0. Executive Summary

Lusini Online-Marketing Audit — Zusammenfassung

Unternehmen: Lusini (E.M. Group / Futureshop) — B2B E-Commerce für Gastronomie- und Hotelbedarf Märkte: 17+ europäische Länder (Hauptmärkte: DE, FR, IT, CH, AT, SE, NO, DK) Analysezeitraum: April 2025 – März 2026 (12 Monate) Datenquellen: Google Search Console, Google Analytics 4, Google Ads, Econda Analytics (inkl. PMK-Export Q1 2026) Nicht verfügbar: Microsoft/Bing Ads, Meta Ads (FB/IG), Criteo — zusammen ca. €4M Revenue ohne Spend-Daten Hinweis Econda: Erste Januar-Woche 2026 unvollständig (Bug), Last-Non-Direct-Attribution erst ab 22.01.2026 aktiv

---

Eckdaten

---

Kanal-Scorecard

---

Kritische Befunde

1. Google Ads meldet 8x mehr Umsatz als tatsächlich stattfindet KRITISCH

Was ist das Problem? Google Ads behauptet, dass jeder investierte Euro 28,40€ Umsatz zurückbringt (ROAS 28,4x). Das wäre ein Traumwert — ist aber falsch. Die echte Rendite liegt bei ca. 3,3x (jeder Euro bringt 3,30€ zurück). Der Vergleich stellt Google Ads (Gesamtzeitraum, 27 Monate) dem Econda/PMK-Wert (Q1 2026, 3 Monate) gegenüber — der exakte Faktor kann saisonal schwanken, die Größenordnung der Überhöhung ist eindeutig.

Wie haben wir das herausgefunden? Jede Anzeigengruppe in Google Ads trägt einen sogenannten PMK-Code (z.B. DEGOSA-251208-088). Derselbe Code wird in Econda erfasst, wenn ein Besucher über diese Anzeige in den Shop kommt und kauft. So können wir den tatsächlichen Umsatz pro Anzeige in Econda messen — unabhängig von Googles eigener Zählung.

Warum zählt Google so viel mehr? 1. „Ghost"-Kampagnen (größter Faktor): 11 Kampagnen, die längst pausiert sind und keinen Cent mehr kosten, sammeln weiter Conversion-Wert an — insgesamt €600M, rund 75% des gesamten gemeldeten Umsatzes. Der wahrscheinlichste Mechanismus: Google schreibt ihnen Käufe über View-Through-Attribution oder historische Klickfenster zu. Der genaue Attributionspfad muss noch im Google Ads Interface auf Kampagnenebene verifiziert werden — die €600M sind Fakt (sichtbar im Reporting), der Mechanismus dahinter ist die plausibelste Erklärung. 2. Brand-Überschätzung: Wenn jemand „Lusini" googelt und auf die Anzeige klickt statt auf das organische Ergebnis direkt darunter, schreibt Google den gesamten Kauf der Anzeige zu. In Wahrheit hätte der Kunde auch ohne Anzeige gekauft. Brand-Kampagnen zeigen deshalb absurde ROAS-Werte von 101x bis 1.170x. 3. Unterschiedliche Zählweise (normal, kein Fehler): Google verteilt einen Kauf anteilig auf alle Touchpoints der Customer Journey (Data-Driven Attribution). Econda zählt den Kauf nur einmal — beim letzten Marketing-Kontakt vor dem Kauf (Last-Non-Direct). Dieser Unterschied erklärt einen Faktor von ca. 1,8x und ist branchenüblich.

Was bedeutet das konkret? Das Conversion-Tracking an sich ist nicht kaputt — der Google-Ads-Tag feuert korrekt. Aber wer die Zahlen direkt aus Google Ads für Budget-Entscheidungen nutzt, überschätzt die Wirkung der Werbung massiv. Econda mit PMK-Zuordnung ist die verlässlichere Quelle.

2. Der Umsatz pro Besucher sinkt — aber das ist (größtenteils) gewollt WARNUNG

Was zeigen die Zahlen? Die Besucherzahlen stiegen um +38,9% gegenüber dem Vorjahr, der Umsatz aber nur um +9,4%. Pro Besucher wird also weniger umgesetzt: €6,88 statt €8,74 (−21,3%).

Warum ist das kein Alarmsignal? Der Rückgang entsteht nicht, weil Kunden weniger kaufen, sondern weil sich der Traffic-Mix verändert hat. Lusini hat stark in Google Shopping skaliert (+70% mehr Besucher). Shopping-Besucher bringen naturgemäß weniger Umsatz pro Besuch (€3,81) als z.B. Paid-Search-Besucher (€11,07) — sie vergleichen mehr, kaufen kleinere Warenkörbe und kommen öfter zurück. Das ist eine bewusste Wachstumsstrategie, kein Problem.

Kanäle mit hoher Effizienz wachsen weiter gesund: Organic Search (+30,5% Umsatz), Email (+28,3%).

Wo liegt dann das echte Problem? Bei Paid Search: +44,7% mehr Besucher, aber −4,1% weniger Umsatz. Hier werden offenbar zunehmend Keywords gebucht, die Traffic bringen, aber nicht konvertieren. Außerdem sinkt der Direct-Umsatz um −12% — möglicherweise werden Bestandskunden zunehmend über Paid-Kanäle re-attribuiert statt direkt zu kaufen.

3. Zwei Drittel des Traffics sind bezahlt — das macht verwundbar KRITISCH

Was ist das Problem? 64,3% aller Shop-Besucher kommen über bezahlte Kanäle (Google Ads, Shopping, Social Ads, Display). Der Branchendurchschnitt liegt bei 40–50%. Gleichzeitig macht organische Suche (kostenloser Google-Traffic) nur 15,1% aus — üblich wären 25–35%.

Warum ist das kritisch? Bezahlter Traffic ist wie eine Miete: Sobald das Budget sinkt, bricht der Traffic ein. Wenn Google die Klickpreise erhöht (was regelmäßig passiert), steigen die Kosten automatisch. Ein Unternehmen mit starker organischer Präsenz hat einen Puffer — Lusini hat diesen Puffer kaum.

4. €1,2–1,4M werden für Anzeigen auf den eigenen Markennamen ausgegeben KRITISCH

Was passiert hier? Lusini schaltet 37 Kampagnen für Suchbegriffe wie „lusini", „lusini.com", „lusini gastro". Dafür werden ca. €2M pro Jahr ausgegeben. Diese Anzeigen erscheinen über dem organischen Suchergebnis, das ohnehin auf Platz 1 steht.

Warum ist das ein Problem? Wer „lusini" googelt, kennt die Marke bereits und würde mit hoher Wahrscheinlichkeit auch auf das organische Ergebnis klicken. Allerdings bieten auch Wettbewerber (GGM Gastro, Metro, Amazon Business) auf Lusini-Markenbegriffe — ein komplettes Abschalten würde Klicks an Wettbewerber abgeben. Realistisch sind 30–40% des Brand-Spends einsparbar: €400K–800K pro Jahr. Der genaue Wert muss per A/B-Test (Brand-Ads in einem Markt pausieren) ermittelt werden.

Brand-Bidding bleibt teilweise sinnvoll (Wettbewerbsschutz, Sitelinks, Messaging-Kontrolle), aber das aktuelle Volumen ist deutlich zu hoch.

5. SEO (organische Suche) wird kaum genutzt KRITISCH

Was ist SEO? Wenn jemand bei Google z.B. „Gastronomiebedarf kaufen" sucht und Lusini in den unbezahlten Ergebnissen erscheint, ist das organischer Traffic — kostenlos und nachhaltig.

Wo steht Lusini? - Lusini steht bei den meisten generischen Suchanfragen auf Seite 2 oder schlechter (Ø Position 11,3 Mobile, 21,9 Desktop). Die daraus resultierende CTR von 1,06% ist bei diesen Positionen erwartbar — der Benchmark von 2–3% gilt für Seite 1. Das Kernproblem ist fehlende Ranking-Stärke, nicht schlechte Snippets. - 30,6 Millionen Mal im Jahr sehen Nutzer ein Lusini-Ergebnis bei generischen Suchanfragen. Eine Verbesserung der Positionen auf Seite 1 würde +388.000 zusätzliche Besucher/Jahr bringen — kostenlos. - Lusinis Magazin-/Content-Seiten (Ratgeber, Guides) generieren bei 56.000 Besuchern gerade einmal €2.471 Umsatz. Das ist faktisch null Wirkung.

Warum ist das so kritisch? Jeder Euro, der in SEO investiert wird, baut einen dauerhaften Asset auf. Paid Traffic ist sofort weg, wenn das Budget stoppt. Lusini lässt hier das größte langfristige Wachstumspotenzial liegen.

6. Jeder fünfte Kunde mit Zahlungsproblem geht verloren KRITISCH

Was passiert? Wenn eine externe Zahlung im Checkout fehlschlägt, werden Nutzer zurück zur Zahlungsauswahl geleitet. Von den 7.593 Nutzern, die das in Q1 2026 betraf, verließen 1.626 (21,4%) den Shop komplett — ohne es erneut zu versuchen oder eine andere Zahlungsart zu wählen.

Woher stammen die Zahlen? Aus dem Econda-Kaufprozess-Tracking. Econda erfasst jeden Checkout-Schritt als eigene Funnel-Stufe. Die Stufe 4a_Zahlungsoptionen_weil_extern_fehlgeschlagen zählt Nutzer, deren externe Zahlung (PayPal, Kreditkarte, Klarna etc.) gescheitert ist. Die 21,4% Ausstiegsquote ist der Anteil, der danach den Shop verlässt statt eine andere Zahlungsart zu wählen.

Was wir nicht wissen: Econda erfasst nur, dass eine Zahlung scheiterte — nicht welche Zahlungsart und nicht warum (abgelehnte Karte, Timeout, 3D-Secure-Abbruch etc.). Dafür müssen die Payment-Provider-Logs (PSP) analysiert werden.

Was kostet das? 1.626 verlorene Bestellungen × Ø AOV ~€240 = ~€390K in Q1 2026 (brutto ~€1,56M/Jahr). Realistisch sind 40–60% dieser Abbrecher rettbar (fehlende Kartendeckung, bewusste Abbrüche etc. reduzieren das Potenzial) — das entspricht €600K–950K/Jahr tatsächlichem Recovery-Potenzial. Diese Nutzer hatten den gesamten Checkout bereits durchlaufen und waren kaufbereit — sie zu verlieren ist besonders teuer.

7. Klickpreise in Skandinavien sind 8x höher als in DACH KRITISCH

Was ist das Problem? In Schweden und Norwegen zahlt Lusini für Google-Shopping-Klicks im Durchschnitt €6,38 — in Deutschland, Österreich und der Schweiz nur €0,79. Dieser Durchschnitt ist durch extreme Ausreißer (bis zu €2.179/Klick) verzerrt — der Median-CPC dürfte niedriger liegen. Höhere Nordics-CPCs können durch höhere AOVs oder weniger Wettbewerb teilweise gerechtfertigt sein.

Was trotzdem kritisch ist: Die Ausreißer sind nicht durch Marktunterschiede erklärbar: Bei einem AOV von €252 und ~2% Shopping-CR kostet eine Bestellung bei €50/Klick bereits €2.500. Schweden und Norwegen zusammen verbrauchen €15,4M des Google-Ads-Budgets. Ohne CPC-Obergrenzen fließt bei aggressivem Smart Bidding unkontrolliert Geld in Low-Volume-Auktionen.

8. Interner Traffic wird als Marketing-Erfolg gezählt WARNUNG

Was ist das Problem? Bestellungen, die das Lusini-Vertriebsteam über das CRM-System (Microsoft Dynamics) im Shop aufgibt, erscheinen in den Analytics-Daten als „Referral"-Traffic mit €828K Umsatz und €164 pro Session. Ebenso wird das On-Site-Personalisierungs-Tool Nunami (€389K Umsatz) als externer Referral gezählt.

Warum stört das? Diese Bestellungen sind kein Marketing-Ergebnis — es sind interne Vertriebsprozesse bzw. On-Site-Empfehlungen. Sie aufzublähen verzerrt die Bewertung aller Marketing-Kanäle: Der Referral-Kanal sieht besser aus als er ist, und andere Kanäle werden im Vergleich unterschätzt.

9. Econda-Tracking: Datenqualität im Januar 2026 eingeschränkt INFO

Hintergrund Ein früherer Vergleich hatte eine „2,3-fache Diskrepanz" zwischen GA4 und Econda festgestellt. Diese war kein Tracking-Fehler, sondern ein Vergleichsfehler: Die GA4-Daten deckten 9 Monate ab (Apr–Dez 2025), die Econda-Daten nur 3 Monate (Q1 2026). Pro Monat gerechnet liegen beide Systeme eng beieinander (Econda sogar leicht darüber: €7,2M/Mo vs. GA4 €5,8M/Mo, erklärbar durch Wachstum in 2026).

Zwei Einschränkungen bleiben: - Erste Januar-Woche 2026: Ein Bug führte dazu, dass nicht der vollständige Traffic erfasst wurde. Daten aus dieser Woche sind unvollständig. - Kanal-Zuordnung vor dem 22. Januar: Die sogenannte „Last-Non-Direct"-Logik — also die Regel, dass ein Kauf dem letzten Marketing-Kanal zugerechnet wird und nicht als „Direktzugriff" gezählt wird — wurde erst am 22.01.2026 im Shop aktiviert. Vor diesem Datum wurden viele Käufe fälschlicherweise als „Direct" statt als „Google Ads" o.ä. erfasst. Nach Einführung stieg der Google-Ads-Anteil am Umsatz von 39% auf 49% — ein Zeichen, dass die Attribution jetzt korrekt funktioniert.

---

Nicht analysierte Kanäle (kein Zugriff)

Für ca. 6% des Traffics und 8% des Revenues fehlen die Spend-Daten. Die tatsächlichen Werbekosten von Lusini liegen deutlich über den €28M aus Google Ads. Besonders Bing CPC (€23,64 Rev/Session — besser als Google CPC!) verdient eine eigene Analyse.

Top 7 Quick Wins (umsetzbar in 0–30 Tagen)

Top 5 Strategische Empfehlungen (3–12 Monate)

---

OM Health Score

Gesamtbewertung: 55/100 — Lusini hat eine funktionsfähige Paid-Infrastruktur und wachsende Umsätze. Die größten Hebel für die nächsten 12 Monate liegen in drei Bereichen: (1) Die Google-Ads-Reporting-Basis korrigieren, damit Budget-Entscheidungen auf realen Zahlen basieren, (2) organischen Traffic als nachhaltigen Wachstumskanal aufbauen, und (3) die Conversion-Optimierung verbessern — insbesondere Zahlungsabbrüche und Mobile.

1. Methodik & Datengrundlage

Analysezeitraum

• Primärzeitraum: April 2025 – März 2026 (12 Monate)
• Vergleichszeitraum (YoY): April 2024 – Dezember 2024 (9 Monate, da GA4 Ende 2025 abgelöst wurde)
• Google Ads: Januar 2024 – März 2026 (voller verfügbarer Zeitraum)

Datenquellen

Bekannte Einschränkungen

1. GA4-Ablösung: GA4 wurde Ende 2025 durch Econda ersetzt. YoY-Vergleiche sind daher nur für Apr–Dez verfügbar (9 Monate statt 12).
2. Google Ads API: Kein Developer Token verfügbar — Daten stammen aus UI-Exporten. Der Suchbegriffe-Report (>7,5 GB, 35,6M Datensätze) wurde vollständig exportiert und analysiert (siehe Kapitel 4, Abschnitt „Suchbegriff-Analyse").
3. Microsoft/Bing Ads: Kein Zugriff auf den Microsoft Ads Account. GA4 zeigt Bing CPC als signifikanten Revenue-Kanal (€3,5M Revenue, €23,64/Session) — eine vollständige Analyse war nicht möglich. Empfehlung: Separates Bing Ads Audit durchführen.
4. Meta Ads (Facebook/Instagram): Kein Zugriff auf den Meta Business Manager. GA4 zeigt fb/paid (160K Sessions, €253K Revenue) und ig/paid (64K Sessions, €76K Revenue). Spend, CPM, Audience-Daten und Creative-Performance konnten nicht analysiert werden.
5. Criteo: Kein Zugriff auf das Criteo-Dashboard. GA4 zeigt Criteo Retargeting/Display (98K Sessions, €186K Revenue). Spend und ROAS sind unbekannt.
6. Econda-Daten: Exportzeitraum und Granularität durch das Dashboard limitiert. Keine API-Anbindung möglich. Live-Tracking-Daten sind nur eine Stichprobe.
7. Cross-Device / Cross-Domain: Attribution über mehrere Lusini-Domains hinweg basiert auf GA4-Property-Einstellungen und kann Lücken aufweisen.
8. Core Web Vitals / Page Speed: Keine technische Performance-Analyse der Seiten durchgeführt. Relevant insbesondere wegen des großen Mobile-Desktop-Gaps (4,7x Rev/Session, 10,6 Positionen Desktop vs. Mobile).
9. Shopping Feed Qualität: Bei €22M+ Shopping-Spend keine Analyse der Feed-Qualität (Titel, Bilder, GTINs, Merchant Center Disapprovals). Feed-Optimierung ist einer der größten Hebel für Shopping-Performance.
10. Consent Management Impact: 32% der Econda-Besucher sind „anonymisiert" — der Impact des Cookie-Consent-Banners auf Tracking-Vollständigkeit wurde nicht quantifiziert. Server-Side-Tracking als potenzielle Lösung wurde nicht evaluiert.
11. Auction Insights: Keine Wettbewerbsanalyse auf Google Ads Kampagnenebene — wer bietet gegen Lusini, wie entwickeln sich Impression Shares und Overlap Rates?
12. CLV / Kohortenanalyse: Returning Visitors sind 3,5x wertvoller, aber keine Analyse nach Akquisitionskanal (welcher Kanal bringt die wertvollsten Neukunden langfristig?).
13. Remarketing-Strategie: Criteo erwähnt, aber keine Bewertung der Audience-Strategie in Google Ads (RLSA, Customer Match, Similar Audiences).

Nicht analysierte Kanäle (kein Datenzugriff)

Gesamtlücke: Für ca. 473K Sessions und €4,0M Revenue fehlen die Spend-Daten. Die tatsächlichen Werbekosten von Lusini liegen daher deutlich über den €28M aus Google Ads.

KPI-Definitionen

Bewertungsschema

Jede Metrik wird gegen Industrie-Benchmarks (B2B E-Commerce, Gastronomiebedarf) eingeordnet:

2. Traffic-Übersicht & Channel-Mix

Gesamtperformance (Apr–Dez 2025 vs. Apr–Dez 2024)

Kernbefund: Das Traffic-Wachstum von +38,9% ist stark, und der Revenue wächst mit +9,4% solide. Die sinkende Revenue/Session (-21,3%) ist primär ein Channel-Mix-Effekt und kein Indikator für einen Marktrückgang — siehe Detailanalyse unten.

Warum die durchschnittliche Revenue/Session sinkt — Channel-Mix-Effekt

Der Rückgang der Revenue/Session von €8,74 auf €6,88 entsteht nicht gleichmäßig über alle Kanäle, sondern durch eine Verschiebung des Traffic-Mix zu Kanälen mit niedrigerem Warenkorbwert:

Drei Faktoren erklären den Gesamteffekt:

1. Paid Shopping dominiert das Wachstum: +70% mehr Sessions, aber nur €3,81 Rev/Session (vs. Gesamtdurchschnitt €6,88). Allein dieser Kanal drückt den Durchschnitt massiv nach unten. Das ist eine bewusste Skalierungsentscheidung — Shopping-Traffic hat naturgemäß kleinere Warenkörbe und eine andere Kaufdynamik (mehr Vergleichskäufe, niedrigere Kaufabsicht pro Klick).

2. Paid Search verliert Effizienz: +44,7% mehr Sessions generieren 4,1% weniger Revenue. Das ist der einzige wirklich besorgniserregende Datenpunkt. Mögliche Ursachen: Ausweitung auf weniger profitable Keywords, steigende CPCs bei gleichbleibendem Conversion-Wert, oder Kannibalisierung durch PMax-Kampagnen.

3. Direct-Revenue sinkt: -12% trotz leichtem Session-Wachstum. Das könnte auf eine Verschiebung von Direct-Bestandskunden zu Paid-Kanälen hindeuten (Re-Attribution durch CPC-Klicks) oder auf sinkende Wiederkaufraten.

Gegenprobe — kein Marktrückgang erkennbar: - Organische Suchnachfrage (GSC-Impressionen) ist über 12 Monate stabil bei 10,4M–13,4M/Monat - Organic Search Revenue wächst mit +30,5% — ein schrumpfender Markt würde sich hier zeigen - Email-Revenue wächst +28,3% — Bestandskunden kaufen mehr

Fazit: Die sinkende Gesamt-Revenue/Session ist kein Alarmsignal, sondern eine Folge der Shopping-Skalierungsstrategie. Der konkrete Handlungsbedarf liegt bei Paid Search (Effizienz wiederherstellen) und beim Verständnis des Direct-Rückgangs.

