Post-BFCM Analytics: Was man messen und was man ignorieren sollte

Key Takeaways

• Führe in der Woche nach Cyber Monday ein strukturiertes Reporting durch, solange der Kontext noch frisch ist. Alles, was du brauchst, steckt in Shopify Analytics: Berichte zu neuen vs. wiederkehrenden Kunden, Kohortenanalysen, Rabattberichte und Retouren.
• Vier Kennzahlen liefern fast alle relevanten Signale: der Anteil der Neukunden am BFCM-Umsatz, die Rabatthöhe im Verhältnis zum Deckungsbeitrag (Contribution Margin), die Wiederholungskaufrate der Kohorte nach 30/60/90 Tagen und die Retourenquote, sobald sie vollständig erfasst ist.
• Gewichte blended ROAS während des Peaks, Schwankungen der Conversion Rate auf Sitzungsebene und reine Traffic-Rekorde nicht zu stark. Sie beschreiben die Promo-Aktion, nicht das Business.
• Die Kohorten-Frage ist das Allerwichtigste: Sind die BFCM-Käufer jemals wiedergekommen? Der Shopify-Bericht zur Kundenkohortenanalyse beantwortet das mit der Erstkauf-Kohorte für November (ein sehr guter Proxy für das BFCM-Fenster), ganz ohne Tabellenkalkulation.
• Die Auswertung lohnt sich nur, wenn sie die Planung für nächstes Jahr beeinflusst: welche PDPs überarbeitet, welche Landingpages neu gebaut und welche Probleme bei der Ladezeit (Site Speed) vor dem nächsten Peak behoben werden müssen.

Der Sale ist vorbei, die Banner sind offline und dein Dashboard ist eine Wand aus Rekordzahlen, die alles oder nichts bedeuten können. Post-BFCM-Analytics ist die Disziplin, bei der man herausfindet, welche dieser Zahlen eine Entscheidung erfordern und was nur Rauschen durch den Peak ist.

Dieser Guide ist genau die Auswertung, die wir jedes Jahr mit Brands durchgehen: was du in der Woche nach dem Cyber Monday aus Shopify Analytics ziehen solltest, die vier Metriken, die wirklich Signale liefern, die Metriken, die du getrost ignorieren kannst, und wie du aus der ganzen Übung den Storefront-Plan für nächstes Jahr machst.

Warum du uns vertrauen kannst

Wir sind seit über vier Jahren im Shopify-Umfeld tätig und haben Hunderten von Shopify-Brands bei ihren Storefronts geholfen, einschließlich zahlreicher BFCM-Builds und den anschließenden Post-Mortem-Analysen. Wir entwickeln Fudge, einen KI-Page-Builder und Storefront-Editor mit einer Bewertung von 4.9 im Shopify App Store. Dadurch sehen wir, wie die Woche nach BFCM bei vielen Stores gleichzeitig aussieht, nicht nur bei einem einzigen.

Was sollte eine Post-BFCM-Auswertung beinhalten?

Ein Dokument, erstellt in der Woche nach dem Cyber Monday, das fünf Fragen beantwortet:

1. Wer hat gekauft? Neukunden oder Bestandskunden, und in welchem Verhältnis.
2. Was haben die Rabatte wirklich gekostet? Tiefe, Breite und Auswirkungen auf die Marge.
3. Kommen sie wieder? Eine Kohortenbetrachtung, die du nach 30, 60 und 90 Tagen überprüfst.
4. Was kam an dich zurück? Retouren und die damit verbundenen operativen Learnings.
5. Was ändert sich dadurch für nächstes Jahr? Konkrete Storefront- und Ops-Fixes.

Mach das in genau dieser Woche, auch wenn die Daten zu Retention und Retouren noch unvollständig sind. Du schreibst jetzt den Rahmen, trägst dir die Check-ins für 30/60/90 Tage ein und füllst die Lücken dann planmäßig aus. Wenn du bis Januar wartest, ist der Kontext weg.

Zur Einordnung: Shopify-Händler haben über BFCM 2025 14,6 Milliarden Dollar umgesetzt, 27 % mehr als im Vorjahr, mit einem durchschnittlichen Warenkorbwert von 114,70 Dollar und mehr als 81 Millionen Konsumenten, die bei von Shopify angetriebenen Brands gekauft haben.¹ Dein Peak liegt innerhalb eines plattformweiten Peaks. Genau deshalb müssen deine eigenen Vergleiche intern sein und dürfen sich nicht an Schlagzeilen orientieren.

