- Eine gute Conversion-Rate ist relativ. Der aussagekräftigste Vergleich ist deine eigene Rate aus dem gleichen Zeitraum des Vorjahres, gemessen auf die gleiche Weise.
- Benchmarks hängen davon ab, wie sie gemessen wurden: pro Sitzung oder pro Nutzer, welche Shops, welches Jahr. Ein Wert ohne Quelle und Erhebungsjahr ist kein Benchmark.
- Cookie-Einwilligung verkleinert die Messbasis. Eine Rate, die nur für Besucher berechnet wird, die Cookies akzeptieren, ist nicht direkt vergleichbar mit einem Benchmark, der eine andere Messbasis verwendet.
- Wenn deine Rate niedrig ist, finde zuerst die Stufe, an der Käufer abspringen, bevor du das Design änderst, und teste die Lösung und miss sie in deinem eigenen GA4.
Eine gute Conversion-Rate für einen Online-Shop hängt von der Branche, dem Preisniveau, dem Gerät und der Traffic-Quelle ab. Es gibt keine einzelne Zahl, die zu jedem Shop passt. Der verlässlichste Vergleich ist deine eigene Conversion-Rate aus dem gleichen Zeitraum des Vorjahres, gemessen mit der gleichen Definition und aufgeschlüsselt nach Gerät und Quelle.
Diese Seite erklärt, wie du Benchmarks liest, ohne dich in die Irre führen zu lassen. Sie zeigt Benchmark-Werte nach Branche und nach Gerät aus einer dokumentierten Quelle: Littledatas Analyse von 433 Shopify-Shops aus dem Jahr 2026, die mit Google Analytics 4 messen. Außerdem zeigt sie, wie du deine eigene Rate korrekt berechnest, warum Messunterschiede Vergleiche verzerren und wo du ansetzt, wenn deine Rate unter deiner Erwartung liegt.
Kurze Antwort
Es gibt keine einheitliche gute Conversion-Rate für Onlineshops. Die Rate hängt von der Branche, dem Preisniveau, dem Gerät, der Traffic-Quelle und der Art der Messung ab, weshalb eine Zahl aus einem anderen Shop selten zu deinem passt. Der nützlichste Vergleich ist deine eigene Rate aus denselben Wochen des Vorjahres, auf dieselbe Weise gemessen und nach Gerät und Traffic-Quelle aufgeteilt.
Veröffentlichte Benchmarks eignen sich als grobe Orientierung, wenn du weißt, wie sie erhoben wurden. Die Zahlen auf dieser Seite stammen aus einer Quelle, dem Littledata-Benchmark zur E-Commerce-Conversion-Rate: 433 Shopify-Shops, die ihre Daten an Google Analytics 4 senden, über die 90 Tage vom 20. Juli bis 17. Oktober 2026, gemessen pro Sitzung. In dieser Stichprobe wandelt der mittlere Shop 1,4 % der Sitzungen in Bestellungen um, und die oberen 20 % der Shops erreichen mehr als 2,7 %.
Nutze die Abschnitte unten in dieser Reihenfolge: Schau den Benchmark für deine Branche nach, prüfe ihn gegen deinen Gerätemix, und lies dann, warum solche Zahlen in die Irre führen können, bevor du eine Schlussfolgerung ziehst.
Branchenvergleich (Benchmarks)
Die Tabelle zeigt die mittlere Conversion-Rate pro Sitzung nach Branche sowie die Rate, die ein Shop benötigt, um zu den oberen 20 % seiner Branche zu gehören.
| Branche | Mittlere Conversion-Rate | Obere 20 % der Shops über | Shops in der Stichprobe |
|---|---|---|---|
| Alle Shopify-Shops | 1,4 % | 2,7 % | 433 |
| Beauty & Hautpflege | 2,9 % | 4,0 % | 38 |
| Gesundheit & Nahrungsergänzung | 2,4 % | 3,8 % | 35 |
| Lebensmittel & Getränke | 2,4 % | 3,2 % | 31 |
| Mode & Bekleidung | 1,1 % | 2,0 % | 71 |
| Wohnen & Möbel | 1,0 % | 1,7 % | 62 |
Quelle: Littledata, E-Commerce-Conversion-Rate-Benchmarks. Shopify-Shops mit Google Analytics 4 mit mindestens 1.000 Sitzungen und 90 Käufen, Daten vom 20. Juli bis 17. Oktober 2026, abgerufen am 21. Oktober 2026. Branchen sind nur aufgeführt, wenn die Stichprobe groß genug ist.