Channel-Mix (Apr–Dez 2025)

Bewertung Channel-Mix

Paid-Abhängigkeit KRITISCH

64,3% des Traffics kommt aus bezahlten Kanälen (Paid Shopping + Paid Search + Cross-network + Paid Social + Display). Das ist deutlich über dem B2B-E-Commerce-Benchmark von ~40–50%.

• Paid Shopping allein macht 27,9% aus und wuchs um +69,9% — stärkstes Wachstum
• Organic Search liegt bei nur 15,1% — für einen E-Commerce-Anbieter dieser Größe unterdurchschnittlich (Benchmark: 25–35%)

Revenue-Konzentration

Die Top 3 umsatzstärksten Kanäle machen 64% des Revenues aus: 1. Paid Search: €17,5M (33,4%) — aber YoY -4,1% trotz +44,7% mehr Sessions → sinkende Effizienz 2. Direct: €8,0M (15,2%) — sinkend (-12,0%), Brand-Stärke lässt nach 3. Organic Search: €8,0M (15,3%) — gesund wachsend (+30,5%)

Revenue/Session nach Kanal

Device-Split (Apr–Dez 2025)

Mobile-Desktop-Gap KRITISCH: Desktop generiert 4,7x mehr Revenue pro Session als Mobile. 59% des Traffics kommt über Mobile, aber nur 24% des Revenues. Dieser Gap ist deutlich größer als der Benchmark (2–3x). Mögliche Ursachen: - B2B-Bestellungen werden bevorzugt am Desktop getätigt - Mobile Checkout-Erlebnis möglicherweise suboptimal - Mobile wird primär zur Recherche genutzt (Cross-Device Journey)

Länderverteilung (GA4 Apr–Dez 2025, Top 10)

Auffällig: Italien hat das niedrigste Revenue/Session (€4,24) trotz signifikantem Traffic. Die Schweiz und Österreich sind die effizientesten Märkte (€10,45 bzw. €9,79/Session).

Monatliche E-Commerce-Trends (2024–2025)

Saisonalität: Klares Frühjahrshoch (Apr/Mai) und Wintertal (Dez/Jan). Der AOV schwankt zwischen €223 (Jan 2025) und €280 (Apr 2025) — typisch für B2B-Gastronomie mit Saisonvorbereitung im Frühling.

Interner und CRM-Traffic — Data Hygiene

Referral-Quellen die kein externer Traffic sind

CRM-Traffic (Dynamics) hat €163,93 Revenue/Session — das sind fast sicher Bestellungen des internen Vertriebsteams über die Website. Diese sollten in der Analyse als interner Kanal separat ausgewiesen werden, da sie die Channel-Performance-Daten verzerren.

Nunami (kombiniert 15.844 Sessions, €389.364 Revenue) ist wahrscheinlich ein On-Site-Personalisierungs-Tool. Dessen Traffic wird als "Referral" attribuiert, obwohl es eigentlich on-site Engagement ist. Das verzerrt den Referral-Kanal nach oben.

Auswirkung auf die Analyse

Bereinigt man Referral um diese internen Quellen: - CRM (€828K) + Nunami (€389K) + Teams (€88K) = ~€1,3M internes Revenue, das als Referral gezählt wird - Das gesamte Referral-Revenue beträgt nur €590K — die internen Quellen übersteigen es also deutlich - Das bedeutet: Nahezu das gesamte „Referral"-Revenue stammt aus internen Quellen, nicht von externen Partnern. Das erklärt den -65,4% YoY-Drop: Was wie ein Partnereinbruch aussieht, ist eine Attribution-Verzerrung

Empfehlung: UTM-Tagging und Referral-Exclusion-Listen in GA4/Econda einrichten, um interne Traffic-Quellen sauber zu separieren.

B2C-Segment

Lusini betreibt neben dem B2B-Geschäft auch B2C-Seiten:

B2C macht ca. 2,5% des Traffics und ~3,7% des Revenues aus. Die Revenue-Effizienz ist mit €10,18/Session überraschend gut — besser als der Gesamtdurchschnitt (€6,88). HR/Kroatien B2C underperformt deutlich (€1,86/Session).

Online-Service-Seiten: Hoher Traffic, niedrige Effizienz

124K Sessions landen auf Online-Service-Seiten — das sind 1,6% des Traffics. Die Rev/Session von €4,57 liegt 33% unter dem Durchschnitt (€6,88). Diese Seiten scheinen eine Kontakt-/Servicefunktion zu erfüllen.

Frage: Werden diese Seiten über Paid Traffic angesteuert? Falls ja, wäre das Spend-Verschwendung. Falls es Organic/Direct-Traffic ist, könnten sie durch bessere CTAs und Produktverknüpfungen konvertierender gemacht werden.

KI-Suche als neuer Kanal

Econda zeigt bereits "KI Suche" als eigenen Marketing-Kanal (4 Besuche im Live-Tracking). Das ist noch minimal, aber ein Indikator dafür, dass AI-getriebene Suche (ChatGPT, Perplexity, Google AI Overviews) beginnt, Traffic zu senden. Dies sollte aktiv beobachtet werden.

New vs. Returning (Apr–Dez 2025)

Returning Visitors generieren 3,5x mehr Revenue/Session als New Visitors. Das unterstreicht die Bedeutung von CRM und Retention. Die niedrigere Engagement Rate bei Returning (77,9%) ist normal — sie kennen die Seite und navigieren zielgerichteter.

PMK-Validierung: GA4 vs. Econda (April 2026 Update)

Zeitraum-Korrektur

Die ursprüngliche Feststellung einer „2,3x Diskrepanz" zwischen GA4 und Econda war ein Vergleichsfehler: GA4 deckt 9 Monate ab (Apr–Dez 2025), Econda nur Q1 2026 (3 Monate). Normalisiert:

Econda zeigt pro Monat sogar mehr als GA4 — erklärbar durch Q1-2026-Wachstum. Es gibt keine fundamentale Tracking-Diskrepanz.

Econda-Tracking-Caveats (Q1 2026)

• Erste Januar-Woche: Wegen eines Bugs nicht vollständiger Traffic erfasst
• Last-Non-Direct-Logik: Erst am 22.01.2026 shopseitig eingeführt

Auswirkung der Last-Non-Direct-Einführung:

Die Verschiebung zeigt: Vor Einführung der Last-Non-Direct-Logik wurde Paid-Traffic fälschlicherweise als „Direct" erfasst. Ab dem 22. Jan funktioniert die Attribution korrekt.

Google Ads ROAS: Econda vs. Google-Reporting

Empfehlung: Econda/PMK als Single Source of Truth für Revenue-Attribution etablieren. Google Ads Conv.-Wert nur als Optimierungssignal innerhalb Google Ads nutzen, nicht für Budget-Entscheidungen.

3. SEO / Organic Search

Überblick (Apr 2025 – Mär 2026)

Monatliche Entwicklung (GSC)

Trend: Clicks sind weitgehend stabil (104K–143K/Monat), Impressions schwanken saisonbedingt. Die CTR sinkt im Sommer (höheres Suchvolumen, breitere Queries) und erholt sich im Herbst.

Device-Performance (GSC)

KRITISCH Desktop-Position 21,9 vs. Mobile 11,3: Die durchschnittliche Desktop-Position ist fast doppelt so schlecht wie Mobile — das ist ein ungewöhnlich großer Gap, der auf ein strukturelles Problem hindeutet. Mögliche Ursachen:

1. Mobile-First-Indexing-Problem: Seit Google auf Mobile-First-Index umgestellt hat, könnte die Desktop-Version der Seiten technische Defizite haben (andere Content-Auslieferung, fehlende Elemente, langsameres Rendering)
2. Core Web Vitals Desktop: Falls die Desktop-Performance deutlich schlechter ist als Mobile (was ungewöhnlich wäre), könnte das Rankings beeinflussen
3. Query-Mix-Effekt: Desktop-Suchen enthalten möglicherweise mehr kompetitive generische Begriffe, während Mobile stärker lokale/spezifische Queries enthält
4. Canonicalization: Falls Desktop und Mobile unterschiedliche URLs ausliefern, könnten Canonical-Tags fehlkonfiguriert sein

Empfehlung: Diesen Gap gezielt untersuchen — Core Web Vitals Desktop vs. Mobile vergleichen, Canonical-Setup prüfen, Desktop-spezifische Rendering-Probleme identifizieren. Ein Gap dieser Größe (10,6 Positionen) deutet auf ein technisches Problem hin, nicht auf einen normalen Query-Mix-Unterschied.

Keyword-Portfolio

Top 20 Queries nach Clicks

Branded vs. Non-Branded Analyse KRITISCH

Die Top-Queries sind massiv branded-lastig. Unter den Top 20 sind: - 10 Branded (lusini, luisini, lucini, lussini + Varianten): ~85.000 Clicks - 3 Eigenmarken (pulsiva, vega, jobeline): ~10.900 Clicks - 7 Non-Branded (dubai choklad, martini, moscow mule etc.): ~17.400 Clicks

Die Non-Branded-Queries sind zudem teilweise off-topic (dubai choklad recept = Rezepte, moscow mule = Cocktails). Das deutet auf fehlende SEO-Strategie für transaktionale Non-Branded-Keywords hin (z.B. "Gastronomiebedarf kaufen", "Geschirr Gastronomie", "Berufsbekleidung Koch").

Search Appearance

GUT Product Snippets machen den Großteil der Organic-Clicks aus — das zeigt, dass strukturierte Produktdaten implementiert sind.

WARNUNG Review Snippets sind minimal (203 Clicks). Hier wird Potenzial verschenkt — Bewertungssterne in den SERPs können die CTR um 15–25% steigern.

Markt-Performance (GSC, Top 10 Länder)

Hinweis: Dies sind GSC-Daten für März 2026 (ein Monat). Die Werte sind repräsentativ für die Größenordnung.

Auffälligkeiten pro Markt

• Italien führt bei Clicks, obwohl Revenue/Session (GA4) dort am niedrigsten ist — möglicherweise Traffic auf informationalen Content statt transaktionalen
• Kroatien hat mit 3,47% die beste CTR — kleiner Markt mit weniger Wettbewerb
• Niederlande hat die schlechteste CTR (0,74%) und höchste Durchschnittsposition (12,7) — SEO in NL ist unterentwickelt
• Deutschland als Hauptmarkt liegt bei CTR 0,99% und Position 10,0 — deutlich unter dem Potenzial

Content/Magazin-Seiten: Traffic ohne Conversion KRITISCH

16 Magazin-Seiten (URL-Pattern /m/) generieren zusammen 56.627 Sessions aber nur €2.471 Revenue — das sind €0,04 pro Session.

