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

Key Takeaways

• Führe in der Woche nach Cyber Monday ein strukturiertes Readout durch, solange der Kontext noch frisch ist. Alles, was du brauchst, findest du in Shopify Analytics: Berichte zu neuen vs. wiederkehrenden Kunden, Kohortenanalyse, Rabattberichte und Retouren.
• Vier Metriken liefern fast das gesamte Signal: Anteil der Neukunden am BFCM-Umsatz, Rabatthöhe im Verhältnis zum Deckungsbeitrag, Kohorten-Wiederkaufsrate (Repeat Rate) nach 30/60/90 Tagen und die Retourenquote, sobald sie vollständig erfasst ist.
• Überbewerte nicht den Blended ROAS während der Spitze, Schwankungen der Conversion Rate auf Sitzungsebene und reine Traffic-Rekorde. Sie beschreiben die Promo-Aktion, nicht das Business.
• Die Frage nach der Kohorte ist das Wichtigste: Kamen die BFCM-Käufer jemals zurück? Der Shopify-Bericht zur Kunden-Kohortenanalyse beantwortet dies mit der Kohorte der Erstkäufer im November, einem guten Proxy für das BFCM-Zeitfenster, ganz ohne Tabellenkalkulation.
• Das Readout zahlt sich nur aus, wenn es die Umsetzung im nächsten Jahr verändert: welche PDPs überarbeitet werden müssen, welche Landingpages neu gebaut werden sollen und was an der Ladezeit (Site Speed) vor der nächsten Peak-Phase repariert werden muss.

Miss nach BFCM vier Dinge: den Neukundenanteil am BFCM-Umsatz, die Rabatthöhe im Verhältnis zum Deckungsbeitrag, die 30/60/90-Tage-Wiederkaufsrate der BFCM-Kohorte und die Retourenquote, sobald alle Retouren eingetroffen sind. Ignoriere den Gesamtumsatz im Vergleich zum Rekord des letzten Jahres, den Blended ROAS während der Spitze, Conversion-Rate-Schwankungen auf Sitzungsebene, Traffic-Rekorde und Produkt-Rankings nach Stückzahlen. Post-BFCM Analytics ist die Disziplin herauszufinden, welche Zahlen eine Entscheidung verdienen und welche nur Rauschen (“Noise”) durch den Traffic-Spike sind.

Dieser Guide ist das Readout, das wir jedes Jahr mit Brands durchführen: was du in der Woche nach Cyber Monday aus Shopify Analytics ziehen solltest, die vier Metriken mit echtem Signal, die Metriken, die du aktiv ignorieren solltest, und wie du aus dieser ganzen Übung deinen Storefront-Plan für das nächste Jahr machst.

Warum du uns vertrauen kannst

Wir sind seit über vier Jahren im Shopify-Bereich tätig und haben hunderten von Shopify-Brands mit ihren Storefronts geholfen, darunter viele BFCM-Builds und die darauffolgenden Post-Mortems. Wir entwickeln Fudge, den KI-Operator für Shopify-Stores, mit einer Bewertung von 4.9 im Shopify App Store. So sehen wir, wie die Woche nach BFCM über viele Stores hinweg aussieht, nicht nur bei einem.

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)

Der Umsatz ist während eines Sales oft nur eine Vanity-Metrik. Die entscheidende Frage ist, welchen Deckungsbeitrag jede Bestellung nach Abzug von Rabatt, COGS, Versand- und Zahlungskosten eingebracht hat.

Für einen ersten Überblick brauchst du kein Finance-Team. Nimm die Nettoumsätze je Rabattcode, ziehe die Einstandskosten (Landed Costs) und Fulfillment-Kosten für diese Bestellungen ab und vergleiche den Deckungsbeitrag pro Bestellung mit dem einer normalen Woche. Wenn deine höchste Rabattstufe pro Bestellung fast keinen Deckungsbeitrag abgeworfen hat, hast du dir Umsatz erkauft, keinen Profit.

Aber Achtung: Die Margenberechnung ist nur so genau wie die eingegebenen Daten. Überprüfe, ob Produktkosten, Versand, Zahlungsgebühren, Rabatte und Retouren korrekt erfasst sind, bevor du dem Ergebnis vertraust.

Diese Metrik beeinflusst die Angebotsgestaltung im nächsten Jahr mehr als jede andere. Wenn du dich an die Neugestaltung machst, schlüsselt der Artikel Black Friday Sale-Ideen für Shopify-Stores die Mechaniken danach auf, was sie tatsächlich kosten – insbesondere Value-Add-Angebote überstehen diese Analyse meist besser als einfache Prozentrabatte.

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

Die fünfte Zeile auf der linken Seite gehört nicht zu den vier Metriken. Sie ist ein Input für den Storefront-Plan am Ende dieses Guides.

Blended ROAS während der Spitze. Die Attribution ist genau dann am unzuverlässigsten, wenn Ad Spend, E-Mail-Volumen und organische Kaufabsicht gleichzeitig ihren Höhepunkt erreichen. Deine Ads-Plattform wird Käufer für sich beanspruchen, die eigentlich von deiner E-Mail-Liste und Brand Demand generiert wurden. Du musst die Zahl nicht löschen: bewerte sie nicht über, annotiere das BFCM-Zeitfenster in deinem Reporting und vermeide es, sie als Baseline zu betrachten. Wenn du verwertbare Ad-Measurements möchtest, 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.