Wenn du einen Benchmark liest, prüfe drei Dinge: wie die Rate definiert wurde (pro Sitzung oder pro Nutzer), welche Shops einbezogen wurden (Größe, Region, Preisniveau) und welchen Zeitraum er abdeckt. Ein Wert aus einer anderen Definition ist nicht vergleichbar, selbst wenn die Bezeichnung gleich aussieht.
Benchmarks nach Gerät
Conversion-Raten unterscheiden sich zwischen Smartphones, Tablets und Desktop-Computern sowie zwischen Traffic-Quellen wie Suche, bezahlten Anzeigen, E-Mail und Direktbesuchen. Ein Teil der Lücke liegt an der Intention: Ein Besucher, der einen Produktnamen in eine Suchmaschine eingibt, ist dem Kauf näher als ein Besucher, der auf einen Social-Media-Beitrag klickt. Ein Teil liegt am Gerät: Kleine Bildschirme erschweren Formulare, und viele Menschen recherchieren auf dem Smartphone und kaufen später auf einem anderen Gerät. Dieselbe Quelle berichtet Conversion-Raten für Smartphones und Desktop-Computer. Sie gibt keinen separaten Tablet-Wert und keine Zahlen nach Traffic-Quelle an.
| Gerät | Mittlere Conversion-Rate | Obere 20 % der Shops über | Obere 10 % der Shops über |
|---|---|---|---|
| Mobil | 1,6 % | 2,9 % | 4,1 % |
| Desktop | 1,5 % | 3,1 % | 5,1 % |
Quelle: Littledata, E-Commerce-Conversion-Rate-Benchmarks, Daten vom 20. Juli bis 17. Oktober 2026. Die Gerätewerte umfassen nur Shops mit mindestens 500 Sitzungen und 30 Bestellungen auf diesem Gerät. In dieser Stichprobe sind die Mittelwerte fast gleich; die Lücke öffnet sich bei den stärksten Shops, wo die oberen 10 % auf Desktop 5,1 % und auf Mobil 4,1 % erreichen.
Du kannst dieselbe Tabelle für deinen eigenen Shop in wenigen Minuten erstellen und Traffic-Quellen hinzufügen. Öffne dein Analytics-Tool, teile die Conversion-Rate nach Gerätekategorie und nach Quelle auf und notiere die Zahlen für jeden Monat. Diese Tabelle ist die, die für Entscheidungen zählt.
Warum Benchmarks in die Irre führen
Ein Benchmark ist ein Durchschnitt über Shops, die sich von deinem unterscheiden. Vier Effekte sorgen dafür, dass er in die Irre führt:
- Unterschiedliche Definitionen. Eine Session ist ein Besuch. Ein User ist eine Person, die mehrmals besuchen kann. Derselbe Shop hat eine niedrigere Rate pro Session als pro User, weil wiederholte Besuche, die ohne Bestellung enden, als zusätzliche Sessions zählen. Vergleiche Gleiches mit Gleichem.
- Einwilligung verkleinert die Messbasis. Wenn dein Analytics-Tool nur Besucher erfasst, die Cookies akzeptieren, wird deine Rate auf einer Teilmenge der Besucher berechnet. Diese Teilmenge verhält sich meist anders als die gesamte Zielgruppe, sodass deine Rate nicht direkt vergleichbar ist mit einem Benchmark, der eine andere Messbasis verwendet.
- Sortiment. Ein Shop mit wenigen bekannten Produkten und ein Shop mit einem großen Sortiment an selten gekauften Artikeln liegen aus guten Gründen auf unterschiedlichem Niveau.
- Preisniveau. Höhere Preise bedeuten meist längere Entscheidungen und mehr Besuche vor einer Bestellung. Ein fairer Vergleich braucht Shops mit einem ähnlichen Warenkorb.
Ein fünfter Effekt kommt von außen: Eine Kampagne, ein Sale oder ein Nachrichtenereignis kann die Rate für Wochen nach oben oder unten verschieben. Ein Vergleich mit dem Vorjahr funktioniert nur für dieselbe Saison und einen ähnlichen Marketing-Mix. Behandle einen Benchmark deshalb als Frage an deine Daten, nicht als Antwort.