Die größten Traffic-Sinks

Analyse

Diese Seiten sind typische informational Content-Stücke — Rezepte (Dubai-Schokolade), Gehaltsratgeber ("Quanto guadagna un cameriere"), Kühlschrank-Temperaturen etc. Sie ziehen organischen Traffic, aber die Nutzer haben keinerlei Kaufabsicht.

Probleme: 1. Keine Conversion-Pfade: Kein CTA, keine Produkt-Integration, kein Lead-Magnet 2. Off-Topic-Content: "Dubai Choklad Recept" hat nichts mit Gastronomiebedarf zu tun 3. Ressourcen-Verschwendung: Redaktionelle Arbeit ohne ROI

Empfehlungen: 1. Produkt-Integration: Relevante Artikel (Pfannen, Besteck) mit Produkt-Empfehlungen und CTAs versehen 2. Off-Topic bereinigen: Dubai-Schokoladen-Rezepte und Gehaltsratgeber bringen keinen Business-Wert 3. Content-Strategie auf Buying Intent ausrichten: Statt "Wie viel verdient ein Kellner" → "Komplettausstattung Restaurant: Checkliste und Kosten" 4. Lead-Magnets testen: Checklisten, Kalkulatoren für Gastro-Ausstattung als Gated Content

Branded vs. Non-Branded: Quantifizierung

Analyse über alle 25.000 GSC-Queries:

Non-Branded CTR von 1,27% liegt unter dem E-Commerce-Benchmark (3–5%), aber die Ursache ist primär die durchschnittliche Position (11,3 Mobile / 21,9 Desktop), nicht schlechte Titles oder Meta-Descriptions. Bei Position 10+ ist eine CTR von ~1% erwartbar — der Benchmark von 3–5% gilt für Positionen 1–5. Das zeigt: - Das Kernproblem ist Ranking, nicht CTR-Optimierung: Lusini steht für die meisten Non-Branded Keywords auf Seite 2+ - Titel und Meta-Descriptions sind ein Nebenschauplatz, solange die Positionen nicht besser sind - Rich Snippets fehlen für Non-Branded Ergebnisse (Review Snippets kaum genutzt)

Die gute Nachricht: Mit 30,6M Non-Branded Impressions ist das Sichtbarkeits-Potenzial enorm. Eine Verbesserung der durchschnittlichen Position von 11 auf 5–6 würde die Organic Clicks verdoppeln (+388K Clicks/Jahr). Der Hebel liegt in Content- und SEO-Strategie für transaktionale Keywords, nicht primär in der CTR-Optimierung bestehender Listings.

SEO-Bewertung Gesamtübersicht

4. SEA / Google Ads

Account-Übersicht (Jan 2024 – Mär 2026)

Hinweis: Der ROAS von 28,41x ist massiv überhöht. Die Econda/PMK-Validierung (Q1 2026, siehe Kapitel 2, Abschnitt „PMK-Validierung") zeigt einen realen ROAS von ca. 3,3x. Die Hauptursachen: (1) 11 pausierte „Ghost"-Kampagnen zeigen ~€600M Conversion-Wert im Reporting (~75% der Inflation, genauer Attributionsmechanismus noch zu verifizieren), (2) Brand-Keywords werden mit ROAS 101–1.170x überbewertet, (3) Data-Driven-Attribution vs. Last-Non-Direct erklärt einen Faktor von ~1,8x. Das Conversion-Tag selbst feuert korrekt — das Problem liegt in der Attribution und den Ghost-Kampagnen. Caveat: Der Vergleich stellt Google Ads Gesamtzeitraum (27 Monate) dem Econda-Zeitraum (Q1 2026, 3 Monate) gegenüber — der reale ROAS kann je nach Quartal schwanken.

Spend nach Kampagnentyp

Performance Max Dominanz WARNUNG

61,5% des gesamten Budgets fließen in Performance Max. Das birgt Risiken: - Black Box: PMax bietet wenig Transparenz über Placements, Audiences und Keywords - Kannibalisation: PMax greift auf Shopping, Search, Display und YouTube zu — kann eigene Search- und Shopping-Kampagnen kannibalisieren - Brand-Traffic-Übernahme: PMax optimiert gerne auf Branded Queries, da diese am günstigsten konvertieren

Empfehlung: Brand-Exclusion-Listen in PMax implementieren und Search-Term-Insights regelmäßig prüfen.

Top 15 Kampagnen nach Spend

Account-Struktur Analyse

Naming Convention GUT

Die Kampagnen-Benennung folgt einer klaren, konsistenten Struktur:

{plattform}_{typ}_{markt}_{kampagnenart}_{targeting}_{detail}

Beispiel: ggl_shopping_de_pmax_css_catch-all

Das ermöglicht gute Filterung und Reporting. Professionelles Setup.

Markt-Verteilung (aus Kampagnennamen abgeleitet)

Die Kampagnen decken folgende Märkte ab: DE, SE, NO, DK, FR, CH, AT, IT, ES, NL, PT, HR, FI, BE, PL, HU, CZ

Auffällig: Schweden (SE) und Norwegen (NO) gehören zu den größten Spend-Märkten — ungewöhnlich für einen deutschen Gastronomiebedarf-Händler. Das spricht für eine bewusste Nordics-Strategie.

CSS vs. GSE GUT

Viele Shopping-Kampagnen laufen parallel in CSS- und GSE-Varianten: - CSS (Comparison Shopping Service): Günstigere CPCs durch CSS-Partner - GSE (Google Shopping Europe): Standard Google Shopping

Das Dual-Setup ist Best Practice und zeigt professionelles Shopping-Management.

Catch-All vs. Segmented

Die meisten PMax-Kampagnen sind "catch-all" — das heißt, sie decken das gesamte Produktsortiment ab. Es gibt vereinzelt segmentierte Kampagnen (z.B. "moebel", "low-sku-zombie"), aber die Granularität könnte höher sein.

GA4-Perspektive: Paid Search & Shopping Performance

Channel-Performance (GA4 Apr–Dez 2025)

Paid Search: Mehr Traffic, weniger Revenue KRITISCH

Paid Search wuchs um +44,7% bei Sessions, aber der Revenue sank um -4,1%. Das bedeutet: - Revenue/Session fiel dramatisch - Möglicherweise wird in weniger profitable Keywords investiert - Oder die Conversion Rate der Paid-Search-Landingpages hat sich verschlechtert

Paid Shopping: Starkes Wachstum GUT

+69,9% Sessions und +82,2% Revenue — Paid Shopping skaliert profitabel. Revenue/Session ist mit €3,81 jedoch niedrig, was typisch für Shopping-Traffic ist (höheres Volumen, niedrigerer Warenkorbwert).

Funnel-Performance nach Paid-Kanal (GA4)

Paid Search hat die beste Add-to-Cart-Rate (32,5%) — Nutzer kommen mit klarer Kaufabsicht. Paid Social hat die schlechteste (6,9%) — erwartungsgemäß, da Awareness-Kanal.

Tracking-Validierung KRITISCH — Ursachen identifiziert

Der Google Ads ROAS von 28,41x (Gesamt, 27 Monate) ist massiv überhöht. Die Econda/PMK-Validierung (Q1 2026, 3 Monate) zeigt einen realen ROAS von ca. 3,3x — ein Faktor von ~8,6x zwischen Google-Reporting und Realität. Hinweis: Die verglichenen Zeiträume sind unterschiedlich lang (27 vs. 3 Monate). Der exakte Faktor kann saisonal schwanken, die Richtung (massive Überhöhung) ist eindeutig.

Identifizierte Ursachen (validiert über Econda/PMK, Q1 2026)

Wichtig: Das Conversion-Tag selbst feuert korrekt. Das Problem liegt nicht im technischen Tracking, sondern in der Attribution und den Ghost-Kampagnen.

Empfehlung: (1) Die 11 Ghost-Kampagnen löschen, (2) Econda/PMK als maßgebliche Umsatzquelle für Budget-Entscheidungen etablieren, (3) Google Ads Conv.-Wert nur als internes Optimierungssignal innerhalb Google Ads nutzen.

Brand-Kannibalisierung KRITISCH

Das Problem

37 Brand-Search-Kampagnen generieren 524.225 Sessions und €12,4M Revenue (€23,71/Session). Diese Kampagnen bieten auf Begriffe wie "lusini", "pulsiva", "vega" — also Marken, die Lusini gehören.

Kosten-Analyse (Suchbegriffe-Report)

Der Suchbegriffe-Report (35,6M Zeilen) bestätigt das Problem:

• Brand-Spend insgesamt: €771.680 (9,2% des analysierten Spend von €8,4M)
• Brand in Shopping/PMax: Zusätzlich €297.789 — hier werden Brand-Suchanfragen über Shopping-Kampagnen bedient, was teurer ist als dedizierte Brand-Search-Kampagnen

Gesamt-Brand-Spend (Search + Shopping/PMax): ~€1.070.000 (gemessen im 15-Monats-Suchbegriffe-Report, der €8,4M von €28M Gesamtspend abdeckt). Hochgerechnet auf den Gesamtaccount liegt der Brand-Spend bei ~€2M pro Jahr.

Gleichzeitig zeigt GSC, dass "lusini" und Varianten organisch auf Position 1,0–1,2 stehen mit CTRs von 10–27%.

Realistische Schätzung: Bei organischer Position 1 können erfahrungsgemäß 30–40% des Brand-Spends eingespart werden → €400K–800K Einsparpotenzial pro Jahr. Eine höhere Einsparung (60–70%) ist unrealistisch, weil Wettbewerber (GGM Gastro, Metro, Amazon Business) auf Lusini-Markenbegriffe bieten — ohne eigene Brand-Ads würde ein Teil dieser Klicks an Wettbewerber fließen. Der genaue Wert muss per A/B-Test ermittelt werden.

Warum Brand-Bidding trotzdem teilweise sinnvoll ist

• Schutz vor Wettbewerber-Bidding (z.B. Metro, Vega-Konkurrenz)
• Kontrolle über Messaging (Sitelinks, Promotions)
• SERP-Dominanz (organisch + paid = doppelte Sichtbarkeit)

Empfehlung

Brand-Bidding nicht komplett abschalten, aber: 1. A/B-Test: Brand-Ads in einem Markt für 4 Wochen pausieren, Organic-Traffic beobachten 2. Brand-Exclusion in PMax: PMax greift ebenfalls auf Brand-Queries zu — das ist teurer als dedizierte Brand-Kampagnen 3. Bid-Reduktion: CPCs auf Brand-Keywords senken (Ziel: Position 1 zum Minimum-CPC)

Markt-Effizienz-Vergleich (Google Ads)

Auffällig: Schweden und Norwegen zusammen machen €12M Spend aus — fast so viel wie Deutschland (€7,4M). Das ist eine sehr aggressive Nordics-Strategie.

Nordics Deep-Dive: SE + NO WARNUNG

Schweden und Norwegen zusammen sind der zweitgrößte Spend-Block nach Deutschland:

Beobachtungen: - Dual-Account-Struktur: Für beide Länder laufen CSS- und GSE-Kampagnen parallel, plus separate PMax-Kampagnen — das ist professionell, erzeugt aber hohe Komplexität - Shopping ROAS 4,4–6,3x: Optisch akzeptabel, aber im Kontext des 15x-Tracking-Faktors möglicherweise real nur 0,3–0,4x - Search ROAS 11–13x: Deutlich besser als Shopping — hier liegt die Effizienz - Catch-All-Struktur: Fast alle PMax-Kampagnen sind "catch-all" — keine Segmentierung nach Produktkategorie oder Marge

Kernfrage: Ist der €15,4M Nordics-Spend profitabel? Ohne verlässliches Conversion Tracking lässt sich das nicht beantworten. Die Nordics-Strategie muss nach dem Tracking-Fix als erstes re-evaluiert werden.

Empfehlung: Nach Tracking-Fix sofort Profitabilitätsanalyse pro Nordics-Kampagne. Bei realem ROAS <3x: Budget umschichten nach DACH/FR.

Nordic CPC-Problem (Suchbegriffe-Report) KRITISCH

Die Suchbegriff-Analyse offenbart ein massives CPC-Problem in den Nordics:

Nordic Ø CPC ist 8,1x höher als DACH (€6,38 vs. €0,79). Dieser Durchschnitt wird allerdings von extremen Ausreißern nach oben verzerrt — der Median-CPC dürfte deutlich niedriger liegen. Trotzdem: Für dasselbe Budget bekommt Lusini in DACH signifikant mehr Clicks.

Kontext, der den Vergleich relativiert: - Nordische AOVs können höher sein — wenn der durchschnittliche Warenkorb in SE/NO über dem DACH-Wert liegt, sind höhere CPCs bei gleicher Marge akzeptabel - Wettbewerbsdichte ist in Nordics anders — weniger lokale Konkurrenz, aber internationaler Wettbewerb um wenige Suchanfragen - Ohne CPA/CPO-Betrachtung ist ein reiner CPC-Vergleich irreführend — entscheidend ist der Cost per Order, nicht der Cost per Click

Was trotzdem kritisch ist — die extremen Ausreißer: - "utrustning restaurangkök" (SE Shopping): €2.179 pro Klick - "möbler för företag" (SE Shopping): €1.312 pro Klick - "storköks" (SE Shopping): €1.061 pro Klick - "utemöbler företag" (SE Shopping): €379 pro Klick bei 15 Klicks = €5.690 Spend

Selbst bei hohen Nordics-AOVs: kein einzelner Klick sollte >€50 kosten — bei einem AOV von €252 und einer Shopping-Conversion-Rate von ~2% kostet eine Bestellung bei €50/Klick bereits €2.500. Diese Ausreißer sind nicht durch Marktunterschiede erklärbar, sondern durch fehlende CPC-Caps bei aggressivem Bidding.

Mögliche Ursachen für die Ausreißer: 1. Maximize Conversion Value ohne CPC-Caps: Smart Bidding bietet aggressiv in Low-Volume-Auktionen 2. Dünnes Keyword-Volumen: Wenige Suchanfragen → Google bietet extrem hoch für einzelne Auktionen 3. PMax ohne Kontrolle: PMax hat keine Keyword-Level-Steuerung

Empfehlung: Sofort CPC-Caps für Nordics-Shopping einführen (z.B. max. €10/Klick). Parallel: CPO-Analyse auf Kampagnenebene durchführen, um die Nordics-Profitabilität fair zu bewerten — nicht nur auf CPC-Basis.

Display-Performance KRITISCH

Display ist in fast allen Märkten unprofitabel. Ausnahme: Frankreich (9,1x ROAS — vermutlich Retargeting). Empfehlung: Display in AT, SE, HR, IT sofort pausieren.

Microsoft/Bing Ads FEHLENDE DATEN

GA4 zeigt Bing CPC als signifikanten Revenue-Treiber: - 150.127 Sessions - €3.548.920 Revenue - €23,64 Revenue/Session — besser als Google CPC (€11,07)!

Die Bing Ads Daten fehlen in diesem Audit, da sie in einem separaten Microsoft Ads Account liegen. Ein separater Export und eine Analyse werden empfohlen — die hohe Revenue-Effizienz deutet auf Skalierungspotenzial hin.

Suchbegriff-Analyse (35,6M Datensätze) NEU

Übersicht

Hinweis zum Zeitraum: Der Suchbegriffe-Report deckt 15 Monate ab (Jan 2025 – Mär 2026), während der Kampagnenbericht 27 Monate umfasst (Jan 2024 – Mär 2026). Daher zeigt er nur €8,4M von €28M Gesamtspend. Die relativen Verhältnisse (CPC-Vergleiche, Brand-Anteil, Match-Type-Verteilung) sind trotzdem valide und repräsentativ.

Spend-Verteilung nach Kampagnentyp

PMax dominiert auch auf Suchbegriff-Ebene (60% des Spends), aber mit dem höchsten CPC (€0,66). Standard-Shopping hat den niedrigsten CPC (€0,20) bei den meisten Klicks.

Top Suchbegriffe nach Spend

Beobachtung: Die teuersten Suchbegriffe sind fast ausschließlich Branded — €57K allein für "lusini" in DE Search. In Schweden kostet "lusini" als Shopping-Suchbegriff €20,58 pro Klick (vs. €0,31 in DE Search).

Match-Type-Verteilung

PMax-Traffic hat den höchsten effektiven CPC (€2,14) — 2,9x teurer als Exact Match Search. Das unterstreicht die mangelnde Kontrolle bei PMax.

Wasted Spend: CPC-Ausreißer

20 Suchbegriffe mit CPC >€300 (alle in SE/NO Shopping):

Ein einzelner Klick auf "utrustning restaurangkök" kostet mehr als 8 durchschnittliche Bestellungen (AOV €252).

Keyword-Portfolio-Audit (143K Keywords) NEU

Datengrundlage

Analysiert wurden alle 143.445 Keywords aus dem Google-Ads-Keyword-Report (Jan 2024 – Mär 2026). Davon hatten 4.057 Keywords tatsächlichen Spend (€2,5M auf Keyword-Ebene). Alle Kosten in EUR umgerechnet.

Hinweis: Die €2,5M Keyword-Spend decken nur Search-Kampagnen ab — PMax und Shopping werden auf Keyword-Ebene nicht separat ausgewiesen. Die Erkenntnisse gelten daher primär für Search-Kampagnen.

Spend-Verteilung nach Match Type

Kernerkenntnis: Broad Match verbraucht fast die Hälfte des Budgets bei nur 5,13x ROAS. Exact Match hat 42,95x — allerdings stark durch Brand-Keywords getrieben. Non-Brand Phrase Match ist mit 3,50x ROAS und 1,3% Conversion Rate das schwächste Segment.

Brand vs. Non-Brand Split

Brand-Keywords sind 9,2x effizienter als Non-Brand. Der Non-Brand CPA von €52,30 ist bei einem AOV von ~€240 akzeptabel (ROAS 4,71x), aber es gibt große Unterschiede nach Markt.

Non-Brand-Effizienz nach Markt KRITISCH

Portugal Non-Brand ist break-even (0,99x ROAS) — jeder investierte Euro bringt gerade €0,99 zurück. Bei Berücksichtigung von COGS ist das ein Verlustgeschäft. Spanien Non-Brand hat einen CPA von €118 — bei 2,34x ROAS grenzwertig. Frankreich Non-Brand ist mit CPA €99 ebenfalls auffällig hoch.

Waste-Analyse

Gesamter identifizierbarer Waste: ~€76.600 (3,1% des Keyword-Spends)

Top Verlust-Keywords:

Top Non-Brand Keywords (echte generische Gewinner)

Die Core-Keywords (Gastrobedarf, Geschirr, Bettwäsche) haben soliden ROAS. Long-Tail-Keywords wie „gartenliege" und „hotel kissen" sind extrem effizient — hier liegt Skalierungspotenzial.

Bidding-Analyse

Nahezu der gesamte Spend wird automatisch gesteuert. Manuelle Bids werden kaum eingesetzt und haben dort, wo sie existieren, einen hohen ROAS — allerdings bei marginalem Volumen. Der Median der manuellen Bids liegt bei €0,42, 94,8% unter €1,00.

Konkrete Empfehlungen aus dem Keyword-Audit

SEA-Bewertung Gesamtübersicht

5. Display & Video

Google Display Network (Google Ads, Jan 2024 – Mär 2026)

Gesamtperformance

Hinweis: Die €34.723 beziehen sich auf den Kampagnentyp „Display" im Google Ads Kampagnen-Overview. Die marktspezifische Aufschlüsselung unten (~€162K) umfasst zusätzlich Display-Anteile aus anderen Kampagnentypen (z.B. PMax-Display-Placements).

Display nach Markt

Hinweis: Der ROAS von 9,1x in Frankreich ist ein Ausreißer — wahrscheinlich handelt es sich um eine Retargeting-Kampagne, die Last-Click-Conversions von anderen Kanälen zugeordnet bekommt.

Bewertung KRITISCH

Display ist in 6 von 7 Märkten unprofitabel. Der Gesamtspend ist mit ~€162K über alle Märkte minimal (0,6% des Gesamtbudgets), aber das Geld ist trotzdem verschenkt.

Grundproblem: Klassisches Display-Advertising (Banner) hat im B2B-E-Commerce traditionell niedrige Performance. Die Nutzer sind im Kaufprozess nicht auf Display-Netzwerk-Seiten unterwegs.

GA4-Perspektive: Display-Kanal

Criteo Retargeting (aus GA4)

Criteo läuft als separates Retargeting-System. Ohne Zugriff auf das Criteo-Dashboard können wir Spend und echten ROAS nicht bewerten. Die €186K Revenue bei unbekanntem Spend könnten profitabel sein (Retargeting hat typisch ROAS 5–10x), aber das ist Spekulation.

Empfehlung: Criteo-Zugriff einrichten und Retargeting-ROAS validieren.

Demand Gen (ehem. Discovery)

Demand Gen zeigt den besten ROAS unter den nicht-Search/Shopping-Kampagnentypen. Allerdings muss der Google-Ads-ROAS von 7,13x um mehrere Faktoren bereinigt werden: - Attributionsmodell (Data-Driven vs. Last-Non-Direct): ~1,8x Überhöhung - Brand-Inflation: Auch Demand Gen profitiert davon, dass ein Teil der erreichten Nutzer ohnehin bei Lusini gekauft hätte — der Brand-Effekt ist nicht auf Search beschränkt - Ghost-Kampagnen: Demand Gen ist als aktive Kampagne nicht direkt betroffen - Geschätzter realer ROAS: ~2,5–3,5x — für einen Upper-Funnel-Kanal akzeptabel, aber nicht [GUT] - Demand Gen greift auf YouTube, Gmail und Discover zu — potenziell interessant für B2B-Awareness

Empfehlung: Demand Gen als Alternative zu Display mit höherem Budget testen — die initialen Werte sind besser als Display, sollten aber per Econda/PMK validiert werden bevor signifikant skaliert wird.

Video (YouTube)

52 Video-Kampagnen sind im Account, aber alle mit €0 Spend im Analysezeitraum. YouTube wird aktuell nicht aktiv bespielt.

GA4 zeigt: - Organic Video: 213 Sessions, €0 Revenue - Paid Video: 66 Sessions, €126 Revenue

Bewertung: YouTube ist für Lusini ein ungenutzter Kanal. Im B2B-Gastronomiebedarf gibt es Content-Potenzial (Produktvorstellungen, Einrichtungsberatung, Koch-Content), aber das erfordert eine dedizierte Video-Strategie.

Empfehlungen

Display-Bewertung Gesamtübersicht

6. E-Mail-Marketing

Überblick (GA4, Apr–Dez 2025)

Bewertung

E-Mail ist der effizienteste eigene Kanal (€9,85/Session, nur Direct ist höher). Das Revenue-Wachstum von +28,3% bei nur +5,6% mehr Sessions zeigt, dass die E-Mail-Qualität steigt — höherer AOV oder bessere Conversion.

Funnel-Performance

*Checkout-Rate >100% deutet auf Cross-Session-Conversions hin (Nutzer klickt E-Mail, legt in den Warenkorb, kommt später zurück und kauft).

Stärken

• Höchster Revenue-Zuwachs aller Kanäle (+28,3%)
• Gute Add-to-Cart-Rate (20,8%)
• Stabiles Volumen — kein Rückgang trotz zunehmender Inbox-Konkurrenz

Schwächen / Fehlende Daten

• Kein Zugang zum ESP (E-Mail-Service-Provider) — Open Rates, Click Rates, Unsubscribe Rates und Automation-Flows konnten nicht analysiert werden
• Anteil am Channel-Mix (4,6%) hat Potenzial nach oben (Benchmark B2B E-Com: 5–10%)

Empfehlungen

7. Social Media

Überblick (GA4, Apr–Dez 2025)

Paid Social

Organic Social

Analyse

Paid Social: Awareness ja, Conversion nein WARNUNG

Paid Social generiert das niedrigste Revenue/Session aller Paid-Kanäle (€1,49). Die Funnel-Daten bestätigen: - Add-to-Cart-Rate: 6,9% (vs. 32,5% bei Paid Search) - Purchase-Rate: 48,1% (vs. 71,5% bei Paid Search) - Nur 1.799 Transactions aus 220K Sessions

Das ist für B2B-E-Commerce nicht ungewöhnlich — Social ist ein Awareness-Kanal. Aber bei €329K Revenue muss die Frage gestellt werden, ob der Spend (nicht aus unseren Daten ersichtlich, da Meta/LinkedIn Ads nicht im Google Ads Account) gerechtfertigt ist.

Organic Social: Explosives Wachstum GUT

+780% YoY bei Sessions ist bemerkenswert. Allerdings: - Nur 147 Transactions — fast keine direkte Conversion-Wirkung - €0,87 Rev/Session - Wahrscheinlich durch Content-Marketing oder Influencer-Aktivitäten getrieben

Das Wachstum zeigt, dass Social-Inhalte Resonanz finden. Die Monetarisierung fehlt aber komplett.

Empfehlungen

8. Affiliate & Partner

Überblick (GA4, Apr–Dez 2025)

Analyse

Höchste Revenue-Effizienz aller Kanäle GUT

Mit €20,17 Revenue/Session ist Affiliate der effizienteste Kanal überhaupt — sogar vor Direct (€14,67). Das deutet auf: - Hochqualifizierten Traffic von spezialisierten Partnern - Nutzer mit klarer Kaufabsicht (B2B-Vergleichsportale, Branchenmedien)

Funnel-Performance

*Checkout-Rate >100% = Cross-Session-Attribution

Unterdimensioniert WARNUNG

Trotz bester Effizienz macht Affiliate nur 0,9% des Channel-Mix aus. Das ist deutlich unter dem B2B-E-Commerce-Benchmark von 3–8%. Hier liegt erhebliches Skalierungspotenzial.

Empfehlungen

9. Direct & Referral Traffic

Direct Traffic (GA4, Apr–Dez 2025)

Analyse

Direct Traffic ist ein Indikator für Brand-Stärke — Nutzer, die die URL direkt eingeben oder über Bookmarks kommen. Das Revenue sinkt um -12% YoY, obwohl Sessions leicht wachsen. Das deutet auf:

• Sinkender AOV bei Direktkunden
• Bestandskunden, die weniger bestellen
• Möglicherweise Attribution-Verschiebung zu anderen Kanälen (z.B. PMax übernimmt Brand-Traffic)

Die hohe Rev/Session (€14,67) bestätigt: Direct-Nutzer sind loyal und kaufstark.

Funnel-Performance

Hervorragende Funnel-Performance — diese Nutzer kennen das Sortiment und kaufen gezielt.

Referral Traffic (GA4, Apr–Dez 2025)

Analyse KRITISCH

Revenue aus Referral ist um -65,4% eingebrochen, obwohl Sessions um +31,7% stiegen. Das ist der stärkste Revenue-Rückgang aller Kanäle.

Ursache identifiziert (siehe Kapitel 2, Abschnitt „Interner und CRM-Traffic"): Der Referral-Kanal wird durch interne Quellen massiv verzerrt: - CRM (Dynamics): €828K Revenue — Bestellungen des internen Vertriebsteams - Nunami: €389K Revenue — On-Site-Personalisierungs-Tool - Teams: €88K Revenue — interne Links

Diese ~€1,3M internes Revenue übersteigen das gesamte Referral-Revenue von €590K. Das bedeutet: Nahezu das gesamte „Referral"-Revenue stammt aus internen Quellen, nicht von externen Partnern. Der scheinbare -65,4% Drop ist primär eine Attribution-Verzerrung, kein Partnereinbruch.

Empfehlung: CRM, Nunami und Teams in der Referral-Exclusion-Liste als interne Quellen markieren (siehe Kap. 13, QW-08).

Empfehlungen

10. On-Site-Verhalten & Conversion-Funnel (Econda)

Besucherübersicht

Gesamt: 3.288.826 Besuche, 89.171 Bestellungen, €21.764.681 Umsatz

Bewertung

• Wiederkehrende Besucher konvertieren 2x besser (4,42% vs. 2,13%) und haben einen 52% höheren AOV (€296 vs. €195) GUT
• Bounce Rate liegt bei 43–48% über alle Segmente GUT — B2B-Benchmark liegt bei 40–55%
• Anonymisierte Besucher machen 32% aus — hoher Anteil, der auf Cookie-Consent-Verluste hinweist WARNUNG

Kaufprozess-Funnel (Econda)

Kritische Funnel-Stellen

1. Fehlgeschlagene Zahlungen: 21,4% Ausstieg KRITISCH

Datenquelle und Herleitung

Die Zahl stammt aus dem Econda-Kaufprozess-Export (kaufprozess.csv). Econda trackt jeden Schritt im Checkout als eigene Funnel-Stufe. Die Stufe 4a_Zahlungsoptionen_weil_extern_fehlgeschlagen erfasst Besucher, die nach einer fehlgeschlagenen externen Zahlung (PayPal, Kreditkarte, Klarna etc.) zurück zur Zahlungsauswahl geleitet werden.

Was wir nicht wissen: Econda erfasst nur, dass eine externe Zahlung fehlschlug — nicht welche Zahlungsart und nicht warum. Ob es abgelehnte Kreditkarten, PayPal-Timeouts, 3D-Secure-Abbrüche oder Klarna-Ablehnungen sind, lässt sich aus den vorliegenden Daten nicht bestimmen. Dafür ist eine Fehleranalyse der Payment-Provider (PSP-Logs) nötig.

Impact-Rechnung

1.626 verlorene Bestellungen × Ø AOV ~€240 = ~€390K theoretisch entgangener Umsatz im Analysezeitraum (Q1 2026, 3 Monate). Hochgerechnet auf ein Jahr: ~€1,56M brutto.

Realistisches Recovery-Potenzial: Nicht alle Abbrecher sind rettbar — ein Teil hat keine Kartendeckung, bewusst abgebrochen oder hätte auch mit besserer UX nicht konvertiert. Bei einer realistischen Recovery-Rate von 40–60% ergibt sich ein tatsächliches Potenzial von €600K–950K/Jahr. Das bleibt einer der größten Quick Wins im Audit.

Auswirkung auf die Conversion Rate

Die Gesamt-Conversion-Rate (Bestellungen / Besuche) liegt bei 2,13% (Neue Besucher) bis 4,42% (Wiederkehrende). Ohne die Zahlungsabbrüche wäre sie höher:

Der Effekt auf die Gesamt-Rate ist moderat, weil 7.593 fehlgeschlagene Zahlungen im Vergleich zu 3,29M Gesamtbesuchen ein kleiner Anteil sind. Der Hebel liegt im absoluten Euro-Wert: Diese Nutzer hatten bereits den gesamten Checkout durchlaufen und waren kaufbereit — sie zu verlieren ist besonders teuer.

Zum Vergleich mit anderen Checkout-Stufen:

Die Bestellübersicht (Stufe 5a) hat zwar eine niedrigere Quote, aber absolut die meisten Ausstiege und den höchsten geschätzten Umsatzverlust.

Empfehlungen: - Sofort: Fehleranalyse der Payment-Provider-Logs (PSP) — welche Zahlungsmethode scheitert wie oft und warum? - Sofort: Bessere Fehlermeldungen mit klarer Handlungsanleitung („Ihre Kreditkarte wurde abgelehnt. Versuchen Sie es mit PayPal oder Rechnungskauf.") - Kurzfristig: Alternative Zahlungsmethode prominent anbieten direkt auf der Fehlerseite - Kurzfristig: Retry-Mechanismus implementieren (automatischer Neuversuch nach kurzer Wartezeit)

2. Bestellübersicht: 8,2% Ausstieg WARNUNG

7.720 Nutzer verlassen den Checkout auf der Bestellübersicht-Seite — dem letzten Schritt vor der Bestellung. Das ist die teuerste Ausstiegsstelle, da diese Nutzer den gesamten Funnel durchlaufen haben.

Mögliche Ursachen: - Versandkosten-Schock (werden erst hier sichtbar?) - Lieferzeit-Überraschung - Fehlendes Vertrauen (Siegel, Garantien) - Technische Probleme beim finalen Button

Zum Vergleich: PayPal-Bestellübersicht hat nur 4,1% Ausstieg — PayPal-Nutzer sind commiteter.

3. Passwort vergessen: 25,6% Ausstieg

6.056 Besucher nutzten die Passwort-vergessen-Funktion, davon stiegen 1.549 (25,6%) aus. Das sind Bestandskunden, die durch Login-Friction verloren gehen.

Empfehlung: Magic-Link oder SMS-Login als Alternative anbieten.

Interne Suche (Econda)

Top 20 Suchbegriffe

Analyse

Not-Found-Raten GUT

Die Not-Found-Raten sind durchgehend niedrig (<2%) — die interne Suche findet fast immer Ergebnisse. Das ist professionell.

Bot/Spam-Traffic WARNUNG

"can I ask you a question please?" mit 3.197 Suchen von nur 4 Besuchern ist eindeutig Bot-Traffic oder ein Spam-Angriff auf die interne Suche. Das sollte gefiltert werden.

Mehrsprachigkeit GUT

Suchbegriffe kommen in DE, FR und IT vor (Teller, Assiette, Piatti) — die Suche wird cross-market genutzt.

Suchbegriffe als SEO-Signal

Die Top-Suchbegriffe spiegeln die Kern-Kategorien wider (Geschirr, Gläser, Besteck, Berufsbekleidung). Diese sollten als Prioritäts-Keywords in der SEO-Strategie aufgenommen werden.

Entry Pages (Top 20)

Analyse

• Home dominiert mit 348K Einstiegen — gesund für einen E-Commerce-Shop
• Cart als Entry Page (49K) WARNUNG: Hohe Zahl deutet auf Returning Users hin, die über gespeicherte Links oder Bookmarks direkt zum Warenkorb kommen. Kann aber auch auf Tracking-Anomalien hinweisen.
• Suchergebnisse als Entry Page (29K) WARNUNG: Nutzer landen direkt auf der internen Suche — möglicherweise durch Google-Indexierung der Suchergebnis-Seiten (sollte verhindert werden) oder durch Remarketing-Links.

Conversion-Funnel Bewertung

11. Cross-Channel-Attribution & Tracking-Qualität

Tracking-Diskrepanzen zwischen Systemen

Google Ads vs. GA4 vs. Econda/PMK

Befund: Google Ads reportet ~8,6x mehr Conversion-Wert als Econda/PMK tatsächlich misst. Die Ursachen sind identifiziert (siehe nächster Abschnitt). Es handelt sich nicht um ein kaputtes Conversion-Tag, sondern um Attribution und Ghost-Kampagnen.

Methodischer Hinweis: Der 8,6x-Faktor vergleicht den Google Ads Gesamt-ROAS (27 Monate, Jan 2024–Mär 2026) mit dem Econda/PMK-ROAS (3 Monate, Q1 2026). Da sich Kampagnen-Mix, Saisonalität und Spend-Verteilung über die Zeiträume unterscheiden, ist der exakte Faktor eine Annäherung. Die Richtung (massive Überhöhung) ist eindeutig — der genaue Faktor könnte bei gleichen Zeiträumen zwischen 5x und 12x liegen.

GA4 vs. Econda — Aufgelöst

Die ursprünglich festgestellte „2,3x Diskrepanz" war ein Vergleichsfehler: GA4 deckt 9 Monate ab (Apr–Dez 2025), Econda nur 3 Monate (Q1 2026). Normalisiert auf Monatswerte:

Econda zeigt pro Monat sogar mehr als GA4 — erklärbar durch Q1-2026-Wachstum. Es gibt keine fundamentale Tracking-Diskrepanz zwischen den Systemen.

Verbleibende Econda-Caveats (Q1 2026): - Erste Januar-Woche: Bug — nicht vollständiger Traffic erfasst - Last-Non-Direct-Logik: Erst am 22.01.2026 shopseitig eingeführt. Vor diesem Datum wurde Paid-Traffic teils fälschlicherweise als „Direct" erfasst. Nach Einführung stieg der Google-Ads-Anteil am Umsatz von 39% auf 49%.

Status: Econda/PMK ist als Analytics-Quelle validiert und kann als Single Source of Truth für Revenue-Attribution genutzt werden.

Google Ads Conversion-Tracking: Ursachenanalyse — Ursachen identifiziert

Die Econda/PMK-Validierung (Kapitel 2, Abschnitt „PMK-Validierung") hat die Ursachen für die ROAS-Diskrepanz aufgeklärt:

Identifizierte Hauptursachen

Wichtig: Das Conversion-Tag selbst feuert korrekt. Das Problem liegt in der Attribution und den Ghost-Kampagnen — nicht im technischen Tracking-Setup.

Weitere mögliche Nebenfaktoren

Die folgenden Faktoren können zusätzlich beitragen, sind aber im Vergleich zu Ghost-Kampagnen und Brand-Inflation nachrangig: - Micro-Conversions mit Wert: Falls Add-to-Cart oder Produktansichten einen Conversion-Wert haben, bläht das den Revenue zusätzlich auf - Cross-Account-Duplikation: 46 Google Ads Konten — wenn alle dasselbe Conversion-Tag nutzen, könnten Conversions mehrfach gezählt werden

Impact auf Budget-Entscheidungen

Google Ads ROAS 28,4x vs. realer ROAS 3,3x bedeutet: Wer die Zahlen aus Google Ads für Budget-Entscheidungen nutzt, überschätzt die Wirkung der Werbung um Faktor ~8,6x. Konkret: - Eine Kampagne mit Google Ads ROAS 5x hat real möglicherweise nur ~0,6x — wäre also verlustbringend - Budget-Allokation basiert auf falschen Signalen - Smart Bidding (tROAS, tCPA) optimiert auf verzerrte Ziele

Lösung: (1) Ghost-Kampagnen löschen, (2) Econda/PMK als maßgebliche Revenue-Quelle für Budget-Entscheidungen etablieren, (3) Google Ads Conv.-Wert nur als internes Optimierungssignal nutzen.

Attribution: Kanäle die andere Kanäle füttern

Paid Social → Organic/Direct-Conversion

Paid Social hat nur €329K direkte Revenue bei 220K Sessions. Aber als Awareness-Kanal löst es Conversions aus, die anderen Kanälen zugerechnet werden: - Nutzer sieht Instagram-Ad → googelt "lusini" → kauft → Attribution: Paid Search oder Organic - Ohne Assisted-Conversion-Daten (nur in GA4 verfügbar, das nicht mehr aktiv ist) ist der wahre Wert von Paid Social unklar

Cross-network (Performance Max)

Cross-network (€3,4M Revenue, 12,8% des Traffics) ist ein Sammelbecken für PMax-Traffic, der nicht klar einem Kanal zugeordnet werden kann. Das verschleiert die wahre Kanalleistung.

"Unassigned" — 5,3% des Traffics

407.878 Sessions (5,3%) sind "Unassigned" — sie konnten keinem Kanal zugeordnet werden. Das sind vermutlich: - Tracking-Lücken (fehlende UTM-Parameter) - Consent-bedingte Datenverluste - Redirect-Chains die Referrer-Information verlieren

"(not set)" Landing Pages — 453K Sessions

453.120 Sessions haben keine identifizierbare Landing Page. Bei €22.738 Revenue (€0,05/Session) sind das überwiegend Bounce-Sessions oder Tracking-Fehler. Das betrifft 6% des gesamten Traffics.

Referral-Verzerrung durch interne Systeme

37% der "Referral"-Sessions sind kein externer Traffic. Das verzerrt: - Den Referral-Kanal nach oben - Den Direct-Kanal nach unten - Die Gesamt-Revenue-Attribution

Empfehlungen

Attribution-Bewertung

12. Wettbewerbslandschaft & Marktpositionierung

Datengrundlage

Dieses Kapitel basiert auf: - GSC-Keyword-Daten (10 Märkte, je 5.000 Top-Queries) — transaktionale Keywords, Positionen, CTRs - Google Ads Kampagnendaten — Brand-Defense und Wettbewerber-Kampagnen - Web-Recherche (April 2026) — Wettbewerber-Websites, Bewertungsportale, Branchenberichte

Limitation: Ohne Sistrix/SEMrush fehlen die Sichtbarkeitsindizes und Rankings der Wettbewerber. Die Analyse zeigt Lusinis Position, nicht die der Konkurrenz.

---

Marktüberblick: B2B-Gastronomiebedarf Europa

Marktstruktur

Der europäische B2B-Markt für Gastronomiebedarf (Non-Food) ist fragmentiert. Die größten Anbieter:

Kernbefund: GGM Gastro ist mit >€500M Umsatz der Marktführer — mehr als 3x Lusinis Umsatz. Metro hat als Plattform die größte Artikelzahl. Lusini ist die Nr. 1 im europäischen B2B-Versandhandel für Gastronomie/Hotellerie (Eigenmarken-Fokus), aber im Gesamtmarkt deutlich kleiner als GGM und Metro.

Trends

1. Marktplatz-Shift: Sowohl Metro (seit 2019) als auch Lusini (seit 2022) bauen eigene Marktplätze — das Endspiel ist Plattform-Dominanz
2. Eigenmarke vs. Markenvielfalt: GGM setzt auf Drittmarken (Liebherr, Electrolux, Zwilling), Lusini auf Eigenmarken (Vega, Pulsiva, Erwin M., Jobeline)
3. Showroom-Strategie: GGM investiert massiv in physische Showrooms (21 in 14 Ländern, London 2025) — Lusini hat keine

---

Wettbewerber-Profile

1. GGM Gastro — Marktführer [HOHE RELEVANZ]

Wettbewerbsvorteil GGM: Größe, Preis-Garantie, physische Präsenz durch Showrooms, Drittmarken-Portfolio Wettbewerbsvorteil Lusini: Stärkere Eigenmarken, Trusted Shops mit 50K+ Bewertungen, spezialisierter B2B-Fokus (Hotel + Gastro + Bekleidung)

2. Metro Markets — Plattform-Riese [HOHE RELEVANZ]

• 600.000+ Artikel über 70+ Partner-Lieferanten auf dem Marktplatz
• Marktplatz-Expansion: DE (2019), PT (2022), IT (2022), NL (2023), FR (2023)
• Offline-Vorteil: 678 C&C-Großmärkte als Abholstationen und Touch-Points
• Positionierung: "Größte B2B-Plattform für HoReCa in Europa" — direkter Angriff auf Lusinis Terrain
• SEO-Vorteil: metro.de hat enorme Domain Authority durch jahrzehntelange Offline-Marke

Risiko für Lusini: Metro kombiniert Offline-Bekanntheit mit Online-Marktplatz. In Frankreich, Italien und den Niederlanden ist Metro/Makro bereits die bekanntere B2B-Marke.

