- Lege eine Hauptmetrik vor dem Sale fest, vergleiche sie mit einer Baseline und lies das Ergebnis erst ab, wenn sich die Vorzieheffekte gelegt haben.
- Die sauberste Baseline ist eine Holdout-Gruppe: ein Teil der Besucher, der das Angebot nicht sieht. Das Vorjahr und die Wochen vor dem Sale dienen als zweite Sicht.
- Sechs Metriken decken die meisten Fragen ab: Umsatz, Bestellungen, durchschnittlicher Bestellwert, Marge, Neukundenanteil und Retouren.
- Der Leitfaden endet mit einer Report-Vorlage, die du übernehmen kannst. Black Friday 2026 ist Freitag, der 27. November, und Cyber Monday ist Montag, der 30. November.
Um zu messen, ob eine Black-Friday-Kampagne funktioniert hat, legst du vor dem Sale eine Zielmetrik fest, vergleichst sie mit einer Baseline, die zeigt, was ohne die Kampagne passiert wäre, und liest das Ergebnis erst ab, wenn sich die Vorzieheffekte gelegt haben. Die stärkste Baseline ist eine Holdout-Gruppe: ein kleiner Anteil der Besucher, der das Angebot nicht sieht. Jahres- und Wochenvergleiche sind einfacher aufzusetzen, aber auch leichter falsch zu interpretieren.
Black Friday 2026 ist Freitag, der 27. November, und Cyber Monday ist Montag, der 30. November. Dieser Leitfaden behandelt die Erfolgsdefinition, die sechs wichtigen Metriken, drei Vergleichsmöglichkeiten, Vorzieheffekte, ein Holdout-Setup mit Varify und eine Report-Vorlage. Zur Datenqualität eines A/B-Tests selbst siehe den Leitfaden, der im Holdout-Abschnitt verlinkt ist.
Erfolg vor dem Sale definieren
Eine Kampagne lässt sich im Nachhinein nicht beurteilen, wenn niemand festgehalten hat, was Erfolg bedeutet. Einigt euch auf diese Punkte, bevor der Sale beginnt:
- Eine Hauptmetrik. Wähle die Zahl, die entscheidet: zum Beispiel Umsatz pro Besucher, Deckungsbeitrag oder Neukunden. Eine Kampagne, die den Umsatz steigert und die Marge senkt, kann in einer Metrik gut und in der anderen schlecht aussehen.
- Guardrail-Metriken. Benenne die Zahlen, die sich nicht verschlechtern dürfen, etwa die Retourenquote oder den Anteil der Bestellungen mit Rabattcode.
- Der Vergleich. Entscheide, welche Baseline du verwendest (siehe unten), bevor du irgendwelche Daten siehst.
- Das Zeitfenster. Lege Start, Ende und das Datum der finalen Auswertung fest. Halte fest, wer für den Report verantwortlich ist.
Schreibe die Definition in einem Absatz auf und teile sie mit allen, die einen Teil der Kampagne betreuen. Eine feste Definition verhindert die Gewohnheit, im Nachhinein die Metrik auszuwählen, die am besten aussieht. Füge eine Entscheidungsregel in klaren Worten hinzu, zum Beispiel: Wenn die Kampagnengruppe die Holdout-Gruppe bei der Hauptmetrik schlägt und die Guardrails halten, wiederholen wir das Format im nächsten Jahr; wenn die Marge sinkt, ändern wir das Angebot.
Die Kennzahlen, die zählen
Sechs Kennzahlen decken die meisten Black-Friday-Fragen ab. Definiere jede davon in jedem Report gleich.
- Umsatz. Gesamter Bestellwert im Zeitraum. Entscheide, ob Versand und Steuern enthalten sind, und bleib bei dieser Entscheidung.
- Bestellungen. Die Anzahl abgeschlossener Bestellungen. Zähle jede Bestellung einmal.
- Durchschnittlicher Bestellwert. Umsatz geteilt durch Bestellungen. Zeigt, ob sich die Warenkorbgröße durch Angebote verändert hat.
