management overview.

Full-Price-Sell-through

Definition: der Prozentsatz der erhaltenen Einheiten, die innerhalb eines definierten Zeitfensters zum vollen Preis (vor jedem Markdown) verkauft wurden.

Formel:

Full-price sell-through = (Units sold at full price) / (Units received) x 100

Die beiden Streithähne oben haben sich über das Zeitfenster und die Preisbasis gestritten. Legen Sie beides fest. „Full-Price-Sell-through, Woche 1 bis 6" ist eindeutig. „Gesamt-Sell-through, voller Lebenszyklus" ist eine andere, genauso valide Kennzahl. Beide gehören ins Wörterbuch, sie brauchen nur verschiedene Namen.

Durchgerechnetes Beispiel: Sie erhalten 1.000 Einheiten eines Leinenhemds. In den ersten sechs Wochen verkaufen Sie 550 zum vollen Preis. Dann setzen Sie den Preis herunter und verkaufen weitere 300.

• Full-Price-Sell-through (Wo. 1 bis 6) = 550 / 1.000 = 55 Prozent
• Gesamt-Sell-through (voller Lebenszyklus) = 850 / 1.000 = 85 Prozent

Gleiches Produkt, zwei ehrliche Zahlen. Die Benennung rettet das Meeting.

Benchmark (Schätzung, allgemeine Bekleidung, Stand 2025): Viele Händler zielen bei Core-Apparel auf etwa 60 bis 70 Prozent Full-Price-Sell-through über die ersten Wochen einer Saison, wobei Fast-Fashion-Player höher liegen und Full-Price-Luxus nach anderer Logik arbeitet. Behandeln Sie das als richtungsweisende Planungsanker, nicht als geprüfte Zahlen; die tatsächlichen Ziele variieren nach Kategorie, Kanal und Marke.

Weeks of Supply (WOS)

Definition: wie viele Wochen der aktuelle Bestand beim aktuellen Abverkaufstempo reicht. Das ist Ihr Frühwarnindikator für Überbestand und Stockout.

Formel:

Weeks of supply = (Current inventory units) / (Average weekly unit sales)

Durchgerechnetes Beispiel: Sie halten 2.400 Einheiten eines Sneakers und verkaufen im Schnitt 300 pro Woche.

• WOS = 2.400 / 300 = 8 Wochen

Lesen Sie das gegen Ihren Plan. Wenn die Saison noch 6 Wochen läuft, signalisieren 8 Wochen Reichweite, dass Sie mit Restbestand enden: Markdown einplanen. Wenn es 2 Wochen sind und die Saison noch 6 Wochen läuft, riskieren Sie leere Regale: nachordern oder umverteilen.

Die Qualitätsfalle: „durchschnittlicher Wochenabsatz" über welchen Zeitraum? Ein rollierender 4-Wochen-Schnitt reagiert schnell, überreagiert aber auf einen einzelnen Promo-Ausschlag. Ein rollierender 12-Wochen-Schnitt ist glatter, aber träge bei Trendwechseln. Wählen Sie einen, dokumentieren Sie ihn, wenden Sie ihn überall an.

Benchmark (Schätzung): Gesunde WOS sind kategoriespezifisch. Schnelldrehende Basics laufen oft schlank bei 4 bis 8 Wochen; saisonale Mode liegt früh in der Saison höher und sollte zum Saisonende hin sinken. Es gibt keine universell „gute" Zahl, nur gut im Verhältnis zu Ihrem verbleibenden Verkaufsfenster.

Stock-to-Sales-Ratio

Definition: Bestand zu Periodenbeginn im Verhältnis zum Umsatz dieser Periode. Die klassische Planungskennzahl hinter dem Open-to-buy (dem Budget, das einem Einkäufer noch zur Verfügung steht).

Formel:

Stock-to-sales = (Beginning-of-period inventory) / (Sales in period)

Beide Größen müssen dieselbe Einheitenbasis haben: Stück mit Stück, oder Retail-Werte mit Retail-Werten. Bestand zu Einstandswerten durch Umsatz zu Verkaufswerten zu teilen, ist einer der häufigsten stillen Fehler im Retail-Reporting.

Durchgerechnetes Beispiel: Bestand zu Monatsbeginn 5.000 Einheiten. Sie verkaufen in diesem Monat 2.500 Einheiten.

• Stock-to-Sales = 5.000 / 2.500 = 2,0

Ein Wert von 2,0 heißt, Sie sind mit dem Doppelten des verkauften Bestands in den Monat gestartet. Ob das richtig ist, hängt von Lieferzeiten ab und davon, ob der Folgemonat ein Peak ist. Steigende Werte Monat für Monat bei flachem Umsatz sind ein klassisches Überbestandssignal.

🎬 [VIDEO: "Retail Math: Sell Through, Stock to Sales & GMROI Explained" - youtube.com - ein klarer Durchgang durch die zentralen Retail-Merchandising-Kennzahlen und ihre Zusammenhänge]

GMROI

Definition: Gross MarginGross MarginDie Gross Margin ist der Anteil des Umsatzes, der nach Abzug der direkten Kosten für die Herstellung von Waren oder Dienstleistungen übrig bleibt, ausgedrückt als Prozentsatz des Umsatzes.Vollständige Definition ansehen → Return on InvestmentReturn on InvestmentReturn on Investment: das Verhältnis von Nettogewinn zu den Kosten einer Investition. Ein ROI von 300 % bedeutet, dass jeder investierte Dollar 3 Dollar zurückbringt.Vollständige Definition ansehen →. Die Kennzahl beantwortet: Wie viel Bruttomarge (Umsatz minus Wareneinsatz) habe ich pro investierter Währungseinheit im Bestand zurückbekommen? Sie verbindet Profitabilität mit dem Bestand, der sie erzeugt hat, und gehört deshalb in ein Fashion-Data-Dictionary und nicht in ein generisches Finance-Sheet.

Formel:

GMROI = (Gross margin dollars) / (Average inventory cost)

Wobei Bruttomarge = Nettoumsatz minus Wareneinsatz, und der Durchschnittsbestand zu Einstandswerten bewertet wird.

Durchgerechnetes Beispiel: Eine Handtaschenlinie erzeugt im Jahr 400.000 Dollar Bruttomarge. Der durchschnittlich gehaltene Bestand, zu Einstandswerten bewertet, liegt bei 200.000 Dollar.

• GMROI = 400.000 / 200.000 = 2,0

Zu lesen als „2,0", also 2 Dollar (oder Euro) Bruttomarge pro investierter Währungseinheit im Bestand. Ein GMROI über 1,0 heißt, der Bestand hat mehr Marge erzeugt, als ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → an Kosten gebunden hat; unter 1,0 heißt, ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → hat es nicht.

Die Konsistenzregel, an der GMROI scheitert: Der Durchschnittsbestand muss zu Einstandswerten bewertet sein und auf genügend Datenpunkten beruhen. Ein Zwei-Punkte-Durchschnitt (Jahresanfang und Jahresende) kann ein saisonales Geschäft mit Peak zur Jahresmitte massiv falsch abbilden. Nutzen Sie Monatswerte, wo Sie sie haben. Ein 12-Punkte-Durchschnitt einer saisonalen Bekleidungsmarke kann deutlich von einem 2-Punkte-Durchschnitt abweichen, und allein dieser Unterschied kann den GMROI so weit verschieben, dass sich eine Einkaufsentscheidung ändert.

Benchmark (Schätzung, allgemeiner Bekleidungseinzelhandel): Für Apparel genannte GMROI-Werte liegen meist im niedrigen bis mittleren einstelligen Bereich (oft wird um die 2 bis 3 referenziert), variieren aber stark nach Segment und reagieren empfindlich darauf, wie der Durchschnittsbestand berechnet wird. Nutzen Sie die Kennzahl zuerst, um Kategorien innerhalb Ihres eigenen Geschäfts zu vergleichen, bevor Sie über Unternehmen hinweg vergleichen.

Das Wörterbuch durchsetzbar machen

Definitionen in einem Foliendeck werden ignoriert. Definitionen in Code werden genutzt. Hier eine minimale, lesbare Referenzimplementierung, auf die sich Ihr Analytics-Team standardisieren kann:

def full_price_sell_through(units_sold_full_price, units_received):
    return units_sold_full_price / units_received * 100

def weeks_of_supply(current_inventory_units, avg_weekly_unit_sales):
    return current_inventory_units / avg_weekly_unit_sales

def stock_to_sales(beginning_inventory, sales_in_period):
    # beide Argumente MÜSSEN dieselbe Einheitenbasis haben (Stück ODER Retail-Wert)
    return beginning_inventory / sales_in_period

def gmroi(gross_margin_dollars, average_inventory_at_cost):
    return gross_margin_dollars / average_inventory_at_cost

Der Kommentar bei stock_to_sales ist der eigentliche Governance-Gewinn: ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → zwingt den Analysten, die Einheitenbasis zu bestätigen, bevor die Zahl je auf einem Dashboard landet. Liefern Sie das als gemeinsame Library aus, und „was heißt eigentlich Sell-through" ist keine Debatte mehr.

Typische Datenqualitätsfehler, die Sie prüfen sollten

• Window Drift: Ein KPIKPIKey Performance Indicator, ein messbarer Wert, der zeigt, wie wirksam Sie ein bestimmtes Ziel erreichen, über die Zeit verfolgt und gegen einen Zielwert gemessen.Vollständige Definition ansehen → ändert sein Zeitfenster still zwischen Dashboards. Fenster in Metadaten einfrieren.
• Basis-Mismatch: Bestand zu Einstandswerten geteilt durch Umsatz zu Retail-Werten. Immer beide Seiten prüfen.
• Retouren-Leakage: Verkaufte Einheiten, die nicht um Retouren bereinigt sind, blähen den Sell-through auf. Einmal entscheiden: brutto oder netto, und entsprechend kennzeichnen.
• Erhalten statt bestellt: Sell-through-Nenner sollten *erhaltene* Einheiten nutzen, nicht *bestellte*, sonst schmeicheln verspätete Lieferungen Ihren Zahlen.

Key Takeaways

• Nennen Sie immer Zeitfenster und Basis. „Full-Price-Sell-through, Woche 1 bis 6, netto nach Retouren" ist ein Daten-Asset; „Sell-through" allein ist eine Diskussion mit Ansage.
• Eine Formel pro Kennzahl, im Code hinterlegt. Eine gemeinsame Funktionsbibliothek beendet Definitions-Drift besser als jedes Policy-Dokument.
• GMROI reagiert empfindlich darauf, wie Sie den Bestand mitteln. Bestand zu Einstandswerten mit genügend Monatsdatenpunkten nutzen, besonders bei saisonaler Bekleidung.
• Lesen Sie Weeks of Supply gegen Ihr verbleibendes Verkaufsfenster, nicht gegen eine universelle Zielzahl.
• Behandeln Sie alle Benchmark-Spannen hier als richtungsweisende Schätzungen. Vergleichen Sie Kategorien innerhalb Ihres eigenen Geschäfts, bevor Sie über Unternehmen hinweg vergleichen, und prüfen Sie die Inputs, bevor Sie einer unternehmensübergreifenden Zahl trauen.