Zurück zu Wissen
Conversion-Rate-Benchmarks aus Branchenreports sagen dir nicht, ob deine Website gut oder schlecht performt – sie beschreiben andere Unternehmen mit anderem Traffic, anderen Preisen und einer anderen Definition von Conversion. Der einzig sinnvolle Vergleichsmaßstab ist deine eigene bisherige Performance. Hier liest du, warum das so ist und wie du systematisch vorgehst.
Das Wichtigste in Kürze
- Branchendurchschnitte mischen Unternehmen mit unterschiedlichem Traffic, Preispunkt, Zielgruppe und Conversion-Definition – der Vergleich ist strukturell unbrauchbar.
- Deine eigene Baseline ist der einzig sinnvolle Maßstab: Was war deine Rate in diesem Kanal, mit dieser Zielgruppe, im letzten Vergleichszeitraum?
- Ein einziger Gesamt-Conversion-Wert verbirgt jeden echten Befund – Kanal, Gerät und Traffic-Quelle müssen getrennt betrachtet werden.
- Customer Lifetime Value und Cost per Acquisition sagen mehr über den tatsächlichen Erfolg aus als die Conversion Rate allein.
- Systematische A/B-Tests und datengetriebene Follow-up-Automationen verbessern deine Baseline, unabhängig davon, wo ein Branchendurchschnitt liegt.
Warum ein Branchendurchschnitt deine Lage nicht beschreibt
Stell dir vor, du verkaufst maßgefertigte Maschinenbauteile an Einkaufsleiter großer Industrieunternehmen. Der Kaufprozess dauert Monate, involviert mehrere Personen und endet selten auf der Website selbst. Jetzt vergleichst du deine Conversion Rate mit dem Branchendurchschnitt eines Industrieportals, das auch Kleinunternehmen mit Standardteilen bedient. Die Zahl ist vielleicht höher, vielleicht niedriger – was sie dir nicht sagt: was du als Nächstes tun solltest.
Genau das ist das Grundproblem mit Benchmarks. Sie aggregieren Situationen, die sich fundamental unterscheiden, zu einer einzigen Zahl. Ein Anbieter mit stark preisbewusster Zielgruppe und niedrigem Einstiegsangebot hat eine andere strukturelle Conversion Rate als ein Anbieter, der komplexe Verträge mit langen Entscheidungszyklen abschließt – auch wenn beide zur selben Branche gezählt werden.
Dazu kommt die Methodik: Branchenreports erheben ihre Daten aus unterschiedlichen Quellen, zu unterschiedlichen Zeitpunkten und mit unterschiedlichen Definitionen, was überhaupt als Conversion gilt. Manche Studien zählen Newsletter-Anmeldungen, andere nur Kaufabschlüsse. Manche normieren auf Unique Sessions, andere auf Visits. Das Ergebnis ist eine Zahl, deren Entstehung du nicht kennst und deren Übertragbarkeit auf deine Situation du nicht prüfen kannst.
Das bedeutet nicht, dass du Zahlen ignorieren solltest. Es bedeutet, dass die falschen Zahlen mit der falschen Frage dich in die falsche Richtung führen.
Welche Variablen eine Conversion Rate tatsächlich bestimmen
Bevor du irgendeine Rate verbesserst, musst du verstehen, was sie überhaupt misst. Dieselbe Seite, dasselbe Angebot – und trotzdem andere Zahlen, je nachdem, wen du darauf sendest, von wo er kommt und was er vorher gesehen hat. Drei Faktoren dominieren dabei so stark, dass ein Benchmark ohne Angabe dazu wertlos ist.
Traffic-Quelle und Kaufbereitschaft
Branded Search – also jemand, der deinen Firmennamen googelt – konvertiert strukturell deutlich besser als kalter Display-Traffic, bei dem jemand das erste Mal von dir hört. Das liegt nicht an der Qualität deiner Landing Page, sondern daran, wie kaufbereit die Person war, bevor sie ankam. Wenn sich dein Traffic-Mix verändert, verändert sich deine Gesamt-Conversion Rate – selbst wenn du nichts an der Seite geändert hast.
Deshalb ist es irreführend, eine einzige Conversion Rate pro Monat zu melden. Was du brauchst, sind getrennte Raten pro Kanal: organische Suche, Paid Search, E-Mail, Social und Direktzugriff. Erst dann siehst du, wo tatsächlich etwas passiert oder stagniert – und kannst die richtige Stellschraube identifizieren.
