Ein Montagmorgen im Onlinehandel: Die Zahl der Sitzungen ist gegenüber der Vorwoche deutlich gesunken, die Conversion Rate dagegen gestiegen. Umsatz und Bestellungen sind praktisch unverändert. Im Wochenmeeting beginnt die Suche nach der Ursache – eine Kampagne, die ausgelaufen ist? Ein Problem mit dem Tracking? Eine Änderung im Suchmaschinen-Ranking?
Oft ist die Erklärung nüchterner. Nicht das Verhalten der Kundschaft hat sich geändert, sondern die Art, wie gezählt wird. Shopify hat die Messung von Sitzungen kürzlich angepasst und rechnet automatisierten Verkehr – Bots, Crawler, Skripte – aus den Statistiken heraus. Andere Plattformen und Analysewerkzeuge tun das in unterschiedlichem Umfang ebenfalls. Für die Arbeit mit Kennzahlen ist das eine gute Nachricht. Es bringt aber eine Aufgabe mit sich, die in vielen Unternehmen niemand übernimmt: die eigenen Zahlen neu einzuordnen.
Warum Bots überhaupt in den Statistiken landen
Ein öffentlicher Onlineshop wird nicht nur von Menschen besucht. Suchmaschinen erfassen Produktseiten, Preisvergleichsdienste lesen Preise aus, Monitoring-Werkzeuge prüfen die Erreichbarkeit, Wettbewerber beobachten Sortiment und Lagerbestände. Dazu kommen zunehmend KI-Agenten, die im Auftrag von Nutzern Produkte vergleichen, sowie schlicht missbräuchlicher Verkehr, der nach Schwachstellen sucht oder Formulare mit Unsinn füllt.
Ein Teil dieser Besucher gibt sich klar als Maschine zu erkennen. Ein anderer Teil verhält sich absichtlich wie ein Browser. Solange eine Statistik alle Aufrufe gleich behandelt, landen beide Gruppen in derselben Zahl – und die Zahl der Sitzungen sagt dann weniger über Kundeninteresse aus, als sie verspricht.
Welche Kennzahlen sich verschieben
Wenn automatisierter Verkehr herausgefiltert wird, ändern sich nicht alle Werte gleich. Das ist der Kern des Problems: Einige Kennzahlen springen, andere bleiben stabil, und wer nur auf eine schaut, zieht leicht den falschen Schluss.
| Kennzahl | Typische Veränderung | Was sie jetzt aussagt |
|---|---|---|
| Sitzungen | sinkt | näher an der Zahl echter Besuche |
| Conversion Rate | steigt | Bestellungen bezogen auf echte Besuche statt auf alle Aufrufe |
| Absprungrate | sinkt meist | weniger kurze, automatisierte Einzelaufrufe |
| Umsatz, Bestellungen | unverändert | Bots bestellen in der Regel nicht |
| Kosten pro Sitzung | steigt | Marketingkosten verteilen sich auf weniger, aber echte Besuche |
Die gestiegene Conversion Rate ist also kein Erfolg des Shops, sondern ein Effekt der genaueren Messung. Genauso ist der Rückgang der Sitzungen kein Verlust an Reichweite. Beides zu verwechseln, führt zu Entscheidungen, die auf einem Messartefakt beruhen – etwa ein Budget zu kürzen, weil der Traffic „eingebrochen“ ist, oder eine Maßnahme zu feiern, die zufällig in dieselbe Woche fiel.
Ein Beispiel aus dem Alltag
Ein Hersteller mit eigenem Shopify-Shop plant jedes Quartal seine Werbeausgaben anhand von zwei Kennzahlen: Kosten pro Sitzung und Conversion Rate. Nach der Umstellung der Messung sinken die Sitzungen, die Conversion Rate steigt. Rechnerisch sieht es so aus, als seien die Kampagnen teurer, der Shop aber besser geworden.
Die richtige Reaktion ist hier zunächst keine Maßnahme, sondern eine Notiz: An welchem Datum hat sich die Messung geändert? Ab diesem Tag gilt eine neue Zeitreihe. Vergleiche mit dem Vorjahr oder dem Vorquartal werden für die betroffenen Kennzahlen entweder ausgesetzt oder ausdrücklich als nicht vergleichbar markiert. Für die Budgetplanung stützt sich das Team in der Übergangszeit auf Werte, die von der Umstellung nicht betroffen sind – Umsatz, Bestellungen, Kosten pro Bestellung. Erst wenn einige Wochen nach der neuen Methode vorliegen, werden Zielwerte für Sitzungen und Conversion Rate neu festgelegt.
Was Unternehmen jetzt tun sollten
Die Umstellung ist ein guter Anlass, die eigene Arbeit mit Kennzahlen zu prüfen. Einige Punkte haben sich in der Praxis bewährt:
- Messänderungen dokumentieren. Jede Änderung an Tracking, Plattform oder Filterregeln gehört mit Datum in ein gemeinsames Protokoll. Wer in einem Jahr eine Auffälligkeit untersucht, braucht diese Information.
- Zeitreihen trennen. Berichte sollten sichtbar machen, ab wann eine Kennzahl anders gemessen wird. Eine durchgezogene Linie über den Bruch hinweg verleitet zu falschen Vergleichen.
- Auf robuste Größen setzen. Umsatz, Deckungsbeitrag und Kosten pro Bestellung hängen nicht davon ab, wie Besuche gezählt werden. Sie eignen sich besser als Steuerungsgrößen als Sitzungen allein.
- Quellen abgleichen. Shop-Statistik, Analysewerkzeug und Werbeplattformen zählen selten gleich. Abweichungen sind normal. Entscheidend ist, dass das Team weiß, welche Quelle für welche Frage maßgeblich ist.
- Ziele anpassen. Vereinbarte Zielwerte, etwa für Agenturen oder interne Teams, beruhen möglicherweise auf der alten Zählweise. Sie sollten überprüft werden, bevor jemand an ihnen gemessen wird.
Bots sind nicht nur ein Messproblem
Die Bereinigung der Statistik löst nur einen Teil der Frage. Der Verkehr selbst ist weiterhin da. Er verbraucht Ressourcen, kann Lagerbestände oder Preise systematisch auslesen und in manchen Fällen Formulare, Gutscheincodes oder Kundenkonten angreifen.
Gleichzeitig ist nicht jeder automatisierte Besucher unerwünscht. Suchmaschinen sollen den Shop erfassen. Preisvergleichsdienste bringen Kundschaft. Und KI-Agenten, die im Auftrag von Menschen einkaufen oder vergleichen, werden an Bedeutung gewinnen. Wer pauschal alles blockiert, was nicht wie ein Mensch aussieht, schließt womöglich auch Besucher aus, die künftig Umsatz bringen.
Sinnvoller ist eine bewusste Unterscheidung: Welche Maschinen sollen den Shop lesen dürfen, welche nicht, und woran erkennen wir den Unterschied? Diese Frage gehört nicht allein in die IT, sondern auch in Vertrieb und Marketing. Mit der anderen Seite – wie Agenten und Crawler das öffentliche Web lesen – beschäftigen wir uns in unserem Research Lab.
Fazit
Wenn eine Plattform automatisierten Verkehr aus ihren Statistiken herausfiltert, werden die Zahlen ehrlicher, aber nicht automatisch leichter zu lesen. Sinkende Sitzungen und steigende Conversion Rates sind in diesem Fall ein Messeffekt, kein Geschäftsergebnis. Wer den Zeitpunkt der Umstellung festhält, Zeitreihen trennt und sich in der Übergangszeit auf robuste Größen wie Umsatz und Kosten pro Bestellung stützt, vermeidet Fehlentscheidungen.
Für die Shopify-Shops, die wir für Kunden betreuen – etwa Tastillery, Kale & Me und Markt+Technik –, gilt dasselbe. Wann sich ein Shop auf der Plattform lohnt und wann ein Eigenbau, beschreibt unser Beitrag Shopify oder Eigenbau.