Was du 2026 aus Shopify Analytics ziehen solltest

Die neue Shopify Analytics-Oberfläche ist jetzt für jeden Store der Standard: Echtzeitdaten, anpassbare Dashboards und Datenexplorationen (Data Explorations), mit denen du beliebige Metriken und Dimensionen zu einem benutzerdefinierten Bericht kombinieren kannst.² Für die Auswertung genügen fünf Pulls.

Neue vs. wiederkehrende Kunden. Der Kundenbereich bietet dedizierte Berichte: “Neue und wiederkehrende Kunden”, “Neukunden im Zeitverlauf”, “Wiederkehrende Kunden” und “Einmalkunden”.³ Filtere nach deinem BFCM-Zeitraum und schon ist Frage eins beantwortet.

Kundenkohortenanalyse. Der integrierte Kohortenbericht von Shopify gruppiert Kunden nach dem Monat ihres ersten Kaufs und zeigt das Wiederholungskaufverhalten im Laufe der Zeit als Heatmap oder Retention-Kurve.³ Deine November-Akquisitionskohorte bekommt automatisch eine eigene Zeile.

Umsatz- und Rabattberichte. Verkäufe im Zeitverlauf mit Rabatten, Brutto- und Nettoaufschlüsselung pro Bestellung. Segmentiere nach Rabattcode, wenn du verschiedene Angebote hattest (z. B. Sitewide vs. VIP Early Access).

Retouren. Retouren erfolgen erst Wochen nach dem Sale, daher ist dieser Wert in der ersten Woche nur ein Platzhalter und bei deinen Check-ins nach 30 und 60 Tagen dann eine echte Zahl.

Sitzungen und Landingpages. Welche Einstiegsseiten haben den Traffic getragen und was ist dort konvertiert. Dies fließt am Ende in den Storefront-Plan ein und ist kein Urteil über das Marketing.

Wenn eine Frage nicht in einen Standardbericht passt, erstelle sie als Datenexploration oder benutzerdefinierten Bericht, anstatt sie in eine Tabelle zu exportieren. Der Sinn der Auswertung ist, dass sie nächstes Jahr wiederholbar ist.

Welche Post-BFCM-Metriken sind wirklich wichtig?

Vier Metriken, die jeweils an eine Entscheidung geknüpft sind.

Neukundenanteil am BFCM-Umsatz

Wie viel Prozent des BFCM-Umsatzes stammten von Erstkäufern? Diese einzige Zahl sagt dir, was das Event für deine Brand eigentlich war.

Ein hoher Neukundenanteil bedeutet, dass BFCM als Akquise-Maschine funktioniert hat. Die Folgefrage ist dann, ob diese Käufer zurückkehren (siehe den Kohorten-Abschnitt unten). Ein niedriger Neukundenanteil bedeutet, dass du hauptsächlich rabattierte Produkte an Leute verkauft hast, die ohnehin schon bei dir einkaufen. Nächstes Jahr sollte deine Angebotsstruktur die Marge bei dieser Gruppe schützen.

Beide Ergebnisse sind per se nicht schlecht. Nicht zu wissen, welches von beiden eingetreten ist, hingegen schon.

Rabatthöhe vs. Deckungsbeitrag (Contribution Margin)

Umsatz ist während eines Sales eine Vanity-Metrik. Die ehrliche Frage ist, was jede Bestellung nach Abzug von Rabatten, COGS (Waren- und Beschaffungskosten), Versand- und Zahlungsgebühren beigetragen hat.

Für einen ersten Durchlauf brauchst du kein Finance-Team. Nimm den Nettoumsatz pro Rabattcode, ziehe die Produktkosten (Landed Costs) und das Fulfillment für diese Bestellungen ab und vergleiche den Deckungsbeitrag pro Bestellung mit einer normalen Woche. Wenn deine stärkste Rabattstufe pro Bestellung fast nichts beigetragen hat, hast du dir Umsatz gekauft, keinen Gewinn.

Ein Vorbehalt: Die Margenrechnung ist nur so genau wie die Eingaben. Überprüfe, ob Produktkosten, Versand, Zahlungsgebühren, Rabatte und Retouren korrekt erfasst sind, bevor du dem Ergebnis vertraust.

Dies ist die Metrik, die das Angebotsdesign für nächstes Jahr mehr als alles andere verändert.

Wiederholungskaufrate der Kohorte nach 30, 60 und 90 Tagen

Die November-Kohorte im Kohortenanalyse-Bericht von Shopify ist in der Praxis dein BFCM-Jahrgang: Der Bericht gruppiert nach dem Monat des ersten Kaufs, was für diesen Zweck genau genug ist. Trage dir jetzt drei Termine in den Kalender ein und lies jedes Mal eine Zahl ab: Welcher Anteil dieser Kohorte hat eine zweite Bestellung aufgegeben?

