Funnel-Analyse (Analytics)
Definition: Die Funnel-Analyse (deutsch: Trichteranalyse) ist eine Methode der Web-Analyse, die untersucht, wie viele Nutzer die definierten Schritte eines vorgegebenen Conversion-Pfads durchlaufen und an welchem Punkt die Mehrheit der Nutzer den Prozess abbricht. Das Bild des Trichters veranschaulicht dabei treffend, was in der Praxis passiert: Viele Nutzer starten am oberen Ende des Funnels, aber mit jedem weiteren Schritt wird die Anzahl der verbleibenden Nutzer kleiner, da ein Teil abspringt. Die Funnel-Analyse macht diese Abbrüche sichtbar und quantifiziert sie, indem sie die absolute Anzahl der Nutzer in jedem Schritt und die prozentuale Verlustrate zwischen den Schritten (Drop-off-Rate) darstellt. Sie findet Anwendung in nahezu allen digitalen Geschäftsprozessen, in denen ein geordneter, mehrstufiger Ablauf durchlaufen werden soll: E-Commerce-Checkouts, Registrierungsprozesse, Lead-Generierungsformulare, App-Onboarding-Flows, Buchungsprozesse oder mehrstufige Angebotsrechner. Die Funnel-Analyse ist damit ein unverzichtbares Instrument der Conversion-Rate-Optimierung (CRO), da sie zeigt, wo im Nutzungsprozess der größte Hebel zur Steigerung der Konversionsrate liegt – nämlich genau dort, wo die meisten Nutzer abbrechen. In Google Analytics 4 ist die Funnel-Analyse als Funnel-Exploration im Explore-Bereich verfügbar; in Universal Analytics gab es den klassischen Ziel-Funnel sowie den erweiterten E-Commerce-Funnel.
Erläuterung
Die Grundidee der Funnel-Analyse ist intuitiv: Man definiert eine Abfolge von Schritten, die Nutzer durchlaufen sollen, um ein Ziel zu erreichen. In einem typischen E-Commerce-Checkout könnten diese Schritte lauten: Produktseite aufgerufen → Produkt in den Warenkorb gelegt → Checkout begonnen → Versandadresse eingegeben → Zahlungsmittel ausgewählt → Kauf abgeschlossen. Für jeden Schritt zeigt die Funnel-Analyse, wie viele Nutzer ihn erreicht haben und wie viele danach abgesprungen sind.
Ein entscheidender konzeptioneller Unterschied besteht zwischen offenen und geschlossenen Funnels. Bei einem geschlossenen Funnel (Closed Funnel) muss jeder Nutzer alle Schritte in der festgelegten Reihenfolge durchlaufen, ohne Abweichungen zu erlauben. Besucht jemand direkt den Checkout, ohne vorher eine Produktseite aufgerufen zu haben, wird er im Funnel nicht berücksichtigt. Geschlossene Funnels eignen sich für streng sequenzielle Prozesse wie einen linearen Checkout. Bei einem offenen Funnel (Open Funnel) hingegen können Nutzer auch mitten in den Funnel einsteigen, also an einem beliebigen Schritt, ohne alle vorherigen Schritte absolviert zu haben. Das ist realistischer für viele Nutzungsszenarien, erschwert aber die Interpretation, da die Einstiegspunkte variieren.
Neben der reinen Durchlaufanalyse bietet die Funnel-Analyse in modernen Tools wie GA4 die Möglichkeit zur Segmentierung: Man kann denselben Funnel für verschiedene Nutzergruppen parallel analysieren – etwa für neue und wiederkehrende Nutzer, für Desktop- und Mobile-Nutzer oder für Nutzer aus verschiedenen Akquisitionskanälen. Diese Vergleiche decken oft strukturelle Unterschiede auf. Beispielsweise könnte sich zeigen, dass mobile Nutzer deutlich häufiger beim Schritt der Zahlungsmitteleingabe abbrechen als Desktop-Nutzer – ein Hinweis auf mangelnde Mobile-Optimierung des Zahlungsformulars.
Zeitliche Fenster sind ein weiterer wichtiger Parameter: Das Zeitfenster (Time Window) legt fest, wie viel Zeit maximal zwischen zwei Schritten liegen darf, damit ein Nutzer noch als Teil des Funnels gezählt wird. Ein zu enges Zeitfenster kann dazu führen, dass Nutzer, die den Prozess mit Unterbrechungen durchlaufen, fälschlicherweise als Abbrecher gezählt werden. Ein zu weites Zeitfenster hingegen verbindet möglicherweise Interaktionen, die keinen sinnvollen Zusammenhang haben.
Die strategische Auswertung der Funnel-Analyse folgt dem Prinzip der Priorisierung: Nicht jeder Abbruch-Schritt ist gleich wichtig. Entscheidend ist, bei welchem Schritt absolut gesehen die meisten Nutzer verloren gehen und welches Verbesserungspotenzial dort realistisch erreichbar ist. Ein Schritt mit einer Abbruchrate von 80 % bietet prozentual viel Potenzial, aber wenn in diesem Schritt nur 50 Nutzer pro Monat ankommen, ist der absolute Gewinn begrenzt. Ein Schritt mit „nur" 30 % Abbruchrate, aber mit 10.000 Nutzern pro Monat, hat demgegenüber ein viel höheres absolutes Optimierungspotenzial.
Arten von Funnels in der Web-Analyse
- Checkout-Funnel (E-Commerce): Misst den Kaufprozess von der Produktseite über den Warenkorb bis zum abgeschlossenen Kauf. Besonders kritisch: der Absprung beim Schritt der Zahlungsmitteleingabe.
- Lead-Generierungs-Funnel: Verfolgt den Weg vom ersten Formular-Kontakt über das Ausfüllen einzelner Felder bis zum erfolgreichen Absenden. Wichtig für B2B-Websites und Dienstleistungsanbieter.
- Registrierungs-Funnel: Analysiert den Anmeldeprozess von der Registrierungsseite über die Dateneingabe bis zur Bestätigungs-E-Mail. Typische Abbruchpunkte: Passwortanforderungen, Pflichtfelder.
- Onboarding-Funnel (Apps): Verfolgt neue Nutzer durch die ersten Schritte einer App oder eines SaaS-Produkts bis zur Aktivierung (der ersten sinnvollen Nutzungshandlung).
- Marketing-Funnel (TOFU/MOFU/BOFU): Betrachtet die Journey über mehrere Sitzungen – von der Erstberührung (Awareness) über die Informationsphase (Consideration) bis zur Kaufentscheidung (Decision).
Schlüsselkennzahlen der Funnel-Analyse
- Schritt-Completion-Rate: Prozentsatz der Nutzer, die einen bestimmten Schritt abgeschlossen haben, gemessen an denen, die den Schritt begonnen haben. Kernmetrik für jeden einzelnen Funnel-Schritt.
- Drop-off-Rate: Gegenteil der Completion-Rate – prozentualer Anteil der Nutzer, die nach einem bestimmten Schritt nicht zum nächsten übergegangen sind.
- Gesamte Funnel-Conversion-Rate: Anteil der Nutzer, die alle Schritte vollständig durchlaufen haben, gemessen an allen Nutzern, die den ersten Schritt erreicht haben.
- Zeit zwischen Schritten: Durchschnittliche Dauer, die Nutzer zwischen zwei aufeinanderfolgenden Schritten verbringen. Lange Zeiten können auf Hindernisse oder Unterbrechungen hindeuten.