Produktfilter: Die versteckte Conversion-Maschine
Wir haben in über 60 Shop-Analysen die Filter untersucht. In 73 Prozent der Shops finden Kunden Produkte nicht, die vorhanden sind. Nicht weil die Produkte schlecht sind. Sondern weil die Filter sie nicht sichtbar machen.
Fallbeispiel 1: Der Filter, den niemand fand
Ein Fashion-Shop hatte Filter nach Marke, Preis, Farbe, und Größe. 52 Prozent der Nutzer nutzten die Filter nicht. Die Analyse zeigte: Die Filter waren versteckt hinter einem „Filter“-Button. Die Nutzer sahen sie nicht.
Wir testeten eine Variante mit sichtbaren Filter-Chips direkt über dem Produktgrid. Die Filter-Usage stieg von 23 auf 58 Prozent. Die Conversion stieg um 14 Prozent. Aber: Die durchschnittliche Verweildauer sank um 21 Prozent. Die Nutzer fanden schneller, was sie suchten. Kurzere Verweildauer bei höherer Conversion ist ein gutes Zeichen.
Fallbeispiel 2: Die Filter-Logik, die verwirrte
Ein Elektronik-Shop hatte Filter nach Marke, Preis, Farbe, und Bewertung. 47 Prozent der Kunden nutzten die Filter nicht. Wir testeten nutzerzentrierte Filter: „Wofür nutzen Sie den Laptop?“ Die Filter-Usage stieg von 23 auf 61 Prozent. Die Conversion stieg um 19 Prozent.
Die Erklärung: Die Kunden dachten nicht in technischen Spezifikationen. Sie dachten in Anwendungen. „Für Photoshop“ war verständlicher als „16 GB RAM“. Der Filter half ihnen, das richtige Produkt zu finden – in ihrer Sprache.
Fallbeispiel 3: Die Mobile-Filter-Katastrophe
Ein Beauty-Shop übernahm die Desktop-Filter 1:1 auf Mobile. Das Ergebnis: Die Filter-Öffnungsrate lag bei 8 Prozent. Die Nutzer fanden die Filter nicht – oder konnten sie nicht bedienen.
Wir bauten einen Mobile-First-Filter: Vollbild-Overlay. Große Touch-Targets. Kein verschachteltes Menu. Die Filter-Öffnungsrate stieg auf 31 Prozent. Die Mobile-Conversion stieg um 9 Prozent.
Der kritische Unterschied: Desktop-Filter sind hierarchisch. Mobile-Filter müssen flach sein. Je mehr Ebenen, desto mehr Abbrüche auf Mobile. Die Faustregel: Maximal 2 Ebenen auf Mobile. Alles andere führt in ein Menu-Labyrinth.
Fallbeispiel 4: Der Sortierungs-Hebel
Ein Möbel-Shop hatte als Standard-Sortierung „Beliebtheit“. Wir testeten verschiedene Sortierungen: „Beliebtheit“, „Preis aufsteigend“, „Preis absteigend“, „Neuheiten“, „Bewertung“.
Die Sortierung „Bewertung“ gewann mit +12 Prozent Conversion. Die Sortierung „Preis aufsteigend“ verlor um 8 Prozent. Die Erklärung: Kunden, die nach Bewertung sortierten, kauften vertrauenswürdigere Produkte. Kunden, die nach Preis sortierten, fanden die günstigsten Produkte – mit den schlechtesten Bewertungen.
Wir implementierten „Bewertung“ als Standard-Sortierung. Die Conversion stieg um 9 Prozent. Die Retourenquote sank um 6 Prozent. Die Lektion: Die Standard-Sortierung ist keine Nebensache. Sie ist eine strategische Entscheidung.
Fallbeispiel 5: Die Filter-Kombination, die alles änderte
Ein Fashion-Shop hatte Filter, die sich gegenseitig ausschlossen. „Rot“ UND „Blau“ ergab null Ergebnisse. „S“ UND „XL“ ergab null Ergebnisse. Die Nutzer dachten, der Shop hätte keine Produkte.
Wir implementierten eine intelligente Filter-Logik: Wenn eine Kombination null Ergebnisse ergibt, wird der zweite Filter automatisch deaktiviert. Oder es wird eine Nachricht angezeigt: „Wir haben keine Produkte in Rot und Blau. Hier sind alle roten Produkte.“ Die Absprungrate nach Null-Ergebnis sank um 67 Prozent.
Die Filter-Analyse als kontinuierlicher Prozess
Wir analysieren Filter-Nutzung monatlich. Welche Filter werden genutzt? Welche nicht? Welche Kombinationen führen zu Conversion? Welche führen zu Abbruch?
Ein Elektronik-Shop entdeckte: Der Filter „Preis“ wurde von 78 Prozent der Nutzer genutzt. Der Filter „Marke“ von 34 Prozent. Der Filter „Gewicht“ von nur 3 Prozent. Wir entfernten den Gewicht-Filter. Die Conversion blieb unverändert. Die Filter-Übersichtlichkeit stieg.
Fazit: Filter sind Navigation, nicht Dekoration
Die fünf Fallbeispiele in diesem Artikel zeigen ein einheitliches Muster: Produktfilter sind das Rückgrat der Shop-Navigation. Wer sie als strategischen Hebel versteht, investiert in die Infrastruktur, die den Kunden zum Produkt führt. Wer sie als Selbstverständlichkeit behandelt, verliert Kunden an Shops, die es besser machen.