Vergleiche diesen Wert mit deinen Oktober- und September-Kohorten im selben Alter, nicht mit einer Branchen-Benchmark. Über Rabatte gewonnene Käufer sind normalerweise schwächere Wiederholungskäufer als Vollpreiskäufer. Die nützliche Erkenntnis ist, wie viel schwächer sie für deinen Store sind, denn diese Lücke bestimmt, wie viel du dir leisten kannst, für einen BFCM-Kunden zu zahlen.

Retourenquote, mit etwas Verzögerung

BFCM-Retouren treffen im Dezember bis in den Januar hinein ein. Jede Retourenzahl, die du in der ersten Woche abliest, ist also unvollständig. Retouren hängen dem Sale zeitlich hinterher, und die frühe Zahl untertreibt die endgültige Quote. Betrachte sie also bestenfalls als grobe Richtung. Notiere die Metrik, überprüfe sie nach 30 und 60 Tagen und schau sie dir auf Produktebene an.

Ein Produkt mit einer überdurchschnittlich hohen Retourenquote nach einem stark durch Geschenke geprägten Sale verrät dir normalerweise etwas Bestimmtes: ein Größenproblem, ein irreführendes PDP-Bild oder eine Beschreibung, die zu viel verspricht. Das ist ein Fall für einen Storefront-Fix, der direkt in den Plan für nächstes Jahr wandert.

Was du in den Post-BFCM-Analytics ignorieren solltest

Blended ROAS während des Peaks. Die Attribution ist genau dann am unzuverlässigsten, wenn Ad Spend, E-Mail-Volumen und organisches Suchinteresse gleichzeitig ihren Höhepunkt erreichen. Deine Ads-Plattform wird sich die Käufer auf die Fahne schreiben, die eigentlich deine E-Mail-Liste und deine Brand-Nachfrage geliefert haben. Du musst die Zahl nicht löschen: Gewichte sie einfach weniger, markiere das BFCM-Fenster in deinem Reporting und vermeide es, sie als Baseline zu behandeln. Wenn du umsetzbare Ad-Messungen willst, ist das ein Datenqualitäts-Projekt für die Off-Season; unser Guide zur Meta Conversions API auf Shopify behandelt das serverseitige Setup, das diese Zahlen weniger falsch macht.

Schwankungen der Conversion Rate auf Sitzungsebene. Deine Conversion Rate während BFCM spiegelt den Rabatt, den Traffic-Mix und die Deadline wider. Sie sagt fast nichts über die grundsätzliche Überzeugungskraft deiner Storefront aus, weshalb weder der Peak noch der Einbruch nach dem Sale ein Urteil über deine Seiten darstellen.

Vanity-Traffic. Rekord-Sessions sind ein Input, kein Outcome. Die einzige Traffic-Frage, die man ins Reporting mitnehmen sollte, ist, auf welchen Landingpages dieser Traffic gelandet ist und was danach passiert ist.

Kommen BFCM-Käufer jemals zurück? Ein einfaches Kohorten-Framework

Hier ist das gesamte Framework, ganz ohne Data Warehouse.

Definiere die Kohorte. Alle, deren allererste Bestellung in dein BFCM-Fenster gefallen ist. Der Kohortenanalyse-Bericht von Shopify gruppiert Kunden nach dem Monat des ersten Kaufs, nicht nach exakten Daten. Die November-Kohorte ist also ein praktischer Proxy, der auch Käufer von Anfang November einschließt.³ Wenn du das genaue BFCM-Fenster brauchst, erstelle es als benutzerdefinierte Datenexploration oder exportiere die Bestellungen als CSV.

Lies eine Zahl dreimal ab. Nach 30, 60 und 90 Tagen: den Anteil der Kohorte mit einer zweiten Bestellung. Einfach ausgedrückt: Das ist der Prozentsatz der Kunden aus der BFCM-Kohorte, die innerhalb dieser Anzahl von Tagen nach ihrem Erstkauf eine zweite Bestellung aufgegeben haben. Schreibe alle drei Werte in das Auswertungs-Dokument, das du in der ersten Woche angelegt hast.

Vergleiche sie mit deiner eigenen Baseline. Dieselbe Wiederholungskaufrate beim selben Kohortenalter für September und Oktober. Die Lücke zwischen deiner BFCM-Kohorte und deinen normalen Kohorten ist dein Qualitätsabschlag für Rabatt-Käufer.

