Warenkorbabbruchrate

Wie wird die Warenkorbabbruchrate berechnet?

Warenkorbabbruchrate (%) = (Sitzungen mit Warenkorb − abgeschlossene Bestellungen) ÷ Sitzungen mit Warenkorb × 100

Als „Sitzung mit Warenkorb“ zählt jede Sitzung, in der mindestens ein Produkt in den Warenkorb gelegt wurde — unabhängig davon, ob der Nutzer den Checkout überhaupt betreten hat. Genau diese enge Definition unterscheidet die Warenkorbabbruchrate von der allgemeinen Conversion Rate, die sich auf alle Sitzungen eines Shops bezieht, auch solche ganz ohne Kaufabsicht.

Beispiel: Warenkorbabbruchrate berechnen

In einem Zeitraum legen 1.000 Sitzungen mindestens ein Produkt in den Warenkorb, 280 davon schließen die Bestellung ab.

Warenkorbabbruchrate = (1.000 − 280) ÷ 1.000 × 100 = 72 %

Diese 72 % sind ein reines Rechenbeispiel zur Illustration der Formel — sie lassen sich nicht als allgemeingültiger Zielwert auf andere Shops übertragen, da Gerätemix, Traffic-Qualität und Sortiment die tatsächliche Rate erheblich verschieben.

Warenkorbabbruch vs. Checkout-Abbruch — warum die Trennung zählt

In der Praxis lohnt sich eine Unterteilung in zwei Phasen: den reinen Warenkorbabbruch vor Eingabe von Versand- und Zahlungsdaten und den Checkout-Abbruch nach Beginn des eigentlichen Bestellprozesses. Ein Checkout-Abbruch ist meist der teurere Verlust, weil der Nutzer bereits deutlich näher am Kaufabschluss war und oft schon persönliche Daten eingegeben hat. Wird nur eine einzige Gesamtrate berichtet, bleibt unklar, an welcher Stelle des Prozesses die eigentliche Reibung liegt. Die konkreten Ursachen und rechtlichen Fragen rund um Abbruch-Mails sind ausführlich im Eintrag zum Warenkorbabbruch beschrieben.

Gibt es einen normalen Wert für die Warenkorbabbruchrate?

Nein, jedenfalls keinen, der sich seriös auf einen einzelnen Shop übertragen lässt. Die Rate hängt spürbar von der Branche ab — hochpreisige Anschaffungen mit langer Überlegungsphase zeigen strukturell andere Werte als günstige Spontankäufe —, vom Gerätemix, von der Qualität des Traffics (bezahlte Kampagnen vs. gezielte Direktzugriffe) und davon, wie viele Nutzer den Warenkorb bewusst als Merkliste nutzen, ohne echte Kaufabsicht. Statt einen von außen übernommenen Vergleichswert als Ziel zu setzen, lohnt sich der Blick auf die eigene Entwicklung über die Zeit sowie der Vergleich zwischen den eigenen Segmenten — dort zeigen sich reale Verbesserungen oder Verschlechterungen viel zuverlässiger als im Vergleich zu einer fremden Zahl.

Wie wird die Rate technisch sauber gemessen?

Die gängige Umsetzung nutzt Funnel-Events in einem Webanalyse-Tool: ein Ereignis beim Hinzufügen zum Warenkorb (etwa add_to_cart in GA4) als Startpunkt, ein Ereignis beim Kaufabschluss (purchase) als Ziel. Zwei technische Fallstricke verzerren die Rate häufig: Wird dieselbe Sitzung mehrfach gezählt, wenn ein Nutzer mehrere Produkte nacheinander hinzufügt, fällt die Ausgangsbasis künstlich hoch aus. Und Bot-Traffic, der automatisiert Produktseiten aufruft und dabei teils sogar Warenkorb-Events auslöst, verzerrt die Rate zusätzlich nach oben, ohne dass echtes Nutzerverhalten dahintersteckt.

Segmentierung: Wo lohnt sich der genauere Blick?