- Marge. Umsatz abzüglich Warenkosten, Versand und Rabatten, als Betrag und als Anteil am Umsatz. Zeigt, ob sich der zusätzliche Umsatz lohnt.
- Neukundenanteil. Bestellungen von Kunden, die zum ersten Mal gekauft haben, geteilt durch alle Bestellungen. Zeigt, ob die Kampagne neue Zielgruppen erreicht hat.
- Retouren. Zurückgesendete Bestellungen oder Artikel als Anteil der Bestellungen. Retouren kommen erst Wochen später, daher solltest du die Auswertung nach Ablauf des Rückgabefensters wiederholen.
Umsatz pro Besucher ist eine nützliche Brücke zwischen Traffic und Verkäufen: Umsatz geteilt durch Besucher. Damit kannst du Zeiträume und Gruppen mit unterschiedlichem Traffic vergleichen.
Die richtige Vergleichsmethode wählen
Jeder Vergleich beantwortet eine etwas andere Frage. Die Tabelle listet die drei gängigen Methoden auf.
| Vergleichsmethode | Stärke | Schwäche |
|---|---|---|
| Gleicher Zeitraum im Vorjahr | Deckt dieselbe Saison und denselben Kalender ab, einschließlich Black Friday selbst. | Shop, Traffic-Mix, Preise und Markt unterscheiden sich vom Vorjahr. Die Differenz enthält viel mehr als nur den Kampagneneffekt. |
| Die Wochen vor dem Sale | Zeitlich und vom Shop-Setup her nah dran. Leicht aus deinem Analytics-Tool zu ziehen. | Normale Wochen haben keine Black-Friday-Nachfrage, sodass der gesamte Peak wie ein Kampagneneffekt aussieht. |
| Holdout-Gruppe | Gleiche Tage, gleicher Markt, gleicher Shop. Der einzige Unterschied ist das Angebot, sodass die Differenz den Effekt der Kampagne zeigt. | Erfordert ein Setup vor dem Start. Eine kleine Gruppe bedeutet eine größere Fehlermarge, und manche Besucher sehen das Angebot nie. |
Die ehrliche Antwort auf die Frage „Hat es funktioniert?“ ist die Differenz gegenüber einer Baseline. Jahr-über-Jahr- und Vorher-Nachher-Vergleiche sind als zweite Sicht in Ordnung. Eine Holdout-Gruppe ist die einzige der drei Methoden, die die Kampagne von allem anderen trennt, was sich an diesen Tagen verändert hat.
Auf Vorzieheffekte achten
Ein Vorzieheffekt tritt auf, wenn die Kampagne Käufe zeitlich vorzieht. Kunden, die im Oktober oder Dezember gekauft hätten, kaufen am Black Friday, meist mit Rabatt. Der Sale sieht dadurch größer aus, als sein Nettoeffekt tatsächlich ist. Das ist eine Hypothese, die du für deinen Shop prüfen solltest, da das Ausmaß je nach Kategorie und Kundenstamm unterschiedlich ist.
Drei Prüfungen machen ihn sichtbar:
- Vergleiche Summen über ein längeres Fenster. Betrachte den Umsatz von Anfang Oktober bis Ende Dezember im Vergleich zum selben Fenster in deiner Baseline. Ein Zuwachs am Black Friday gepaart mit einem Einbruch danach deutet auf einen Vorzieheffekt hin.
- Schau dir Stammkunden an. Prüfe, ob Kunden, die am Black Friday gekauft haben, auch in den folgenden Wochen gekauft hätten.
- Schau dir den Rabattanteil an. Wenn Bestellungen von Bestandskunden mit Rabattcode zunehmen, während Bestellungen zum vollen Preis zurückgehen, haben Rabatte möglicherweise Bestellungen zum vollen Preis ersetzt.
Plane die finale Auswertung nach dem von dir gewählten Fenster, zum Beispiel im Januar, und betrachte die erste Auswertung am Cyber Monday als vorläufiges Ergebnis.