Dann entscheide. Es gibt grob drei mögliche Ergebnisse:

• Die BFCM-Kohorte kauft ähnlich oft wieder wie die Baseline. BFCM ist für dich echte Neukundenakquise. Nächstes Jahr kannst du selbstbewusst Geld für Ads ausgeben, Rabatte geben und in den Post-Purchase-Flow für diese Kohorte investieren.
• Die BFCM-Kohorte kauft weit unter der Baseline wieder. Du mietest dir quasi Einmalkäufer. Im nächsten Jahr solltest du das Angebot eher in Richtung Margenschutz verschieben: geringere Rabatte auf das gesamte Sortiment, Bundles oder Gift-with-Purchase (GWP) statt pauschaler prozentualer Preissenkungen.
• Irgendwo dazwischen. Der Normalfall. Die Zahl sagt dir, was ein BFCM-Kunde tatsächlich wert ist, was wiederum die Obergrenze für deine Akquisitionsausgaben im nächsten Jahr festlegt.

Eine ehrliche Warnung: Betrachte eine 30-Tage-Wiederholungskaufrate nicht als Endnote, wenn der natürliche Wiederkaufzyklus deines Produkts länger ist. Eine Skincare-Brand kann das nach 60 Tagen beurteilen; eine Brand für Wintermäntel nicht.

Learnings zu Inventory und Ops, die man aufschreiben sollte

Die Analytics-Auswertung sollte eine Ops-Seite beinhalten, denn die Zahlen und die operativen Fails erklären sich gegenseitig.

• Sell-through nach Variante, nicht nur nach Produkt. Welche Größen und Farben waren früh ausverkauft und wie viel Umsatz haben dir Out-of-Stocks bei deinen Topsellern während der Peak-Tage gekostet?
• Tot-rabattiertes Inventar. Produkte, die sich nur bei der stärksten Rabattstufe bewegt haben, sind ein Einkaufssignal für nächstes Jahr, kein Merchandising-Erfolg.
• Fulfillment-Verzögerungen. Die Tage von der Bestellung bis zum Versand über den gesamten Peak hinweg. Verspätete Lieferungen nach einem geschenkintensiven Sale verwandeln sich direkt in Support-Tickets und Retouren.
• Themen der Support-Tickets. Die Top fünf Fragetypen während des Sales sind kostenlose UX-Forschung. “Wo ist meine Bestellung?” deutet auf Probleme bei der Versandkommunikation hin; Fragen zur Größe deuten auf PDPs hin.

Für all das braucht es keine neuen Tools. Es braucht nur jemanden, der sie aufschreibt, solange der Schmerz noch frisch ist.

Wie die Auswertung zum Plan für nächstes Jahr wird

Die Auswertung endet mit einer Build-Liste (was gebaut/gefixt werden muss), ansonsten war es nur ein Referat. Die Off-Season, also grob von Februar bis September, ist die Zeit, in der die Storefront-Arbeit stattfindet.

PDPs, gesteuert durch Retouren- und Support-Daten. Produkte mit hohen Retourenquoten oder sich wiederholenden Pre-Sale-Fragen bekommen überarbeitete Seiten: bessere Größenberatung, ehrliche Produktfotos, Antworten auf die Fragen, die die Leute tatsächlich gestellt haben. Unser Shopify CRO Guide zeigt, wie man diese Arbeit Seite für Seite priorisiert.

Landingpages, gesteuert durch Einstiegsseiten-Daten. Wenn dein BFCM-Traffic auf Kategorie-Seiten (Collections) und allgemeinen Homepages gelandet ist, sind speziell für die Kampagne gebaute Landingpages der größte strukturelle Fix, den du vor dem nächsten November angehen kannst. Hier sollten wir auch ehrlich über unser eigenes Produkt sein: Solche Seiten als nativen Theme-Code zu bauen, ohne dass eine weitere App-Schicht die Website verlangsamt, ist genau das, wofür der Fudge Page Builder gemacht ist.

Speed, vor dem Peak, nicht währenddessen. Welche Probleme mit der Ladezeit du auch immer im November hattest, nächstes Jahr werden sie mit mehr installierten Apps noch schlimmer sein. Mach dein Audit früh genug, um handeln zu können.

Teste die großen Änderungen richtig. Der Traffic in der Off-Season ist geringer, was bedeutet, dass Experimente realistische Erwartungen an die Laufzeit haben müssen. Rechne die Zahlen mit unserem Guide zur Stichprobengröße für A/B-Tests durch, bevor du dich auf einen Testkalender festlegst, und sieh dir Shopify Conversion Testing an, um zu erfahren, wie du die Tests selbst strukturieren kannst.

Trage dir dann ein Datum für die Auswertung im nächsten Jahr in den Kalender ein. Im zweiten Jahr wird sich das Ganze auszahlen: Du hast das Dokument vom letzten Jahr, dieselben Berichte und eine echte Antwort darauf, ob die Fixes funktioniert haben.

FAQ