+150 XP

Engagement-Metriken gegen Sektornormen benchmarken

# Engagement-Metriken gegen Sektornormen benchmarken

Zwei Händler melden beide eine E-Mail-Click-Through-Rate von 3%. Der eine teilt Klicks durch die an die gesamte Liste ausgelieferten E-Mails, der andere teilt Klicks durch Openings und mailt nur Personen an, die in den letzten 90 Tagen gekauft haben. Das sind nicht dieselben Messungen, und keine davon ist mit dem Median eines Benchmark-Reports eines Anbieters vergleichbar. Die meisten Diskussionen darüber, ob "wir gut sind", sind verkleidete Diskussionen über den Nenner.

In dieser Lektion geht es um Vergleichsdisziplin: welche Engagement-Benchmarks für Ihre Kategorie und Ihre Kauffrequenz ehrlich sind und wo Sektormediane stillschweigend in die Irre führen.

Warum der Sektor mehr zählt als der "Branchendurchschnitt"

"Retail" ist für Benchmarking-Zwecke keine einzelne Branche. Kauffrequenz, Basketgröße und Überlegungszeit variieren enorm:

  • Lebensmittel: hohe Frequenz, geringe Überlegung, habituell. Kunden kaufen wöchentlich Milch, ohne fünf Marken zu vergleichen.
  • Bekleidung: mittlere Frequenz, höhere Überlegung, getrieben von Browsing und Discovery.
  • Elektronik: geringe Frequenz, hohe Überlegung, lange Recherchezyklen (ein Laptopkauf kann Wochen des Vergleichens umfassen).

Eine "gute" Click-Through-Rate (CTR, der Anteil der Empfänger, die nach Erhalt auf einen Link klicken) im Lebensmittelbereich sieht in der Elektronik mittelmäßig aus, und umgekehrt.

Click-Through-Rate: E-Mail- und App-Benchmarks

CTR = (Klicks ÷ ausgelieferte E-Mails) × 100. Sagen Sie "ausgeliefert", nicht "versendet" und nicht "geöffnet", jedes einzelne Mal, wenn Sie die Zahl nennen.

Schätzwerte mit Stand 2025, aus Quellen wie Klaviyos E-Commerce-Benchmarks und Mailchimps Sektorberichten. Beide Unternehmen verkaufen E-Mail-Marketing-Software, ihre Stichproben sind also ihre eigenen Kundenbasen, die zu Direct-to-Consumer tendieren und Supermarktketten sowie große Elektronikmärkte unterrepräsentieren:

| Sektor | E-Mail-CTR (Schätzung) | Anmerkungen |

|---|---|---|

| Lebensmittel | 1,5% bis 2,5% | Hohe Open Rates, niedrigere CTR; Inhalte sind oft Routine (Wochenangebote) |

| Bekleidung | 2% bis 3,5% | Starkes visuelles Merchandising hebt Klicks, besonders bei neuen Drops |

| Elektronik | 3% bis 5% | Weniger, höherwertige E-Mails; Empfänger prüfen aktiv einen Kauf |

Rechenbeispiel: Eine Bekleidungsmarke versendet eine Promo-E-Mail an 100.000 Abonnenten und erhält 2.800 Klicks. CTR = (2.800 ÷ 100.000) × 100 = 2,8%. Das liegt bequem innerhalb der Bekleidungsbandbreite. Dieselben 2,8% wären in der Elektronik unter der Norm; im Lebensmittelbereich wären sie exzellent.

In einer solchen Tabelle verstecken sich zwei Fallen. Veröffentlichte Benchmarks sind meist Mediane über Accounts, ein Shop mit 2.000 Abonnenten zählt also genauso viel wie einer mit zwei Millionen: Der Median beschreibt einen typischen Account, nicht eine typische E-Mail. Und die Open Rate ist als Vergleichsgröße unzuverlässig, seit Apples Mail Privacy Protection im September 2021 eingeführt wurde und begann, Bilder für Apple-Mail-Nutzer vorab zu laden, wodurch Openings registriert werden, die kein Mensch ausgeführt hat. Vergleichen Sie Klicks. Behandeln Sie jede Open Rate, die diesen Zeitraum umfasst, als um einen Betrag aufgebläht, den niemand bemessen kann.