Conversion-Rate-Schwankungen auf Sitzungsebene. Deine Conversion Rate während BFCM spiegelt den Rabatt, den Traffic-Mix und die Deadline wider. Sie sagt dir fast nichts über die grundsätzliche Überzeugungskraft deiner Storefront aus, daher ist weder die Spitze noch die Flaute nach dem Sale ein Urteil über deine Seiten.

Vanity-Traffic. Rekordsitzungen sind ein Input, kein Ergebnis. Die einzige Traffic-Frage, die man ins Readout mitnehmen sollte, ist, auf welchen Landingpages dieser Traffic landete und was danach passierte.

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

Hier ist das gesamte Framework, kein Data Warehouse erforderlich.

Definiere die Kohorte. Jeder, dessen allererste Bestellung in dein BFCM-Zeitfenster gefallen ist. Der Shopify-Bericht zur Kunden-Kohortenanalyse gruppiert Kunden nach dem Monat des Erstkaufs, nicht nach genauen Daten, daher ist die November-Kohorte ein praktischer Proxy, der auch Käufer von Anfang November einschließt.³ Wenn du das exakte BFCM-Zeitfenster brauchst, erstelle eine benutzerdefinierte Datenexploration oder exportiere die Bestellungen als CSV.

Lies eine Zahl dreimal. Nach 30, 60 und 90 Tagen: den Anteil der Kohorte mit einer zweiten Bestellung. Im Klartext: der Prozentsatz der Kunden aus der BFCM-Kohorte, die innerhalb dieser Anzahl von Tagen nach ihrem ersten Kauf eine zweite Bestellung aufgegeben haben. Notiere alle drei Zahlen in dem Readout-Dokument, das du in Woche eins begonnen hast.

Vergleiche mit deiner eigenen Baseline. Die gleiche Wiederkaufsrate bei gleichem Kohortenalter für September und Oktober. Die Lücke zwischen deiner BFCM-Kohorte und deinen normalen Kohorten zeigt, wie viel schwächer Kunden sind, die über Rabatte gewonnen wurden.

Triff dann eine Entscheidung. Drei wesentliche Ergebnisse:

• Wiederkaufsrate der BFCM-Kohorte ist nah an der Baseline. BFCM ist echte Akquisition für dich. Im nächsten Jahr kannst du selbstbewusst Geld ausgeben und Rabatte geben und in den Post-Purchase-Flow für diese Kohorte investieren.
• Wiederkaufsrate der BFCM-Kohorte liegt weit unter der Baseline. Du mietest dir hier reine Einmalkäufer (One-Time Buyers). Im nächsten Jahr solltest du das Angebot mehr in Richtung Margenschutz verschieben: geringere Rabatte auf das gesamte Sortiment, Bundles oder Gift-with-Purchase (GWP) statt pauschaler prozentualer Preisnachlässe.
• Irgendwo dazwischen. Der Normalfall. Die Zahl sagt dir, was ein BFCM-Kunde tatsächlich wert ist, und legt deine Akquisitionsausgabengrenze (CPA-Limit) für das nächste Jahr fest.

Eine ehrliche Warnung: Betrachte eine 30-Tage-Wiederkaufsrate nicht als endgültige Note, wenn der natürliche Wiederkaufszyklus deines Produkts länger ist. Eine Skincare-Brand kann das nach 60 Tagen beurteilen; eine Brand für Mäntel 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

Das Readout endet mit einer Build-Liste (oder es war nur ein reiner Statusbericht). In der Off-Season, grob von Februar bis September, findet die Arbeit an der Storefront statt.

PDPs, gesteuert durch Retouren- und Support-Daten. Produkte mit hohen Retourenquoten oder wiederkehrenden Fragen vor dem Verkauf bekommen überarbeitete Seiten: bessere Größenberatung, ehrliche Fotos, Antworten auf die Fragen, die die Leute tatsächlich gestellt haben. Unser Shopify CRO Guide behandelt, wie man diese Arbeit Seite für Seite priorisiert.

Landingpages, gesteuert durch Einstiegsseiten-Daten. Wenn dein BFCM-Traffic auf Collections und generischen Homepages gelandet ist, sind speziell gebaute Kampagnen-Landingpages meist der größte strukturelle Fix, der vor dem nächsten November verfügbar ist. Hier sollten wir über unser eigenes Produkt ehrlich sein: Das Erstellen dieser Seiten als nativen Theme-Code, ohne dass eine weitere App-Ebene die Seite verlangsamt, ist genau das, wofür der Fudge Page Builder gemacht ist. Fudge kann auch einen Teil der Knochenarbeit beim Readout übernehmen: Seine Conversion-Arbeit startet bei deinen Shopify-Bestellungen und Google Analytics, rankt die Seiten, die am meisten Käufer verlieren, und vergleicht Conversion Rate und Käufe vor und nach jedem Fix. Das sind Vorher-Nachher-Vergleiche, keine kontrollierten Tests.

Speed, vor der Peak-Phase, nicht mittendrin. Welche Site-Speed-Probleme du auch immer im November hattest, sie werden nächstes Jahr mit mehr installierten Apps noch schlimmer sein. Auditiere 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 benötigen; rechne die Zahlen mit unserem A/B-Test Sample Size Guide durch, bevor du dich auf einen Testkalender festlegst, und sieh dir Shopify Conversion Testing an, um zu erfahren, wie man die Tests selbst strukturiert.

Trag dir dann ein Datum für das Readout im nächsten Jahr in den Kalender ein. Im zweiten Jahr potenziert sich das Ganze (Compound-Effekt): Du wirst das Dokument vom letzten Jahr haben, dieselben Berichte und eine echte Antwort darauf, ob die Fixes funktioniert haben.

FAQ