Preispunkt und Entscheidungskomplexität
Ein Spontankauf für 15 Euro folgt anderen Regeln als ein Abonnement für 500 Euro im Monat. Bei niedrigem Preispunkt entscheidet die Person oft auf der Landing Page selbst – ein klarer Call-to-Action, ein präzises Angebot und ein reibungsloser Checkout reichen. Bei höherem Preispunkt braucht die Person mehrere Touchpoints, manchmal einen Anruf oder eine Demo. In diesen Fällen ist die Conversion Rate auf der Website nur ein kleiner Teil des Gesamtbildes.
Wenn du erklärungsbedürftige B2B-Software verkaufst und deine Website-Conversion Rate mit einem E-Commerce-Durchschnitt vergleichst, misst du zwei fundamental verschiedene Dinge. Die sinnvolle Frage ist nicht "Liegt meine Rate über oder unter dem Durchschnitt?", sondern "Schickt meine Website genügend qualifizierte Anfragen in die Pipeline?"
Was du überhaupt als Conversion zählst
Die Definition von Conversion ist der unterschätzteste Faktor beim Benchmark-Vergleich. Newsletter-Anmeldung, Whitepaper-Download, Demo-Anfrage, Kaufabschluss – jedes dieser Ziele ergibt eine andere Rate für dieselbe Seite. Ein Unternehmen, das Whitepaper-Downloads als Conversion zählt, hat eine strukturell höhere Rate als eines, das nur Kaufabschlüsse zählt. Ein Vergleich dieser Zahlen ergibt nichts, weil die Basis unterschiedlich ist.
Bevor du irgendeinen Benchmark ansiehst, notiere, was du als Conversion definiert hast. Dann prüfe, ob die Benchmark-Quelle dieselbe Definition verwendet. In den meisten Fällen wirst du feststellen, dass du das nicht nachvollziehen kannst – weil die Quelle es nicht transparent macht.
Wie du deine eigene Baseline aufbaust
Die Alternative zu Branchenvergleichen ist die eigene Baseline: Du vergleichst diese Woche mit letzter Woche, diesen Monat mit dem Vorjahresmonat, diese Landing Page mit der Variante, die du vor drei Monaten getestet hast. Was du dafür brauchst, ist ein sauberes Tracking-Setup, das dir getrennte Raten nach Kanal und Segment liefert. Der folgende Ablauf hat sich in der Praxis bewährt.
- Definiere pro Funnel-Stufe genau ein Conversion-Ziel und halte diese Definition stabil, auch wenn du testest – Definitionen im Lauf der Zeit zu wechseln macht historische Vergleiche unbrauchbar.
- Richte in deinem Analytics-Tool separate Segmente für jede Traffic-Quelle ein: Paid Search, organische Suche, E-Mail-Kampagnen, Social und Direktzugriff. Jedes Segment bekommt seine eigene Baseline.
- Trenne Desktop- und Mobile-Traffic, bevor du irgendeinen Befund ableitest – auf mobilen Geräten ist das Nutzerverhalten strukturell anders, und ein gemischter Wert verbirgt das.
- Wähle einen Messzeitraum, der mindestens zwei vollständige Wochen umfasst und kein Saisonevent oder Sale-Zeitraum enthält – außer du willst explizit Sale-Performance messen.
- Dokumentiere die Baseline in einer fixen Tabelle, bevor du mit dem Test beginnst – was du nicht aufgeschrieben hast, ehe du begonnen hast, kannst du am Ende nicht sauber als Verbesserung ausweisen.
- Wiederhole die Messung nach jeder Änderung unter denselben Bedingungen: gleicher Kanal, gleicher Gerätetyp, gleicher Zeitraum, gleiche Conversion-Definition.
Der Einblick in viele Projekte zeigt: In den meisten Setups fehlt bereits Schritt zwei. Websites haben eine einzige Conversion Rate, die Paid, Organic, E-Mail und Direktzugriff zusammenmischt. Jede Änderung an einer Traffic-Quelle verändert dann den Gesamtwert – und niemand weiß, ob die Seite besser geworden ist oder einfach mehr kaufbereiter Traffic ankam.
Welche Kennzahlen mehr aussagen als die Conversion Rate allein
Die Conversion Rate beschreibt nur einen Punkt im Funnel. Sie sagt dir, wie viele Besucher eine gewünschte Aktion ausführen – aber nicht, was diese Aktion wert ist oder was danach passiert. Deshalb brauchst du ergänzende Kennzahlen, die den vollständigen Kundenwert abbilden.