Cart Abandonment: die Metrik, die alle falsch lesen

Cart-Abandonment-Rate = (1 − [abgeschlossene Käufe ÷ erstellte Carts]) × 100.

Das Baymard Institute, eine unabhängige UX-Forschungsgruppe, verortet die durchschnittliche E-Commerce-Cart-Abandonment-Rate bei rund 70% (Schätzung, basierend auf aggregierten Studien, siehe Baymards Cart-Abandonment-Forschung). Die Streuung über Sektoren ist breit:

  • Lebensmittel: oft niedriger, etwa 50% bis 65% (Schätzung). Kunden erledigen eine geplante Aufgabe; Friktion ist der Hauptfeind (Lieferfenster, Mindestbestellwert).
  • Bekleidung: hoch, oft 70% bis 80% (Schätzung). Vergleiche über mehrere Tabs und wunschlistenartige Carts blähen den Wert auf.
  • Elektronik: ebenfalls über 70% (Schätzung), getrieben von Recherchezyklen: auf einer Seite in den Cart legen, Spezifikationen anderswo vergleichen, vielleicht zurückkommen.

Das Nennerproblem: "erstellte Carts" ist kein standardisiertes Event. Manche Plattformen zählen Add-to-Cart pro Session, manche pro identifiziertem Nutzer, manche nur Carts, die den Checkout-Start erreicht haben. Ein Kunde, der mittags mobil etwas hinzufügt und abends am Desktop kauft, ist ein abgebrochener Cart plus eine Bestellung, wenn Sie Sessions zählen, und eine einzige saubere Conversion, wenn Sie Identitäten zusammenführen. Die vorteilhaften Zahlen im Lebensmittelbereich kommen teilweise daher: Ein gespeicherter Basket, der zwischen Besuchen bestehen bleibt, wird angepasst statt abgebrochen, gelangt also nie in den Zähler. Schreiben Sie auf, welches Event Ihre Plattform zählt, bevor Sie sich mit irgendwem vergleichen.

Hoch ist nicht automatisch schlecht: Ein Kunde, der drei Größen derselben Jacke zum Vergleich hinzufügt und dann zwei entfernt, betreibt normales Browsing. 75% in der Bekleidung als Krise zu behandeln, verkennt die Kategorie.

Was diagnostisch ist: der Drop-off zwischen den Stufen, die die Lektion zum Funnel-Mapping darlegt, nicht die Schlagzeilenzahl. Ein Ausschlag im Payment-Schritt deutet auf unerwartete Versandkosten, erzwungene Kontoerstellung oder zu wenige Zahlungsmethoden hin. Das ist behebbar und lohnt eher die Nachverfolgung gegen Ihr eigenes früheres Ich als gegen einen externen Durchschnitt.

Noch eine Ehrlichkeitsprüfung für Fashion. Engagement-Benchmarks sagen nichts darüber, was zurückkommt. Zalando hat sein Angebot auf kostenlose Rücksendungen aufgebaut, und europäische Fashion-Retourenquoten liegen häufig bei etwa der Hälfte der versendeten Artikel. In dieser Welt kann eine Kampagne, die CTR und abgeschlossene Checkouts hebt, den Nettoumsatz nur sehr wenig heben, und eine Marke, die ihre Abandonment-Rate mit der von Zalando vergleicht, vergleicht sich mit einem Geschäft, das Retouren bewusst in den Funnel eingepreist hat. Halten Sie neben der Engagement-Zahl eine retourenbereinigte Zahl bereit.

E-Mail- und App-Engagement: Frequenz verändert den Maßstab

  • Lebensmittel-Apps werden wöchentlich oder häufiger geöffnet; Engagement lebt in der Session-Frequenz, nicht in einmaligen Kampagnen-Openings.
  • Bekleidungs-Engagement schießt um Drops und Sales herum hoch und wird dann still, weshalb Metriken auf Kampagnenebene stärker zählen.
  • Elektronik-Engagement konzentriert sich in einem Entscheidungsfenster und fällt dann bis zum nächsten Upgrade auf nahe null (ein Handy alle zwei bis drei Jahre).

Rechnen Sie pro Abonnent statt pro Versand, und die Rangfolge kehrt sich um. Ein Lebensmittelhändler, der viermal pro Woche bei 1,8% CTR mailt, erzeugt etwa 0,29 Klicks pro Abonnent pro Monat. Ein Elektronikhändler, der zweimal im Monat bei 4% mailt, erzeugt 0,08. Pro Versand gewinnt Elektronik etwa zwei zu eins. Pro Abonnent pro Monat gewinnt Lebensmittel etwa dreieinhalb zu eins. Keiner sollte die Kadenz des anderen kopieren, und keiner sollte am Maßstab des anderen gemessen werden.

Ein nützlicher sektorübergreifender Vergleich ist die Wiederbesuchsrate innerhalb von 30 Tagen, die diese Rhythmen besser normalisiert als rohe Session-Zahlen.

Wissenscheck

1. Eine Lebensmittel-App meldet eine E-Mail-Click-Through-Rate von 25%, die im Vergleich zu den Sektornormen ungewöhnlich hoch erscheint. Was ist die vernünftigste Schlussfolgerung?

2. Warum wird "Retail" als unpassende Einzelkategorie für das Benchmarking von Engagement-Metriken betrachtet?

3. Ein Elektronikhändler versendet weniger, höherwertige E-Mails als eine Lebensmittelmarke und sieht eine höhere durchschnittliche CTR. Welcher Verhaltensfaktor erklärt dieses Muster am besten?

MEHRFACHAUSWAHL

4. Wählen Sie ALLE richtigen Antworten dazu, warum das Einkaufsverhalten bei Lebensmitteln andere Engagement-Metrik-Muster erzeugt als bei Elektronik.

Wählen Sie alle richtigen Antworten aus.

MEHRFACHAUSWAHL

5. Wählen Sie ALLE richtigen Antworten zum richtigen Einsatz von Sektor-Benchmarks bei der Bewertung von Engagement-Metriken.

Wählen Sie alle richtigen Antworten aus.

Zusammengesetzt: eine einfache Benchmarking-Checkliste

Wenn eine neue Engagement-Zahl eintrifft, prüfen Sie sie mit vier Fragen:

1. In welcher Sektor-Kohorte bin ich tatsächlich? Eine regionale Lebensmittel-App hat von den Zahlen der Fashion-App von Zalando wenig zu lernen.

2. Wie lautet der Nenner genau? Ausgeliefert oder versendet. Openings oder ausgeliefert. Sessions oder identifizierte Nutzer. Alle Carts oder Carts mit Checkout-Start.

3. Welche Stufe misst das? Klicks im oberen Funnel und Cart-to-Order liegen an unterschiedlichen Punkten und tragen unterschiedliche Schwellenwerte.

4. Ist der Benchmark aktuell und mit Quelle belegt? Normen verschieben sich. Die Verbreitung von Online-Lebensmitteleinkäufen nach 2020 hat die Baselines für Lebensmittel-Apps dauerhaft zurückgesetzt.