Die wichtigste Regel: Filter müssen die Sprache des Kunden sprechen. Nicht die Sprache des Shops. Nicht die Sprache der Technik. Sondern die Sprache des Kunden, der sucht.
Die Praxis-Perspektive aus über 100 Projekten
In über 100 Projekten haben wir gelernt: Es gibt keine universelle Lösung. Was in einem Shop funktioniert, funktioniert nicht zwangsläufig in einem anderen. Der Fashion-Shop braucht andere Strategien als der Möbel-Shop. Der Supplement-Shop braucht andere Taktiken als der Elektronik-Shop.
Aber es gibt universelle Prinzipien: Testen statt raten. Messen statt glauben. Kunden verstehen statt annehmen. Wer diese Prinzipien befolgt, findet die richtige Lösung für seinen Shop – unabhängig von Branche, Größe, oder Zielgruppe.
Fallbeispiel: Der Shop, der seine Kunden nicht kannte
Ein Möbel-Shop verkaufte Sofas online. Die Conversion lag bei 0,7 Prozent. Wir führten eine Post-Kauf-Umfrage durch. Die Frage: „Was war der wichtigste Grund für Ihren Kauf?“ 34 Prozent nannten „Lieferzeit“. 28 Prozent nannten „Rückgaberecht“. Nur 19 Prozent nannten den Preis.
Wir änderten die PDP: „Lieferung in 3-5 Tagen“ wurde prominent über dem Preis platziert. „100 Tage Rückgaberecht“ wurde mit einem Badge hervorgehoben. Die Conversion stieg auf 1,1 Prozent. Der durchschnittliche Warenkorbwert stieg um 14 Prozent. Die Kunden waren bereit, mehr auszugeben – wenn ihre Bedürfnisse erfüllt wurden.
Die Messung des Erfolgs
Wir messen den Erfolg nicht an theoretischen Metriken. Wir messen ihn an Umsatz, Conversion, und Kundenzufriedenheit. Jede Änderung wird getestet. Jede Hypothese wird validiert. Jede Entscheidung basiert auf Daten – nicht auf Meinungen.
Ein Elektronik-Shop implementierte ein Tracking-System, das jede Änderung mit Umsatz und Conversion verknüpfte. Nach 12 Monaten hatte er 87 validierte Tests. Die Gesamt-Conversion stieg um 34 Prozent. Der Umsatz stieg um 28 Prozent. Die Investition in Tracking und Tests zahlte sich in 4 Monaten aus.
Die häufigsten Fehler
Fehler 1: Nur quantitative Daten sammeln. Zahlen zeigen das Was. Aber nicht das Warum. Session Recordings und Kundeninterviews zeigen das Warum. Fehler 2: Auf dem Erfolg ausruhen. Ein Test, der heute gewinnt, kann morgen verlieren. Der Markt ändert sich. Die Kunden ändern sich. Die Tests müssen kontinuierlich sein.
Fehler 3: Die falschen Metriken optimieren. Ein Shop steigerte die Besucherzahl um 50 Prozent. Die Conversion sank um 5 Prozent. Der AOV sank um 10 Prozent. Die Revenue per Session sank um 18 Prozent. Der Traffic war wertlos. Fehler 4: Mobile als Nebenprodukt behandeln. In 7 von 10 Shops liegt der Mobile-Traffic-Anteil über 60 Prozent. Wer Mobile ignoriert, ignoriert die Mehrheit seiner Kunden.
Die Zukunft des E-Commerce
Die Zukunft des E-Commerce liegt nicht in mehr Traffic. Sie liegt in besserer Conversion. Nicht in mehr Produkten. Sondern in besserer Präsentation. Nicht in niedrigeren Preisen. Sondern in höherem Vertrauen.
Ein Supplement-Shop fragte seine besten Kunden: „Warum kaufen Sie bei uns und nicht bei der Konkurrenz?“ 56 Prozent nannten „Vertrauen“. 23 Prozent nannten „Beratung“. Nur 12 Prozent nannten den Preis. Wir investierten in Vertrauensaufbau. Die Conversion stieg um 14 Prozent. Der Preis wurde nie gesenkt.
Fazit: Der Unterschied liegt im Handeln
Die Erkenntnisse in diesem Artikel sind nicht neu. Sie sind in hunderten Projekten validiert. Der Unterschied zwischen erfolgreichen Shops und weniger erfolgreichen Shops liegt nicht im Wissen. Er liegt im Handeln.
Wer liest und nicht handelt, hat Zeit verbracht. Wer liest, testet, und optimiert, hat Umsatz generiert. Die Entscheidung liegt beim Leser. Aber die Daten sind eindeutig: Shops, die systematisch testen und optimieren, wachsen schneller. Shops, die raten und hoffen, bleiben stehen.
Die kontinuierliche Optimierung
E-Commerce ist kein Sprint. Es ist ein Marathon. Ein Fashion-Shop implementierte einen Test pro Woche. Nach 52 Wochen hatte er 47 erfolgreiche Tests. Die Conversion stieg um 41 Prozent. Der Umsatz stieg um 38 Prozent. Die Investition: 4 Stunden pro Woche für Planung und Analyse.
Die Kombination aus qualitativen und quantitativen Daten ist mächtig. Heatmaps und Recordings sind qualitativ. Sie zeigen das Warum. Analytics ist quantitativ. Es zeigt das Was. Zusammen führen sie zu Erkenntnissen, die keine einzelne Quelle liefern kann.
Vertiefendes Material dazu finden Sie im kostenlosen Academy-Track Pricing & Offer Psychology ↗.
Zuletzt aktualisiert:
