Thesenpapier: Erklärungsansätze für die Geschäftsschwäche

Ausgangslage

Lusini verzeichnet nach eigener Einschätzung eine starke Geschäftsschwäche über die letzten Monate. Dieses Dokument zerlegt den Umsatz systematisch in seine Treiber, prüft, welche sich wie verändert haben — und benennt offen, was wir wissen und was nicht.

---

1. Umsatzentwicklung nach Quellen

GA4 (April 2024 – Dezember 2025)

Quartalszusammenfassung

YoY-Vergleich (gleicher Monat, 2024 vs. 2025)

Erste Erkenntnis: Laut GA4 ist der Revenue YoY nicht rückläufig — er ist in 8 von 9 vergleichbaren Monaten gestiegen. Nur November 2025 zeigt ein leichtes Minus (-2,7%).

Zweite Erkenntnis: Der Rückgang innerhalb eines Jahres (Apr €7,6M → Dez €4,8M) ist Saisonalität, kein Decline. Dasselbe Muster zeigt 2024 (Apr €6,5M → Dez €4,0M).

Dritte Erkenntnis: Für Q1 2026 fehlen GA4-Daten zum YoY-Vergleich. Econda Q1 2026 zeigt €21,4M Umsatz, aber ohne Econda Q1 2025 als Baseline ist kein YoY-Vergleich möglich.

---

2. Umsatz-Treiber-Zerlegung

Formel

Umsatz = Traffic × CR × AOV × (1 − Retourenquote)
AOV = Artikelpreis × Artikelstück
Traffic = Erfolg der Online-Marketing-Channels

2.1 Traffic (Sessions)

Gesamt-Traffic (GA4, Apr–Dez): 5.504.557 (2024) → 7.646.536 (2025) = +38,9%. Das Gesamtbild ist Wachstum, nicht Rückgang.

Nach Kanal (GA4, Apr–Dez 2024 vs. 2025, Quelle: Kapitel 2):

Hinweis zur Datendiskrepanz: Die monatliche GA4-Tabelle oben (Abschnitt 1) summiert für Apr–Dez 2025 auf ca. 6,4M Sessions — rund 1,25M weniger als die 7,65M in der Channel-Analyse (Kapitel 2). Die Differenz stammt wahrscheinlich aus unterschiedlichen GA4-Exporten oder Filtern. Für die Kanal-Analyse verwenden wir die vollständigeren Daten aus dem Audit (Kapitel 2).

Ergebnis: Alle Kanäle wachsen bei Sessions — aber die Revenue-Entwicklung ist gespalten: - Gewinner: Paid Shopping (+82,2% Revenue), Organic (+30,5%), Email (+28,3%) — diese Kanäle wachsen sowohl bei Traffic als auch bei Umsatz - Verlierer: Paid Search (+44,7% Sessions, -4,1% Revenue — mehr Geld rein, weniger Umsatz raus) und Direct (-12% Revenue — der wertvollste kostenlose Kanal schrumpft) - Strukturproblem: Die am schnellsten wachsenden Kanäle (Shopping 3,81€, Cross-network 3,42€, Paid Social 1,49€) haben den niedrigsten Revenue pro Session. Die hochwertigsten Kanäle (Direct 14,67€, Affiliates 20,17€) wachsen am langsamsten oder schrumpfen beim Revenue.

2.2 Conversion Rate (CR)

Ergebnis: CR steigt in Q2 2025 deutlich (+0,70pp), bleibt danach stabil. CR ist kein negativer Treiber. Im Gegenteil: die steigende CR kompensiert teilweise den Traffic-Rückgang.

2.3 AOV (Average Order Value)

Ergebnis: Der AOV ist YoY gestiegen, nicht gefallen. Der scheinbare Rückgang von €280 (Apr) auf €239 (Dez) innerhalb 2025 ist saisonbedingt — dasselbe Muster zeigt 2024 (€271 → €210).

Was wir nicht wissen: Ob sich der AOV aus Artikelpreis × Artikelstück zusammensetzt, können wir nicht beantworten. Dafür fehlen Artikel-Level-Daten (Warenkorb-Zusammensetzung, durchschnittliche Stückzahl, Einzelpreise). Mögliche Erklärungen für AOV-Schwankungen wären: Wechsel von Investitionsgütern (Mobiliar, Geräte) zu Verbrauchsgütern, veränderte Stückzahlen pro Bestellung, oder Preisanpassungen.