Eine wiederholbare Berechnung, gut in einem Spreadsheet oder einem fünfzeiligen Skript:

def ctr(clicks, delivered):
    return round((clicks / delivered) * 100, 2)

def cart_abandonment(carts_created, orders_completed):
    return round((1 - (orders_completed / carts_created)) * 100, 2)

def clicks_per_subscriber_month(ctr_pct, sends_per_month):
    return round((ctr_pct / 100) * sends_per_month, 3)

print(ctr(4200, 100000))                  # 4,2% -> innerhalb der Elektronik-Norm
print(cart_abandonment(10000, 2600))      # 74,0% -> normal für die Kategorie
print(clicks_per_subscriber_month(1.8, 16))  # 0,288, Lebensmittel-Kadenz
print(clicks_per_subscriber_month(4.0, 2))   # 0,08, Elektronik-Kadenz

Die Disziplin zählt mehr als der Code: jedes Mal gleich rechnen, jede Zahl mit Sektor, Nenner und Datum taggen und den Benchmark daneben ablegen, damit nächstes Quartal niemand aus dem Gedächtnis neu über "sind 3% gut?" streitet.

Eine Anmerkung zu europäischen vs. US-Benchmarks

Europäische Engagement-Zahlen folgen den US-Mustern der Richtung nach (Bekleidung und Elektronik brechen häufiger ab als Lebensmittel), aber die absoluten Niveaus unterscheiden sich, weil der Zahlungsmix sich unterscheidet. Märkte mit starker Nutzung von Buy-now-pay-later oder dominanten lokalen Zahlungsschienen wie iDEAL in den Niederlanden zeigen oft niedrigeren Abbruch in der Checkout-Stufe, da die Friktion, die den Ausschlag im Payment-Schritt erzeugt, geringer ist. Betrachten Sie jeden einzelnen "Europa-Durchschnitt" mit Misstrauen: Er mischt nationale Zahlungs- und Logistikumgebungen, die fast nichts gemeinsam haben. Länderbezogene Benchmarks sind für Entscheidungen nützlicher als eine gemischte EU-Zahl.

🎬 [VIDEO: "Ecommerce Benchmarks Explained" - youtube.com/results?search_query=ecommerce+benchmarks+cart+abandonment+explained - Suchergebnisse für aktuelle Erklärvideos zum Lesen von Cart-Abandonment- und CTR-Benchmarks nach Sektor; nutzen Sie sie für Live-Durchläufe durch Dashboards]

Key Takeaways

  • Benchmarken Sie nie sektorübergreifend, als wäre "Retail" eine Kategorie. Lebensmittel, Bekleidung und Elektronik unterscheiden sich strukturell in Frequenz und Überlegung, was unterschiedliche "normale" CTR- und Abandonment-Niveaus treibt.
  • Schätzbandbreiten (2025 bis 2026): E-Mail-CTR etwa 1,5-2,5% Lebensmittel, 2-3,5% Bekleidung, 3-5% Elektronik; Cart Abandonment insgesamt rund 70%, niedriger bei Lebensmitteln (50-65%), höher bei Bekleidung und Elektronik (70-80%+). Prüfen Sie das Quellendatum, und denken Sie daran, dass die meisten veröffentlichten Zahlen Mediane über Accounts sind, nicht über Versendungen.
  • Der Nenner entscheidet die Antwort. Ausgeliefert versus geöffnet, Session-Carts versus Carts mit zusammengeführter Identität, dauerhafte Lebensmittel-Baskets, die technisch nie abgebrochen werden: All das verschiebt die Zahl stärker als der Sektorunterschied.
  • Die Open Rate hat aufgehört, ein fairer Vergleich zu sein, nachdem Apples Mail Privacy Protection im September 2021 kam. Benchmarken Sie Klicks.
  • CTR pro Versand und Klicks pro Abonnent pro Monat können zwei Marken in umgekehrter Reihenfolge einordnen. Wählen Sie die Größe, die zu Ihrer Kadenz passt, und halten Sie in Kategorien, in denen die Hälfte der Einheiten zurückkommt, eine retourenbereinigte Sicht bereit.