Mit einer Holdout-Gruppe messen mit Varify
Eine Holdout-Gruppe ist ein Anteil der Besucher, die den normalen Shop sehen, während alle anderen die Kampagne sehen. Vergleichst du die beiden Gruppen über dieselben Tage, siehst du den Effekt der Kampagne selbst. Varify kann das mit einem A/B-Test oder mit Personalisierung und einem ungleichen Traffic-Split umsetzen. Ob du in der Spitzenwoche überhaupt testen kannst, behandelt A/B-Testing während Black Friday.
- Den Split einrichten. Baue die Kampagnenelemente als Variante: Banner, Preise, Badges (siehe, wie du Black-Friday-Banner ohne Entwickler testest). Mit Prompt-Based Experimentation (PBX) beschreibst du sie in einfacher Sprache im Visual Editor („Ask AI“), und die KI baut die Variante, schreibt den Code und richtet das Experiment ein – ganz ohne Entwickler. Siehe die PBX-Beispiele und die PBX-Dokumentation. Weise einen kleinen Anteil des Traffics dem Original zu. Dieser Anteil ist deine Holdout-Gruppe. Welcher Anteil richtig ist, hängt von deinem Traffic ab, plane das also mit dem Laufzeit-Rechner für Tests.
- Die richtigen Besucher ansprechen. Mit Audience-Targeting nach URL-Query (UTM), Referrer oder Geografie kann sich der Holdout auf Besucher aus einer bestimmten E-Mail oder Anzeige beschränken. Siehe Audience Targeting.
- Messen. Verbinde GA4 und lies Umsatz, Bestellungen und Warenkorbwert pro Gruppe ab. Für Rohdaten bietet Varify die BigQuery-Auswertung und den CSV-Export (siehe Ergebnisse exportieren), und die Bayes-Statistik zeigt die verbleibende Laufzeit. Der Leitfaden zu Black-Friday-Tools für Online-Shops listet das Analytics- und Recording-Setup auf, das du vorher prüfen solltest.
- Vorher prüfen. Nutze den Vorschau-Link und den QA-Modus, um zu bestätigen, dass Ziele für beide Gruppen ausgelöst werden (siehe Qualitätssicherung).
Varify setzt keine Cookies und speichert die Gruppenzuordnung im localStorage, sodass ein wiederkehrender Besucher in derselben Gruppe bleibt. Welche Besucher dein Analytics-Tool zählen kann, hängt von deinem Einwilligungs-Setup ab – das ist eine Frage für deinen Datenschutzbeauftragten. Für die Datenseite eines A/B-Tests lies GA4 oder BigQuery: welchen Zahlen ein A/B-Test vertrauen kann.
Starte deine kostenlose Testphase →
Deine Vorlage für den Report nach Black Friday
Kopiere diese Gliederung in ein Dokument. Fülle sie am Cyber Monday als erste Ablesung aus, und noch einmal nach dem von dir gewählten Zeitfenster.
- Ziel- und Metrikdefinition von vor dem Sale, mit dem Datum der finalen Ablesung
- Zeitraum, Kanäle und die Angebote, die liefen, mit Start- und Endzeiten
- Ergebnisse für die Hauptmetrik: Kampagnengruppe, Baseline, Abstand und Fehlermarge
- Ergebnisse für die fünf weiteren Metriken und die Guardrail-Metriken
- Vergleich mit der zweiten Ansicht (letztes Jahr oder die Wochen davor)
- Pull-Forward-Check: Gesamtsummen über das längere Zeitfenster
- Was funktioniert hat, was nicht, und was wir nächstes Jahr anders machen
- Offene Punkte: noch ausstehende Retouren, Datenlücken, Verantwortliche und Termine
Füge die Screenshots oder Exporte hinzu, die jede Zahl belegen, und nenne die Datenquelle neben jeder Angabe.
Miss deine Black-Friday-Kampagne mit einer Holdout-Gruppe.
Varify.io: PBX, GA4-Integration, Campaign Booster. Vergleiche die Gruppe, die das Angebot gesehen hat, mit der Gruppe, die es nicht gesehen hat.