Case Study Fashion-DTC: Von der Analyse zu A/B-Tests

01 Der Befund

Kaufabsicht war da. Entscheidungssicherheit nicht.

Traffic, Preis und Checkout waren nicht das Problem. Die Kategorieseiten führten zuverlässig zum Produkt, bei der Vorauswahl in der Liste zeigte sich aber Potenzial. Verloren ging der meiste Umsatz dort, wo aus „gefällt mir“ ein „ich kaufe“ werden sollte: auf der Produktseite und im Warenkorb.

Sitzung → Warenkorb 5,15 % Top-Performer 6 bis 8 %. Luft nach oben: Mehr Entscheidungsklarheit auf der Produktseite sollte schon den Schritt in den Warenkorb stärken.
Warenkorb → Checkout-Start 51,2 % Orientierung 55 bis 70 %. Nicht dramatisch, aber hier ging das meiste Momentum verloren.
Checkout → Kauf 59,8 % Orientierung 60 bis 70 %. Kein strukturelles Checkout-Problem.

Shopify, 12 Monate bis November 2025. Die Orientierungswerte sind grobe Fashion-DTC-Spannen, keine Norm. Der erste Schritt ist zur Lesbarkeit in eigener Skala dargestellt.

Für sich genommen ist keiner dieser Werte alarmierend. Der Jahresdurchschnitt ist aber durch Drop-Tage mit sehr hoher Kaufabsicht geschönt. Im Alltag fällt die Lücke größer aus, und zwischen Warenkorb und Checkout ist sie am deutlichsten sichtbar: Die Produktauswahl ist getroffen, die Entscheidung noch nicht.

Mobil trägt den Umsatz

Rund 80 % von Traffic und Umsatz kommen mobil. Gerade dort erzeugte die Navigation unnötige Entscheidungslast: Zu viele gleich gewichtete Unterkategorien bremsten die Auswahl, bevor Besucher überhaupt ein Produkt sahen.

Drops verzerren den Durchschnitt

Fast die Hälfte des Jahresumsatzes entstand an nur 12 Drop-Tagen. An normalen Tagen lag die Conversion-Rate unter dem Branchenkorridor. Für belastbare Schlüsse zählt der Alltag, nicht der Jahresmix.

Kunden fragen öffentlich, was der Shop nicht beantwortet

In Social-Kommentaren wiederholten sich dieselben Fragen: „Welche Größe bei 182 cm?“, „True to size?“, „Ist die Jacke wasserdicht?“ Die Antworten gab es im Shop, aber zu spät und nicht als Empfehlung formuliert.

Der Shop half beim Auswählen. Nicht beim Entscheiden.

02 Der Ansatz

Mechanismen testen. Weil sich der Traffic verteilt.

Einzelne Features zu testen ist oft der richtige Weg. Hier verteilte sich der Traffic aber auf sehr viele verschiedene Produkte. Ein Test auf ein einzelnes Element hätte deshalb zu wenig Signal gesammelt, um in vertretbarer Zeit ein sauberes Ergebnis zu liefern. Also habe ich Maßnahmen gebündelt, die auf denselben psychologischen Mechanismus einzahlen, und sie gemeinsam getestet.

So prüft ein Test, ob die Kaufbarriere dahinter wirklich existiert. Ist sie bestätigt, lohnt es sich, einzelne Elemente gezielt zu verfeinern. Das ersetzt Feature-Tests nicht. Es ist ein Weg, auch bei breit verteiltem Traffic zu belastbaren Signalen zu kommen.

EntscheidungsklarheitWeiß ich, welche Größe und welches Produkt zu mir passen?
EntscheidungshilfeErkenne ich schon in der Liste, was für mich infrage kommt?
RisikoabbauWas passiert, wenn es doch nicht passt?
Commitment-SignaleFühlt sich der Schritt in den Checkout sicher an?

Der bewusste Preis: Innerhalb eines Bündels lässt sich zunächst nicht trennen, welches Element wie viel beiträgt. Wenn das wichtig ist, zeigen es Folgetests, in denen einzelne Elemente wieder ausgeblendet oder anders platziert werden.

