Funnel-Debugging: Jeden Schwachpunkt im Kaufprozess systematisch finden und beheben
So ist ein Performance-Funnel aufgebaut – und wo er bricht
Ein E-Commerce-Funnel besteht aus maximal vier messbaren Phasen: der Werbeanzeige, dem optionalen Advertorial, der Produkt- oder Offerseite und dem Checkout. Jeder Schritt hat eigene Kennzahlen, eigene Fehlermodi und eigene Hebel. Die entscheidende Erkenntnis: Ein schwacher Funnel hat fast immer genau einen dominanten Engpass. Die Aufgabe beim Funnel-Debugging ist, diesen einen Schritt zu isolieren – statt überall gleichzeitig zu optimieren.
(optional)
Zwischen der Ad und der Produktseite wird die Conversion Rate auf zwei Wegen gemessen: einmal direkt (Ad → PDS) und einmal über das gesamte Funnel-Ende (Ad → Purchase). Nur durch diesen Vergleich wird sichtbar, wie viel Verlust das Advertorial erzeugt – oder ob es tatsächlich Qualifizierungsarbeit leistet.
Benchmarks richtig anwenden – warum Branchenschnitt allein nicht reicht
Jeder Funnel-Step hat Benchmarks. Aber ein pauschaler Branchenschnitt übersieht die vier Variablen, die den Zielwert tatsächlich bestimmen:
| Dimension | Einfluss auf Benchmark | Beispiel |
|---|---|---|
| Funnel-Typ | Direct-to-PDS vs. Advertorial vs. Kategorienseite | Top-of-Funnel-Traffic hat systematisch niedrigere ATC Rates auf der PDS, weil er sich noch in der Awareness-Phase befindet und nicht kaufbereit ankommt |
| Plattform | Meta vs. Google vs. TikTok | TikTok-Traffic hat tendenziell niedrigere Purchase-CRs bei höherem Volumen |
| Gerätetyp | Mobile vs. Desktop | Mobile Checkout-CRs liegen strukturell 15–25 % unter Desktop |
| Produktnische | Preisklasse, Erklärungsbedarf, Kauffrequenz | Supplements mit hohem Erklärungsbedarf haben bei qualifiziertem Traffic höhere ATC Rates als Commodity-Produkte |
Denselben Funnel einmal mit Meta-Desktop-Benchmarks und einmal mit TikTok-Mobile-Benchmarks zu messen ergibt zwei völlig unterschiedliche Diagnosen. Der Funnel ist in beiden Fällen identisch – die Erwartung muss sich der Plattform anpassen, nicht umgekehrt.
Schritt 1: Ad – wo Traffic-Qualität entschieden wird
Die Werbeanzeige bestimmt nicht nur, wie viele Menschen in den Funnel eintreten, sondern welche. Traffic-Menge und Traffic-Qualität sind zwei unabhängige Variablen – und genau diese Unterscheidung ist der häufigste blinde Fleck in der Ad-Analyse.
Ursachen für schlechte Ad-Performance
Hohe CPMs oder schlechte CTRs treiben den CPC nach oben. Mögliche Ursachen: überausgereizte Audience, geringe Creative-Relevanz für das Targeting, zu hoher Wettbewerb im Auktionsumfeld.
- CPM im Zeitverlauf prüfen – steigt er bei gleichem Targeting, ist die Audience gesättigt
- Creative-Fatigue-Metriken kontrollieren (Frequency, Hook Rate)
- Kommentare auf der Ad auswerten – zeigen sie Ablehnung oder Verwirrung?
Gute CTR und guter CPC, aber schwache Conversion Rate auf der PDS: Das ist das Warnsignal für unqualifizierten Traffic. Die Ad zieht die falschen Menschen an – zu preissensitiv, zu früh in der Customer Journey oder falsche Altersgruppe für ein höherpreisiges Produkt.
- Demografieauswertung: Welche Gruppen klicken, aber nicht kaufen?
- Produkt-Preispunkt vs. Zielgruppen-Kaufkraft abgleichen
- Education Level des Traffics prüfen: Wer ein erklärungsbedürftiges Produkt nicht kennt, kauft auch bei einer optimalen PDS nicht
Der gefährlichste Fall: Der Ad Angle weckt eine Erwartung, die PDS oder das Produkt nicht erfüllt. Die Menschen klicken aus Neugier oder Missverständnis – nicht aus Kaufabsicht.
- Ad-Headline und PDS-Headline auf Konsistenz prüfen
- Welches Versprechen macht die Ad? Liefert die PDS exakt das?
- Kommentare auf Enttäuschungsaussagen scannen
Schritt 2: Advertorial – Qualifizierung oder Filterfalle?
Das Advertorial ist der am häufigsten unterschätzte Funnel-Step. Es soll Traffic qualifizieren und Kaufbereitschaft aufbauen – tut es das nicht, entsteht ein doppelter Verlust: Media-Budget für Klicks, die das Advertorial nie verlassen.
Checkliste: Woran das Advertorial scheitert
| Ursache | Signal | Priorität |
|---|---|---|
| Storyline passt nicht zur Zielgruppe | Niedrige Scroll-Tiefe, hohe Bounce-Rate | Hoch |
| Klick-Intent-Mismatch von Ad zum Advertorial | Traffic kommt an, verlässt sofort | Hoch |
| Plattform-Inkongruenz (Video-Ad → viel Text) | Niedrige Scroll-Tiefe bei mobilem Traffic | Hoch |
| Zielgruppen-Mismatch Ad vs. Advertorial | CTR gut, PDS-CR schlecht | Mittel |
| Advertorial-Angle vs. Offer passt nicht | CTR hoch, aber niedrige Checkout-CR | Mittel |
| Inhalte veraltet (Studien, Preise, Saisonalität) | Sinkende Performance über Zeit | Niedrig |
Schritt 3: Produktseite und Offer Page – wo Kaufentscheidungen fallen
Die Produktseite ist der erste Punkt im Funnel, an dem eine echte Kaufentscheidung getroffen wird. Alle vorherigen Steps haben nur ein Ziel: qualifizierte Menschen hierher zu bringen. Entsprechend hoch sind die Anforderungen an die PDS selbst.
Drei Fragen für die PDS-Analyse
- Konkurrenz zum Advertorial? Die PDS muss dort weitermachen, wo das Advertorial aufgehört hat – nicht dieselbe Geschichte nochmal erzählen.
- Erwartungshaltung erfüllt? Stimmt das Angebot der PDS mit dem überein, was Ad und Advertorial versprochen haben – Preis, Versprechen, Format, Zielgruppe?
- Informationslücken und offene Ängste? Welche Einwände werden nicht adressiert? Lieferzeit, Rückgaberecht, Inhaltsstoffe, Verarbeitungsqualität – Details, die Käufer brauchen, aber nicht fragen.
Schritt 4: Checkout – globale Probleme von funnel-spezifischen trennen
Checkout-Probleme sind in der Mehrzahl globale Probleme – sie betreffen alle Funnels gleichzeitig. Technische Fehler, schlechte Mobile-UX, zu viele Formularfelder: Das sind Hausaufgaben, die einmal gemacht werden und alle Funnels verbessern.
| Problem-Typ | Beispiel | Lösung |
|---|---|---|
| Global | Checkout auf Mobile nicht optimiert | Technische Checkout-Optimierung – wirkt auf alle Funnels |
| Global | Zu viele Formularfelder | Checkout verkürzen – einmalige Maßnahme |
| Funnel-spezifisch | Unerwartete Versandkosten erscheinen erst im Checkout | Versandkosten früher kommunizieren – auf PDS oder im Advertorial |
| Funnel-spezifisch | Lieferzeit 3–6 Wochen nicht angekündigt | Lieferzeit prominent auf PDS nennen – Erwartung setzen |
Funnel-Rechner: Wie jeder KPI den ROAS und die Profitabilität beeinflusst
Schiebe die Regler auf deine Ist-Werte und beobachte live, welcher Funnel-Step den größten Hebel auf ROAS, Gesamtumsatz und Profit hat.
7 Takeaways für die Umsetzung
Clickbaity Creatives ziehen Traffic an, der nie kauft. Die Kosten entstehen sofort, der Schaden zeigt sich erst in der Checkout-CR und im ROAS. Wer die Ad-Optimierung isoliert betrachtet, ohne nachgelagerte Steps zu monitoren, verbrennt Budget schneller als ohne Optimierung.
Ein TikTok-Mobile-Funnel mit einem Meta-Desktop-Benchmark zu vergleichen ist Zeitverschwendung. Segmentiere immer nach Funnel-Typ, Plattform, Gerät und Nische. Erst dann wird sichtbar, ob ein Step tatsächlich unterperformt – oder ob der Benchmark falsch ist.
Wer aus einer Video-Ad in ein 2.000-Wörter-Advertorial schickt, verliert systematisch – egal wie gut der Text ist. Video-gewohnte Nutzer scannen und scrollen, sie lesen nicht. Das Advertorial-Format muss dem Erwartungshorizont der Herkunftsplattform entsprechen.
Jede Abweichung zwischen dem Versprechen der Ad, dem Inhalt des Advertorials und der Botschaft der PDS erzeugt kognitive Dissonanz. Nutzer vertrauen dem Funnel nicht mehr und springen ab. Die Headline-Kette – Ad → Advertorial → PDS – muss einen durchgängigen roten Faden haben.
Wenn Versandkosten, Lieferzeiten oder Produktverfügbarkeiten erst im Checkout auftauchen, wird das Vertrauen des Nutzers in letzter Sekunde gebrochen. Alles, was im Checkout überrascht, gehört auf die PDS – frühzeitig kommuniziert, nicht am Ende offenbart.
Der ROAS ignoriert Produktmarge, Retourenquote und Fixkosten. Ein ROAS von 4,0 bei 15 % DB2 bedeutet Verlust. Wer Funnels nach POAS steuert, weiß, ob tatsächlich Profit entsteht – oder ob nur Umsatz produziert wird, der das Konto leert.
Jeder Funnel hat genau einen Step, der den größten Hebel auf den Gesamt-ROAS hat. Diesen Step zu finden, ist die eigentliche Aufgabe beim Funnel-Debugging. Wer überall gleichzeitig optimiert, verbessert nichts fundamental. Datengetriebene Schritt-für-Schritt-Analyse führt schneller zu Ergebnissen als paralleles Testen.
Wir debuggen deinen Funnel – und zeigen dir, wo das meiste Budget verloren geht
In 60 Minuten analysieren wir gemeinsam deine Funnel-KPIs, identifizieren den dominanten Engpass und zeigen dir konkrete Hebel für sofortige Verbesserungen.
Jetzt Analyse-Gespräch anfordern →