Standard-Definition
Eine Funnel-Analyse untersucht systematisch die Drop-off-Raten zwischen den Schritten eines Conversion-Funnels. Definierte Funnel-Stufen (z.B. Landing-Page-Aufruf → Produkt-Seite → Warenkorb → Checkout → Bestätigung) werden mit Sessions oder Nutzern pro Stufe quantifiziert. Daraus ergeben sich Drop-off-Raten zwischen den Stufen — wo verlieren wie viele Nutzer den Weg zur Conversion. Funnel-Analysen werden in Tools wie GA4, Mixpanel, Amplitude, Heap durchgeführt. Voraussetzung: konsistentes Event-Tracking auf jeder Funnel-Stufe. Eine erweiterte Form ist die kohorten-basierte Funnel-Analyse, die Funnel-Performance über Zeit oder pro Nutzer-Segment vergleicht — sehr nützlich für Saisonalitäten oder Marketing-Kampagnen-Bewertung.
Was das in der Mandate-Praxis bedeutet
Funnel-Analysen sind das diagnostische Werkzeug, das vor jedem A/B-Test steht — und häufig übersprungen wird.
Erstens, die wirtschaftliche Hebel-Identifikation passiert in der Funnel-Analyse, nicht im Test. Wer einen Funnel mit 80-Prozent-Drop-off zwischen Produktseite und Warenkorb hat, sollte dort optimieren — nicht an der Landingpage. Wer 5-Prozent-Drop-off zwischen Checkout und Bestätigung hat, sollte dort optimieren — auch wenn die Optimierungs-Hypothese spannender für die Landingpage wäre. Funnel-Daten priorisieren die Optimierungs-Reihenfolge nach wirtschaftlichem Hebel, nicht nach intuitivem Interesse.
Zweitens, „normale" Drop-off-Raten variieren stark nach Branche. E-Commerce-Funnel haben typisch 60-80 Prozent Drop-off zwischen Produktseite und Warenkorb. B2B-Lead-Funnel haben oft 40-60 Prozent Drop-off zwischen Demo-Anfrage und tatsächlichem Demo-Termin. SaaS-Trial-Funnel sehen 70-90 Prozent Drop-off zwischen Sign-up und erstem Login. Wer keine Branchen-Benchmark hat, weiß nicht, ob ein 70-Prozent-Drop-off „normal" oder „optimierungs-würdig" ist. Calvarius arbeitet mit Branchen-Datenbanken und vergleichbaren Mandate-Profilen — was operativ einen substantielleren Hebel als isolierte Funnel-Analyse bietet.
Drittens, der „nicht-lineare Funnel" ist die häufigste Realitäts-Komplikation. Nutzer bewegen sich nicht streng durch die Funnel-Stufen — sie wechseln zwischen Produkt-Seiten, springen zurück, kommen über mehrere Sessions wieder. Klassische lineare Funnel-Analysen unterschätzen diese Realität. Erweiterte Methoden — Multi-Touch-Attribution-Modelle, kohorten-basierte Wieder-Kehrer-Analysen, Path-Analysen in Mixpanel/Amplitude — zeichnen das genauere Bild. Praxis-Hinweis: bei Funnel-Analysen immer auch die „nicht-linearen" Wege ansehen, sonst werden die wichtigsten wirtschaftlichen Verbesserungs-Hebel übersehen.
Ende DE-Datei — 15 Tier-1-Detail-Seiten (Etappe 3b-ii).
Status nach diesem File: Alle 25 Tier-1-Detail-Seiten produziert.