01 / ValidierungExistiert die Barriere?Gebündelte Maßnahmen je Mechanismus. Ergebnis: Ja oder nein, schnell und belastbar.
02 / Zerlegung, bei BedarfWelches Element trägt?Einzelne Elemente ausblenden oder umplatzieren, um ihren Anteil zu sehen.
03 / MaximierungWie viel geht noch?Verschiedene Ausprägungen der wirksamen Elemente testen: Wording, Platzierung, Darstellung.

03 Der Plan

Jedes Ergebnis hatte schon ein Ziel.

Direkt nach der Analyse entstand ein Testing-Playbook. Für jeden Test stand vorab fest: welche Frage er beantwortet, an welcher Kennzahl entschieden wird und was ein Ja oder ein Nein für den nächsten Schritt bedeutet. So war kein Ergebnis verschenkt, auch kein negatives.

00 / SetupDatenbasis prüfenTracking und Kennzahlen prüfen. Drop- und Alltagstage sowie Geräte als feste Segmente.
01 / ProduktseiteDie Entscheidung absichernZwei Bündel nacheinander: Entscheidungsklarheit, dann Risikoabbau.
02 / KategorieseiteDie Vorauswahl erleichternEin klares Attribut pro Produktkarte, danach Orientierung in breiten Kategorien.
03 / WarenkorbDen letzten Schritt stützenVertrauenssignale direkt vor dem Checkout.
04 / KonsolidierungNeue Baseline festlegenJeder Winner wird Standard, jedes Ergebnis mit Erkenntnis dokumentiert.
05 / Strategisches TestingAuf der neuen Basis weiterbauenEinstiege, Orientierung und Navigation. Nach 90 Tagen werden die Learnings zu festen Prinzipien, dann folgt die Maximierung.

Auszug aus dem Playbook

Produktseite, Bündel Entscheidungsklarheit

Frage: Entscheiden Kunden sicherer, wenn Passform und Nutzung klar sind, bevor sie die Details lesen?

Wenn ja

Das Bündel wird neue Baseline. Die Produktseite kann stärker auf Entscheidung statt Erklärung optimiert werden. Nächster Fokus: Risikoabbau.

Wenn nein

Die Unsicherheit liegt nicht an fehlender Einordnung. Der Fokus wechselt auf visuelle Klarheit oder die Wahrnehmung von Preis und Wert.

04 Die Tests

Bis zu +14,7 % Umsatz je Besucher. Validiert in rund vier Monaten.

Kein schnelles Ausprobieren, sondern ein klarer Plan: Die Analyse hat festgelegt, welche Kaufbarriere zuerst adressiert wird. Darauf baute jeder Test auf, und jeder Winner lieferte das Argument für den nächsten. Deshalb kamen in kurzer Zeit fünf validierte Uplifts zusammen.

01
Produktseite · EntscheidungsklarheitGrößenempfehlung statt Größenangabe
Die vorhandene Größeninfo wurde als klare Empfehlung formuliert. Getestet auf zwei Hauptprodukten.

Umsatz je Besucherbis zu +3,2 %
Winner
02
Kategorieseite · EntscheidungshilfeEntscheidungsattribute auf den Produktkarten
Der Größentest hatte gezeigt, dass die Kunden stark auf Maßnahmen reagieren, die ihnen die Entscheidung erleichtern. Also ging dasselbe Prinzip auf die Kategorieseite: pro Produkt ein kurzes, sachliches Attribut wie Passform oder Material.

Umsatz je Besucher+14,7 %
Winner
03
Produktseite · RisikoabbauSicherheit im Kaufmoment
Hinweise zu Rückgabe, Versand und Sicherheit auf der Produktseite, sachlich und ohne zusätzlichen Kaufdruck.

Umsatz je Besucher+5,5 %
Winner
04
Warenkorb · Commitment-SignaleVertrauenssignale vor dem Checkout
Einfache Rückgabe und schneller Versand im Warenkorb.

Umsatz je Besucher+3,95 %
Winner
05
Produktseite · EntscheidungshilfeOutfit-Vorschläge direkt unter dem Kaufbutton
Die bestehende Sektion mit Outfit-Kombinationen wurde näher an den Kaufmoment geholt.

Umsatz je Besucher+4,21 %
Winner

Ergebnisse als Differenz des Umsatzes je Besucher zwischen Kontrolle und Variante während der Testlaufzeit, Quelle varify.io. Beobachtete Werte, keine Prognose.

05 Wie ausgewertet wurde

Nicht jeder Uplift ist ein Ergebnis.

Bei einem Drop-Modell reicht es nicht, auf die Gesamtzahl zu schauen. Diese vier Entscheidungen waren wichtiger als jede einzelne Prozentzahl.

Drop-Tage getrennt auswerten. Der Kategorieseiten-Test lief über ein Drop-Wochenende. Vor dem Drop stieg der Umsatz je Besucher um 14,8 %, danach um 18,4 %. Während des Drops überlagerte der Ansturm den Effekt. Die Gesamtzahl allein hätte ihn unterschätzt.
Nicht zu früh entscheiden. Nach acht Tagen zeigte der Größentest auf dem zweiten Produkt keinen Effekt. Der Traffic war stark vom Drop des Produkts geprägt, Käufer kamen mit fester Kaufabsicht. Nach 32 Tagen Laufzeit war der Test auch dort ein Winner.
Signifikanz ehrlich benennen. Der Warenkorb-Test verfehlte die 95 % Konfidenz knapp. Ausgerollt wurde er als Directional Winner: Alle Funnel-Stufen bewegten sich über einen vollständigen Geschäftszyklus in dieselbe Richtung, und keine Kontrollkennzahl wurde schlechter. So ist er auch dokumentiert.
Nach dem Rollout weiter messen. Bei einem Hauptprodukt sank nach dem Rollout der Größenempfehlung die Retourenquote von 25,7 % auf 22,5 %, bei 8,8 % mehr Bestellungen. Ein Vorher-nachher-Vergleich aus Shopify, kein Test. Beim zweiten Produkt war der Vorzeitraum vom Drop geprägt und nicht vergleichbar.

06 Was die Tests bestätigt haben

Die Barrieren waren real. Und größer als gedacht.

Kleine Eingriffe, große Wirkung.Keine der Maßnahmen war ein Redesign. Sie wirkten, weil sie eine echte Frage im Kaufmoment beantworteten.
Gebündelt getestet, schneller gelernt.Maßnahmen mit demselben Mechanismus zusammen zu testen, lieferte klare Signale, wo einzelne Features im Rauschen untergegangen wären.
Klarheit verbessert auch die Kaufqualität.Weniger Retouren nach der Größenempfehlung deuten darauf hin, dass Kunden nicht nur öfter, sondern passender kaufen.
Orientierung zählt in gleichförmigen Sortimenten.Wo viele Produkte ähnlich aussehen, hilft ein einziges sachliches Attribut mehr als zusätzliche Auswahl.
Outfit-Vorschläge helfen bei der Entscheidung, nicht beim Warenkorbwert.Der Warenkorbwert stieg kaum. Die Sektion half vor allem, das betrachtete Produkt einzuordnen und zu kaufen.
Alltag und Drop brauchen eigene Antworten.Drop-Käufer sind entschlossen, Alltagskäufer brauchen Information. Ein Test, der nur im Durchschnitt gelesen wird, verfehlt beide.

Analyse und Testauswertung von Ousainou Leonard N’Jai im Rahmen seiner Tätigkeit für die Shopify-Agentur tante-e. Marke, Produktnamen, absolute Umsätze und Screenshots sind bewusst nicht enthalten. Alle Angaben sind belegbar.

Discovery Call

Wo verliert euer Shop?

In 30 Minuten klären wir eure Ausgangslage, euer Ziel und ob eure Daten für belastbare Aussagen reichen. Wenn die Analyse nicht der richtige nächste Schritt ist, sage ich das offen.

Was die Analyse umfasst

Discovery Call vereinbaren

30 Minuten · Terminwahl über Google Kalender
Öffnet den „UPLIFT/ON · Discovery Call“ in einem neuen Tab.

Lieber erst schreiben? hello@uplifton.de

Nicht mehr Auswahl. Mehr Entscheidung.

Kaufabsicht war da. Entscheidungs­sicherheit nicht.