Retourenquote

Wie wird die Retourenquote berechnet?

Im E-Commerce haben sich zwei unterschiedliche Berechnungsarten etabliert, die je nach Fragestellung unterschiedlich aussagekräftig sind:

Alpha-Retourenquote = Anzahl retournierter Bestellungen ÷ Anzahl aller Bestellungen × 100

Beta-Retourenquote = Anzahl retournierter Artikel ÷ Anzahl aller verkauften Artikel × 100

Beide Werte können für dieselbe Zeitperiode stark auseinanderliegen: Bestellt ein Kunde bewusst mehrere Größen, um eine davon zu behalten, treibt das die Beta-Quote deutlich stärker nach oben als die Alpha-Quote, die nur eine einzige retournierte Bestellung zählt.

Rechenbeispiel

Ein Shop verzeichnet in einem Monat 1.000 Bestellungen mit insgesamt 1.500 verkauften Artikeln. 100 Bestellungen enthalten mindestens eine Retoure:

Alpha-Retourenquote = 100 ÷ 1.000 × 100 = 10 %

Innerhalb dieser 100 Bestellungen werden insgesamt 180 Einzelartikel zurückgeschickt — ein Teil der Kunden hat bewusst mehrere Größen bestellt und mehrere Artikel zurückgesendet:

Beta-Retourenquote = 180 ÷ 1.500 × 100 = 12 %

Die Beta-Quote liegt hier über der Alpha-Quote, weil einzelne Bestellungen überdurchschnittlich viele retournierte Artikel enthalten. Bei einem Sortiment ohne Größenwahl liegen beide Werte meist deutlich näher beieinander.

Eine dritte Variante: die wertbasierte Retourenquote

Neben Alpha und Beta lohnt sich bei margensensiblen Sortimenten eine dritte Sichtweise, die nicht Stückzahlen, sondern den Warenwert gewichtet:

Wertbasierte Retourenquote = Warenwert retournierter Artikel ÷ Gesamtwarenwert der verkauften Artikel × 100

Für das Beispiel oben: Die 180 retournierten Artikel hatten einen Warenwert von 9.000 €, der Gesamtumsatz der 1.500 verkauften Artikel lag bei 60.000 €.

Wertbasierte Retourenquote = 9.000 € ÷ 60.000 € × 100 = 15 %

Der Wert liegt über der mengenbasierten Beta-Quote von 12 %, weil überdurchschnittlich oft hochpreisige Artikel zurückgingen — ein Hinweis, der bei rein mengenbasierter Betrachtung unsichtbar bliebe, für die Wirkung auf den Deckungsbeitrag aber entscheidend ist.

Warum es keine seriöse Pauschal-Benchmark gibt

Die Retourenquote unterscheidet sich strukturell zwischen Sortimenten so stark, dass eine einzelne „gute" Zahl für den gesamten E-Commerce wenig aussagt. Ausschlaggebend sind unter anderem:

• Größen- und Passformabhängigkeit — Kleidung und Schuhe liegen strukturell höher als Artikel ohne Größenwahl.
• Preissegment — hochpreisige Anschaffungen werden oft bewusster geprüft, günstige Impulskäufe eher spontan zurückgeschickt.
• Zahlart-Mix — Rechnungskauf senkt die Kaufhemmschwelle und geht in vielen Sortimenten mit höheren Retourenquoten einher als Vorkasse.
• Bestell-Verhalten der Zielgruppe — „Anprobieren zu Hause" als bewusste Strategie treibt die Quote strukturell nach oben, unabhängig von Produktqualität.

Ein seriöser Vergleich funktioniert deshalb fast nur gegen die eigene Historie über Zeit oder gegen eng vergleichbare Produkte im eigenen Sortiment — nicht gegen eine pauschale Branchenzahl aus dem Internet. Wie stark selbst innerhalb eines einzigen Shops die Werte auseinanderlaufen können, zeigt eine beispielhafte Verteilung für ein Mischsortiment aus Mode und Zubehör:

Die Gesamtquote dieses Shops läge irgendwo zwischen 10 und 15 % — ein Wert, der weder die stark betroffene Bekleidung noch das kaum betroffene Zubehör angemessen abbildet.

Hebel zur Senkung der Retourenquote

1. Bessere Produktbeschreibungen und Größentabellen — ein Großteil vermeidbarer Retouren entsteht durch falsche Erwartungen, nicht durch Produktfehler.
2. Echte Kundenfotos und detaillierte Maßangaben statt reiner Studiobilder, besonders bei Mode und Möbeln.
3. Größenberatungs-Tools im Checkout, die anhand vorheriger Käufe oder Eingaben eine Passform-Empfehlung geben.
4. Qualitätskontrolle vor Versand verschärfen, wenn ein überdurchschnittlicher Anteil der Retouren auf Mängel statt auf Nichtgefallen zurückgeht.
5. Gezielte statt pauschale Rückgabefristen und -bedingungen für besonders retourenanfällige Kategorien.
6. Retourenkosten in die Kalkulation einpreisen statt sie nur senken zu wollen — bei strukturell retourenanfälligen Kategorien wie Bekleidung mit vielen Größen lässt sich die Quote oft nur bedingt drücken; realistischer ist es, die Kalkulation von vornherein auf die erwartete Retourenquote der Kategorie abzustimmen.