Customer Lifetime Value
Ein Kunde, der einmal kauft und dann abwandert, hat einen anderen Wert als einer, der über mehrere Jahre subscribed. Der Customer Lifetime Value (CLV) beschreibt den gesamten Umsatz, den ein Kunde über seine gesamte Beziehung zu deinem Unternehmen generiert. Wenn du CLV nach Akquise-Kanal trennst, erkennst du, welche Traffic-Quelle nicht nur viele Conversions liefert, sondern langfristig wertvolle Kunden. In ActiveCampaign lässt sich das über Deal-Tracking und Kontakthistorie nachvollziehen: Welche Kontakte aus welchem Ursprungskanal haben über Zeit die meisten Käufe generiert?
Cost per Acquisition
Was kostet es dich, einen Kunden zu gewinnen? Diese Kennzahl setzt deine Marketingausgaben ins Verhältnis zu tatsächlichen Kunden, nicht zu Klicks oder Besuchen. Ein niedriger CPA bei hohem CLV ist das eigentliche Ziel – die reine Conversion Rate sagt dir das nicht. Ein Kanal mit niedrigerer Conversion Rate, aber günstigerem Traffic und treuerem Publikum kann rentabler sein als ein Kanal mit hoher Conversion Rate, aber teurer Akquise und schneller Abwanderung.
Revenue per Visitor
Revenue per Visitor (RPV) kombiniert Conversion Rate und durchschnittlichen Bestellwert zu einer einzigen Kennzahl: Wie viel Umsatz erzeugt im Durchschnitt jeder Besucher? Das ist besonders nützlich beim A/B-Testing, weil eine Variante mit niedrigerer Conversion Rate und höherem Bestellwert trotzdem gewonnen haben kann. Die Conversion Rate allein hätte dir das Gegenteil signalisiert. RPV misst, was wirklich zählt: den Umsatz je eingesetztem Traffic-Aufwand.
Typische Fehler beim Umgang mit Conversion-Daten
Die häufigsten Optimierungsprobleme liegen nicht in schlechten Landing Pages, sondern in schlechten Messsetups. Wer mit falschen Daten optimiert, optimiert in die falsche Richtung – und merkt es oft erst, wenn das Budget aufgebraucht ist.
Der Traffic-Mix verändert sich, die Conversion Rate auch
Du schaltest eine neue Paid-Kampagne, die viel kalten Traffic bringt. Deine Gesamt-Conversion Rate sinkt. Die naheliegende Schlussfolgerung: Die Website performt schlechter. Tatsächlich performt die Website exakt gleich, aber der Anteil kaufbereiten Traffics ist kleiner geworden. Ursache: fehlendes Kanal-Tracking. Gegenmittel: Trenne im Reporting immer Paid, Organic, E-Mail und Direktzugriff, bevor du irgendeinen Befund ableitest.
Tests werden zu früh abgebrochen
Ein A/B-Test läuft drei Tage, eine Variante liegt vorne, die Entscheidung fällt. Das Ergebnis ist statistisch nicht belastbar. Geringfügige Unterschiede können über kurze Zeiträume durch Zufallsrauschen entstehen, das nichts mit der tatsächlichen Performance der Variante zu tun hat. A/B-Tests im E-Mail-Marketing mit ActiveCampaign erklärt, wie statistische Signifikanz korrekt berechnet wird und wie viele Kontakte du für einen verlässlichen Test brauchst.
Gegenmittel: Lege vor dem Test fest, wie viele Conversions pro Variante du für eine Entscheidung brauchst, und brich den Test erst ab, wenn diese Zahl erreicht ist – nicht wenn eine Variante wie ein Gewinner aussieht.
Nur die Landing Page wird optimiert, der Rest des Funnels nicht
Viele Conversion-Optimierungen setzen auf der Landing Page an, weil sie sichtbar und messbar ist. Ein großer Teil des ungenutzten Potenzials liegt aber in den Schritten danach: in der Bestätigungs-E-Mail, der Follow-up-Sequenz, dem Onboarding und der Reaktivierungs-Automation. Wer nur die Landing Page optimiert, greift das Offensichtlichste an, nicht das Wirksamste.