Eine verantwortungsvolle Art, einen Benchmark zu nutzen: Notiere, woher die Zahl stammt, prüfe, ob deine Messung zu ihrer Definition passt, vergleiche sie mit deiner Rate für dasselbe Segment (nie mit deiner Gesamtrate), und halte die Abweichung als zu prüfende Hypothese fest. Eine Abweichung jeder Größe ist ein Anlass, deine Daten genauer anzusehen – und kein Beweis für ein Problem.
So berechnest du deine eigene Rate korrekt
Die Conversion-Rate ist die Anzahl der Bestellungen geteilt durch die Anzahl der Sitzungen (oder Nutzer) im gleichen Zeitraum, multipliziert mit 100:
Conversion-Rate (%) = Bestellungen ÷ Sitzungen × 100
Der Blog-Ratgeber zur Conversion-Rate erklärt die Formel im Detail und enthält einen Rechner. Für eine Zahl, der du vertrauen kannst, befolge diese Regeln:
- Wähle einen Nenner und bleib dabei. Sitzungen sind der übliche Standard in Analytics-Tools. Wenn du zu Nutzern wechselst, wechsle für alle Vergleiche.
- Zähle Bestellungen einmal. Nutze das Kauf-Ereignis und prüfe, dass neu geladene Bestätigungsseiten keine Duplikate erzeugen.
- Entferne Rauschen. Schließe internen Traffic und bekannte Bots aus und behalte die gleichen Filter über die Zeit bei.
- Nutze denselben Zeitraum und dieselbe Saison. Vergleiche vollständige Wochen und vergleiche mit denselben Wochen ein Jahr zuvor.
- Teile auf, bevor du Schlüsse ziehst. Weise Gerät und Quelle getrennt aus und behalte die Gesamtrate als Zusammenfassung.
Prüfe außerdem, ob deine Analytics-Daten und dein Shopsystem bei der Anzahl der Bestellungen übereinstimmen. Wenn sie stark abweichen, behebe zuerst das Tracking, bevor du irgendetwas mit einem Benchmark vergleichst.
Unter dem Benchmark? Wo du anfangen solltest
Wenn deine Rate unter den gefundenen Werten liegt, fang nicht mit Design-Änderungen an. Fang bei der Ursache an. Die Diagnose in Why your online shop is not converting folgt dem Kaufpfad Schritt für Schritt und zeigt, wo Besucher abspringen. Der Überblick zur Conversion-Optimierung behandelt die Methode und typische Maßnahmen.
Um zu prüfen, ob eine Änderung deine Rate wirklich verbessert hat, führe sie als A/B-Test durch. So unterstützt Varify.io dabei:
- Testideen für eine Seite. Das AI CRO Audit nimmt die URL einer Seite entgegen und liefert CRO-Insights, Empfehlungen und zehn Testideen, die du direkt als A/B-Tests nutzen kannst.
- Änderung beschreiben, die KI bauen lassen. Mit Prompt-Based Experimentation (PBX) beschreibst du das Experiment in normaler Sprache, und die KI baut die Variante und richtet das Experiment ein, ohne Entwickler. Siehe PBX-Beispiele.
- Messung in deinem eigenen GA4. Experimentdaten und Analytics-Daten stammen aus derselben Quelle, sodass die Zahlen in deinem Testbericht und in deinem Analytics-Tool übereinstimmen. Siehe Tracking mit Varify.io.
- Keine Cookies. Varify speichert die Variantenzuweisung in localStorage, ohne personenbezogene Daten. Mehr dazu unter Cookieless A/B-Testing.
- Ein ablesbares Ergebnis. Der kostenlose Signifikanzrechner zeigt, ob ein gemessener Unterschied wahrscheinlich real ist.
Starte mit einer Änderung, einem klaren Ziel und einer festen Laufzeit. Wenn der Test endet, vergleiche das Ergebnis mit deiner eigenen Rate von vorher, nicht mit einem Benchmark von jemand anderem.
Prüfe deine Conversion-Rate anhand deiner eigenen Historie.
Miss Experimente in deinem eigenen GA4 und sieh, welche Änderung deine Rate bewegt.