Ein strukturiertes Retourenmanagement macht diese Ursachen erst sichtbar — ohne systematische Erfassung der Retourengründe bleibt jeder Senkungsversuch Rätselraten.

Ein oft übersehener Zusammenhang besteht zum AOV: Bundle-Aktionen und großzügige Versandkostengrenzen steigern zwar den Bestellwert, motivieren aber manche Kunden auch dazu, bewusst mehrere Varianten zu bestellen und einen Teil zurückzuschicken. Ein steigender AOV sollte deshalb immer zusammen mit der Beta-Retourenquote beobachtet werden, bevor er als reiner Erfolg gilt.

Retourenkosten: Mehr als nur der entgangene Umsatz

Eine Retoure kostet nicht nur den Warenwert, sondern eine ganze Kette an Folgekosten: Rückversand, Wareneingangsprüfung, gegebenenfalls Reinigung oder Reparatur, Wiedereinlagerung und im schlechtesten Fall Abschreibung, wenn der Artikel nicht mehr als neuwertig verkauft werden kann. Diese Kosten fließen selten in die reine Retourenquote ein, sollten aber spätestens im Deckungsbeitrag der betroffenen Kategorie berücksichtigt werden — zwei Kategorien mit identischer Retourenquote können wirtschaftlich sehr unterschiedlich belastet sein, je nachdem wie aufwendig die Rückabwicklung im Einzelfall ist.

Retourenquote und Wiederkaufrate

Eine reibungslos abgewickelte Retoure muss keine verlorene Kundenbeziehung bedeuten — im Gegenteil, ein unkomplizierter Rückgabeprozess kann Vertrauen schaffen und die Wiederkaufrate sogar stützen. Problematisch wird es erst, wenn Retourenprozesse langsam, unklar kommuniziert oder mit Erstattungsverzögerungen verbunden sind — dann sinkt nicht nur der Deckungsbeitrag der einzelnen Bestellung, sondern zusätzlich die Wahrscheinlichkeit eines Folgekaufs.

Warum sich die Retourenquote nicht aus GA4 ablesen lässt

Web-Analytics-Tools wie GA4 erfassen den purchase-Event beim Kaufabschluss — was danach mit der Bestellung passiert, bleibt darin unsichtbar:

• Umsatz wird brutto ausgewiesen: Ohne sauber implementiertes Refund-Event zeigt GA4 weiterhin den ursprünglichen Bestellwert an, selbst wenn die Ware längst zurückgegangen ist — Umsatzreports aus GA4 fallen dadurch systematisch zu hoch aus.
• Retourenquote fehlt als Kennzahl komplett: GA4 kennt keinen nativen Retouren-Status; die Information liegt ausschließlich im Shop- oder Wawi-Backend, wo die Rücksendung erfasst und dem Ursprungsauftrag zugeordnet wird.

Eine belastbare Retourenquote — und ein realistischer Netto-Umsatz — lässt sich deshalb nur aus dem Backend-System berechnen, nicht aus dem Web-Analytics-Tool.

Typische Fehler aus der Praxis

1. Nur eine Gesamtquote für den ganzen Shop berechnet, statt nach Kategorie oder Artikel zu differenzieren, wo die eigentlichen Treiber liegen.
2. Retourengründe nicht systematisch erfasst — ohne diese Daten lässt sich nicht unterscheiden, ob „Nichtgefallen", Größenproblem oder Mangel die Ursache war.
3. Retourenquote isoliert vom Deckungsbeitrag betrachtet, obwohl die Kosten pro Retoure zwischen Kategorien stark variieren können.
4. Vergleich mit erfundenen oder veralteten Branchen-Benchmarks statt mit der eigenen Historie oder echten Wettbewerbsdaten.

Fazit

Die Retourenquote ist erst dann eine belastbare Steuerungsgröße, wenn sie nach Alpha- und Beta-Logik sauber getrennt, pro Kategorie ausgewertet und um die tatsächlichen Retourenkosten ergänzt wird. Pauschale Branchen-Benchmarks helfen dabei wenig — aussagekräftig wird die Kennzahl erst im Vergleich zur eigenen Historie und in Verbindung mit den konkreten Retourengründen.

Bei der Einrichtung eines belastbaren Retouren-Trackings inklusive Kategorie- und Artikelauswertung in der JTL-Wawi unterstützen wir als E-Commerce-Agentur.