Mobile-Performance wird mit Desktop gemischt
Auf mobilen Geräten zeigt dieselbe Seite oft andere Conversion Rates als auf Desktop – wegen unterschiedlicher Eingabegewohnheiten, anderer Lesbarkeit kleinerer Elemente und abweichendem Nutzerverhalten im Checkout. Wer beide Segmente in einem Wert vermischt, sieht weder, dass Desktop gut performt, noch, dass Mobile ein Problem hat. Gegenmittel: Berichte immer getrennt nach Gerätetyp, bevor du eine Optimierungsmaßnahme bewertest.
Conversion-Definitionen werden während eines Tests geändert
Das klingt nach einem Extremfall, passiert aber regelmäßig: Ein Test läuft, das Ziel-Event wird aus technischen Gründen umbenannt oder in ein anderes Tool verlagert. Die historischen Daten und die aktuellen Daten messen ab diesem Punkt verschiedene Dinge, sehen aber gleich aus. Dokumentiere vor jedem Test das exakte Event-Setup in deinem Analytics- und Automations-Tool. Ändere während eines laufenden Tests keine Tracking-Konfiguration.
Häufige Fragen
Was ist eine gute Conversion Rate für meinen E-Mail-Newsletter?
Eine universelle Antwort gibt es nicht, weil E-Mail-Conversion Rates stark von Angebot, Segmentierung, Versandzeitpunkt und der Kaufbereitschaft der Kontakte abhängen. Sinnvoller als ein Branchendurchschnitt ist die Frage: Wie hat dein letzter vergleichbarer Versand abgeschnitten, und was hat sich seitdem geändert? Halte Betreffzeile, Segment und Angebot konstant, wenn du eine Rate als Baseline nutzen willst.
Wie lange muss ein A/B-Test laufen, bevor ich ihm vertrauen kann?
Die Laufzeit hängt von deinem Traffivolumen und der erwarteten Effektgröße ab – nicht von einer fixen Anzahl Tage. Als Orientierung gilt: Du brauchst genügend Conversions pro Variante, um zufällige Schwankungen von echten Unterschieden trennen zu können. Für die meisten E-Mail-Tests bedeutet das, mindestens zwei vollständige Versandzyklen zu beobachten und eine Mindestanzahl von Reaktionen je Variante zu erreichen, bevor du auswertest.
Soll ich mich überhaupt nicht mit Mitbewerbern vergleichen?
Der Wettbewerbsvergleich ist nützlich für strategische Fragen – ob du in einem Markt konkurrenzfähig bist, welche Angebote andere machen, wie sich die Erwartungen deiner Zielgruppe verschieben. Für operative Conversion-Optimierung ist er ungeeignet, weil du nie weißt, mit welchem Traffic, welchen Definitionen und welchem Setup dein Wettbewerber seine Zahlen erzeugt. Nutze Wettbewerbsinformationen für Angebotsgestaltung und Positionierung, nicht für Conversion-Ziele.
Wie nutze ich ActiveCampaign, um mehr aus meinem bestehenden Traffic zu machen?
ActiveCampaign bietet mehrere Hebel, die nach dem ersten Website-Besuch ansetzen: Site Tracking löst gezielte Automationen aus, wenn jemand eine Seite besucht oder einen Kaufschritt abbricht. Abandoned-Cart-Automationen holen Abbrecher zurück. Die Segmentierungs-Features von ActiveCampaign ermöglichen zusätzlich, dass E-Mails nur die Kontakte erreichen, für die ein Angebot gerade relevant ist. Alle diese Hebel verbessern die effektive Conversion Rate, ohne mehr Traffic einzukaufen.
Was tue ich, wenn meine Conversion Rate trotz aller Maßnahmen stagniert?
Stagnation bedeutet meistens, dass die Ursache nicht auf der Seite liegt, die du optimierst. Wahrscheinliche Gründe: Der Traffic hat sich qualitativ verändert, das Angebot passt nicht mehr zur Erwartung, oder ein Funnel-Schritt vor oder nach der gemessenen Conversion erzeugt Abbrüche, die du nicht siehst. Geh einen Schritt zurück und schau dir den vollständigen Weg vom ersten Touchpoint bis zum Abschluss an, um den Abschnitt mit dem größten Abbruchpunkt zu finden.
Den größten Hebel bei der Conversion-Optimierung suchen die meisten Menschen auf der Landing Page. In der Praxis liegt er häufig danach: im Follow-up, in der Segmentierung, in der Automation – also genau dort, wo ein sauber konfiguriertes CRM ansetzt. Wer diesen Teil systematisch angehen will, findet im ActiveCampaign-Kurs von Advertal einen strukturierten Einstieg in Automationen, Segmentierung und personalisierte E-Mail-Sequenzen.