3. GastroHero — Preisaggressor [MITTLERE RELEVANZ]

• ~11.000 Artikel, fokussiert auf Küchenausstattung und Kühltechnik (nicht Tableware/Textilien)
• Tiefpreisgarantie + versandkostenfrei ab €350
• Bewertungen: 1.930 auf Trustpilot — aber gemischte Qualität (Lieferverzögerungen, Schadensabwicklung)
• "Top Shop 2025"-Siegel
• Preisbeispiele: Lagerkühlschrank €549 (statt €1.055), Aufschnittmaschine €214 (statt €293) — aggressive Streichpreise

Overlap mit Lusini: Primär bei Küchenausstattung und Edelstahlmöbeln. Kein Overlap bei Tableware, Textilien, Berufsbekleidung.

4. Amazon Business — Komfort-Wettbewerber [HOHE RELEVANZ]

• Dedizierte Gastro-Landingpage (business.amazon.de/gastronomiebedarf)
• Vorteile: Kauf auf Rechnung (30 Tage), Mengenrabatte, nächster-Tag-Lieferung, bestehende Business-Accounts
• Schwäche: Keine Beratung, keine Spezialisierung, keine kuratierte Auswahl
• Risiko für Lusini: Amazon ist bereits der Default-Einkaufskanal für viele B2B-Kunden — insbesondere für Standardware und Verbrauchsmaterial

GSC-Signal: Nur 8 Suchanfragen mit "amazon" in Lusinis GSC-Daten — die Suchreisen sind getrennt. Nutzer die Amazon suchen, landen nicht bei Lusini.

---

SEO-Wettbewerbsposition: Analyse aus GSC-Daten

Transaktionale Keywords nach Markt

Lusinis organische Sichtbarkeit für kaufnahe B2B-Keywords aus den GSC-Daten (je 5.000 Top-Queries pro Markt):

Kernbefund: Lusini steht für transaktionale Keywords in den meisten Märkten auf Seite 2 (Position 8–15). Nur in Österreich (Pos. 5,7), Italien-Pfannen (Pos. 6,3) und DE-Hotelbedarf (Pos. 6,2) ist die Sichtbarkeit kompetitiv. In den umsatzstarken Kategorien Geschirr, Gläser und Möbel ist Lusini in DE auf Position 10+ — das bedeutet: kein relevanter organischer Traffic.

Kritische Keyword-Gaps

Die größten verpassten Suchvolumina (Impressionen >50.000, Position >5, nicht-gebrandete Keywords):

Fazit: Lusini hat massive organische Sichtbarkeitsprobleme bei genau den Keywords, die Kaufabsicht signalisieren. "Horeca" mit 120K Impressionen und Position 8,7 ist symptomatisch — das Kern-Industrie-Keyword wird nicht bedient.

---

Markenwahrnehmung im Vergleich

Trust-Signale

Lusinis Stärke: 50.377 Trusted Shops Bewertungen mit 4,71/5 — das ist ein enormer Trust-Vorteil. Allerdings sind diese Bewertungen nicht als Rich Snippets in den SERPs sichtbar (nur 203 Clicks auf "Review Snippets" in GSC).

Eigenmarken-Suchvolumen (GSC)

Lusinis Eigenmarken generieren signifikantes Suchvolumen — ein Indikator für Markenstärke:

Bemerkenswert: Bonna Porcelain (Drittmarke) generiert 164.926 Impressionen für Lusini — aber nur Position 5,6–7,1. Hier verliert Lusini Traffic an Bonna-Direktvertrieb oder andere Reseller.

---

Wettbewerber-Kampagnen in Google Ads

Lusini betreibt Brand-Defense-Kampagnen in allen Märkten und für alle Eigenmarken:

Befund: Lusini betreibt defensive Brand-Kampagnen in fast allen Märkten, aber kaum offensive Wettbewerber-Kampagnen. Nur in Kroatien, Irland und minimal in DE wird auf Wettbewerber-Keywords geboten. Es gibt keine Kampagnen, die auf Metro, GGM Gastro oder Amazon Business Keywords abzielen.

---

Markt-für-Markt Competitive Dynamics

DACH (DE, AT, CH)

• Hauptkonkurrenz: GGM Gastro (Marktführer), Metro, Amazon Business
• Lusini-Position: Starke Paid-Präsenz, schwache SEO-Sichtbarkeit (Pos. 8,5–10,5 für transaktionale KWs)
• AT ist Lusinis stärkster SEO-Markt: Ø Position 5,7 für Gastrobedarf, CTR 2,4%
• DE-Geschirr (größte Kategorie): Position 10,5 — Seite 2, faktisch unsichtbar organisch
• Trust-Vorteil: 50K Trusted Shops Bewertungen — stärker als GastroHero oder GGM

Frankreich

• Zweitgrößter Markt (€6,7M GA4-Revenue)
• SEO-Problem: Vaisselle (Geschirr) auf Position 10,9, Mobilier auf 10,0 — beides Seite 2
• Wettbewerb: Metro/Makro (stärkste Offline-Marke), Amazon Business
• Intensivstes Brand-Bidding: 7+ verschiedene Vega-Brand-Kampagnen mit verschiedenen Strategien

Italien

• Überraschend starke SEO-Position für Pfannen/Pentole: Position 6,3, CTR 4,5%
• Content-Strategie mit "padelle antiaderenti non tossiche" (giftfreie Pfannen) funktioniert: 23.021 Clicks
• Schwäche: Geringe Monetarisierung (€4,24 Rev/Session) trotz gutem Traffic
• Wettbewerb: Metro Italia, Amazon.it, lokale Anbieter

Nordics (SE, NO, DK)

• €15,4M Ads-Spend — überproportional zum Revenue
• SEO-Position schwach: SE Porslin/Bestick auf Position 10,2 — kein organischer Hebel
• Wenig lokale Online-Wettbewerber im B2B-Gastro-Segment → Lusini kauft sich Marktanteile
• Risiko: Wenn GGM Gastro (bereits in 23 Sprachen) oder Metro die Nordics angreifen, hat Lusini keine organische Fallback-Position

Niederlande

• Schwächster SEO-Markt: "Horeca" Pos. 10,7, "Servies" Pos. 14,7 — tiefe Seite 2
• Bestek (Besteck) auf Position 26,6 — faktisch unsichtbar
• Wettbewerb: Metro NL (Marktplatz seit 2023), Amazon Business, lokale Horeca-Händler

Südeuropa (ES, PT)

• ES: Moderate SEO-Sichtbarkeit (Pos. 7,5), aber kleiner Markt
• PT: Google Ads ROAS 2,5x — wahrscheinlich unprofitabel, kaum organische Präsenz

---

SWOT-Analyse: Lusini vs. Wettbewerb

Stärken

1. 50.377 Trusted Shops Bewertungen (4,71/5) — stärkste Trust-Basis aller Pure-Play-Anbieter
2. 5 starke Eigenmarken mit messbarem Suchvolumen (~900K Impressionen)
3. 17+ Märkte — breiteste europäische Abdeckung unter B2B-Gastro-Pure-Players
4. Hohe Bestandskunden-Loyalität: Returning Visitors 3,5x höhere Rev/Session
5. Professionelle Ads-Infrastruktur: CSS/GSE Dual-Setup, strukturierte Kampagnen

Schwächen

1. SEO-Sichtbarkeit Position 8–15 für transaktionale Keywords — kein relevanter organischer Traffic
2. Content-Strategie off-topic: Dubai-Schokolade, Dirndl-Schleifen statt B2B-Buying-Content
3. 64% Paid-Abhängigkeit — höchste unter allen Wettbewerbern
4. Keine physische Präsenz — kein Showroom, kein C&C (vs. GGM: 21 Showrooms, Metro: 678 Märkte)
5. Review Snippets nicht aktiviert — 50K Bewertungen, aber nicht in SERPs sichtbar

Chancen

1. Marktplatz-Ausbau: Von 100K auf 200K+ Artikel — Plattform-Effekt nutzen
2. SEO-Offensive: Position 8→3 für Top-50-Keywords würde organischen Traffic verdoppeln
3. Eigenmarken-Vorteil: GGM hat keine vergleichbaren Eigenmarken — Marge und Lock-in
4. KI-Suche/AI SEO: Früh in AI-Zitierbarkeit investieren (Kapitel wird wichtiger)

Bedrohungen

1. GGM Gastro wächst schneller: FT 1000 Europe 2026, expandiert in UK mit Showrooms
2. Metro Marktplatz nimmt Fahrt auf — Offline-Brand + Online-Plattform ist schwer zu schlagen
3. Amazon Business wird für B2B-Standard-Bestellungen zum Default
4. Nordics-Abhängigkeit: €15,4M Spend ohne SEO-Fallback — ein CPC-Anstieg oder neuer Wettbewerber bedroht den zweitgrößten Markt

---

Empfehlungen

13. Empfehlungen & Roadmap

Quick Wins (0–30 Tage)

Mittelfristig (1–3 Monate)

Strategisch (3–12 Monate)

Priorisierungsmatrix

                    HOCH
                     │
         QW-01 ●     │     ● ST-01
         QW-02 ●     │     ● MF-01
   I     MF-06 ●     │     ● MF-03
   M              ●  │  ●
   P     QW-03 ●  MF-02  ● ST-03
   A              ●  │
   C     QW-04 ●     │     ● ST-05
   T     QW-05 ●     │
                     │     ● ST-06
                     │
                   NIEDRIG
         ─────────────────────────
         GERING    AUFWAND    HOCH

KPI-Zielwerte

Hinweis zu den Zeithorizonten: SEO-Verbesserungen (Position, Channel-Anteil) zeigen erste Effekte nach 3–6 Monaten, signifikante Verschiebungen erfordern 12–24 Monate kontinuierlicher Arbeit. Die CTR verbessert sich automatisch mit besseren Positionen — ein separates CTR-Ziel ist daher nicht sinnvoll. Affiliate-Aufbau ohne bestehendes Partnernetzwerk braucht ebenfalls 12+ Monate Vorlauf. Conversion-Optimierung (Payment, Checkout) kann dagegen schnell umgesetzt werden (3–6 Monate).