Eine einzelne Gesamtrate verdeckt meist mehr, als sie zeigt. Sinnvoll ist eine Aufschlüsselung nach mehreren Dimensionen gleichzeitig:

Welche Hebel senken die Rate am wirksamsten?

Sobald klar ist, in welchem Segment und an welcher Stelle des Prozesses die Rate am höchsten ist, lassen sich gezielte Maßnahmen ableiten — von früh sichtbaren Versandkosten über Gast-Checkout bis zu Express-Zahlarten. Eine ausführliche Übersicht der Ursachen, wirksamer Gegenmaßnahmen und der rechtlichen Grenzen automatisierter Abbruch-Mails in Deutschland findet sich im Eintrag Warenkorbabbruch.

Warenkorb als Merkliste — nicht jeder Abbruch ist ein Problem

Ein Teil der gemessenen Abbrüche entsteht, weil Nutzer den Warenkorb bewusst als Merkliste oder Preisvergleich nutzen, ohne in dieser Sitzung überhaupt kaufen zu wollen. Dieser Anteil lässt sich durch Checkout-Optimierung kaum senken, weil die eigentliche Ursache nicht im Prozess liegt, sondern im Nutzungsverhalten selbst. Wer die Warenkorbabbruchrate ausschließlich als Optimierungsziel behandelt, riskiert deshalb, Aufwand in Maßnahmen zu stecken, die an dieser Art von Abbruch ohnehin vorbeigehen. Sinnvoller ist es, die Rate im Zusammenspiel mit dem durchschnittlichen Bestellwert und der Wiederkehrrate der jeweiligen Sitzungen zu betrachten — kehrt ein Nutzer später zurück und schließt dann ab, war der ursprüngliche „Abbruch“ wirtschaftlich unproblematisch.

Wie oft sollte die Rate beobachtet werden?

Für stark beworbene Kampagnen und den Checkout insgesamt lohnt sich eine mindestens wöchentliche Kontrolle, da sich technische Probleme oder eine fehlerhafte Checkout-Änderung sonst über Wochen unbemerkt auf die Conversion auswirken können. Für die Segmentanalyse nach Gerät, Kanal oder Kategorie reicht in den meisten Fällen ein monatlicher Rhythmus, da sich diese Muster erfahrungsgemäß langsamer verschieben als tagesaktuelle Schwankungen. Nach jeder größeren Checkout-Änderung empfiehlt sich zusätzlich ein gezielter Vorher-Nachher-Vergleich über einen ausreichend langen Zeitraum, um saisonale Effekte nicht fälschlich der Änderung selbst zuzuschreiben. Bei umsatzstarken Phasen wie Rabattaktionen oder saisonalen Spitzen lohnt sich eine engmaschigere Kontrolle, weil ein plötzlich hoher Traffic aus neuen, noch unbekannten Quellen die Abbruchrate kurzfristig deutlich verschieben kann, ohne dass der Checkout selbst dafür verantwortlich ist.

Typische Fehler aus der Praxis

1. Fremde Benchmark-Werte unreflektiert als Zielgröße übernommen, obwohl Gerätemix und Traffic-Qualität den eigenen Wert stark verschieben.
2. Mehrfaches Hinzufügen oder Bot-Traffic nicht herausgefiltert, wodurch die gemessene Rate künstlich zu hoch ausfällt.
3. Warenkorb- und Checkout-Abbruch nicht getrennt ausgewertet, obwohl beide unterschiedliche Ursachen und Lösungsansätze haben.
4. Rate nur global betrachtet, ohne Segmentierung nach Gerät, Kanal oder Neu-/Bestandskunde.
5. Reaktion allein über rechtlich riskante Abbruch-Mails statt struktureller Checkout-Optimierung an der eigentlichen Ursache.

Bei der sauberen Einrichtung von Funnel-Tracking und der strukturellen Checkout-Optimierung unterstützen wir als E-Commerce-Agentur.