2.4 Retourenquote

Keine Daten vorhanden. Weder GA4 noch Econda tracken Retouren. Die Formel Umsatz × (1 − Retourenquote) betrifft den Netto-Umsatz. Ohne Retourendaten können wir nur den Brutto-Umsatz analysieren. Falls die Retourenquote gestiegen ist (z.B. durch mehr Neukunden, die unsicherer bestellen), wäre das ein unsichtbarer Umsatztreiber nach unten.

2.5 Zusammenfassung der Zerlegung

Kernerkenntnis: Laut GA4-Daten (Apr 2024–Dez 2025) ist der Umsatz YoY nicht rückläufig. Traffic sinkt in einzelnen Kanälen, wird aber durch bessere Conversion und höheren AOV kompensiert. Der within-year Rückgang ist Saisonalität.

Offene Frage: Wenn der YoY-Umsatz laut GA4 stabil bis steigend ist — woher kommt dann Lusinis Wahrnehmung einer starken Geschäftsschwäche? Der Audit liefert mehrere Erklärungsansätze (siehe Abschnitt 4, Thesen 1–8):

1. Das Google Ads Reporting vermittelt ein falsches Bild (These 3): Wer Budget-Entscheidungen auf Basis von ROAS 28,4x trifft, bemerkt irgendwann, dass die Realität (3,3x) nicht mitkommt
2. Der Decline ist in Q1 2026 (These 8): Keine GA4-YoY-Daten verfügbar
3. Paid Search Effizienz sinkt (These 2): +44,7% Sessions, -4,1% Revenue — mehr investiert, weniger zurück
4. Checkout-Verluste (These 6): €600K–950K/Jahr entgehen im Payment-Fehler-Flow
5. Margenerosion (These 7): Revenue steigt, aber Kosten steigen schneller (höhere CPCs, mehr Paid, €2M Brand-Spend)
6. Retouren unsichtbar (These 7): Brutto-Revenue kann steigen während Netto sinkt
7. Erwartungsgap: Lusini wächst langsamer als geplant, nicht absolut
8. Andere Kanäle (Offline, Bing, Telesales) fallen weg — von uns nicht erfasst

---

3. Umsatzentwicklung nach Kanälen

Revenue-Anteil nach Kanal (Apr–Dez 2025, Quelle: Kapitel 2)

Auffälligkeiten

1. Paid Search: 33% des Umsatzes, aber Revenue sinkt -4,1% trotz +44,7% mehr Sessions. Mehr Geld rein, weniger Umsatz raus. Keyword-Audit (Kapitel 4) identifiziert: Broad Match 46,5% des Spends bei nur 5,13x ROAS, Non-Brand CPA doppelt so hoch wie nötig, ~€76K Waste.
2. Paid Shopping: Wächst am stärksten (+82,2%), liefert aber nur 3,81€ pro Session — 1/4 des Direct-Werts. Das war eine bewusste Skalierungsentscheidung (siehe Kapitel 2).
3. Direct: Verliert -12% Revenue — der wertvollste kostenlose Kanal schrumpft. Mögliche Ursache: PMax-Kannibalisierung oder Brand-Erosion.
4. Organic Search: 15,3% des Umsatzes, wächst gesund (+30,5%). Aber der Anteil liegt weit unter dem Benchmark von 25–35% — und das Ranking-Niveau (Ø Position 11,3 Mobile / 21,9 Desktop, Kapitel 3) lässt enormes Potenzial liegen.

---

4. Thesen zur Geschäftsschwäche

Auf Basis der Treiber-Zerlegung ergeben sich folgende Erklärungsansätze:

These 1: Traffic-Mix-Verschiebung — gewollt, aber mit unbeabsichtigten Folgen

Der Revenue pro Session sinkt von €8,74 auf €6,88 (-21,3%), weil low-value Kanäle (Shopping +69,9%, Cross-network +12%) massiv wachsen, während hochwertige Kanäle beim Revenue schrumpfen (Paid Search -4,1%, Direct -12%).

Wichtig: Die Shopping-Skalierung war eine bewusste Entscheidung des Managements (Kapitel 2, „Channel-Mix-Effekt"). Die sinkende Rev/Session ist daher kein überraschendes Problem, sondern eine erwartbare Konsequenz. Was jedoch nicht geplant war: - Paid Search Effizienzverlust: +44,7% Sessions, -4,1% Revenue — das ist kein Mix-Effekt, sondern operativer Qualitätsverlust (Kapitel 4: Keyword-Audit zeigt ~€76K Waste, Broad Match 46,5% des Spends) - Direct Revenue -12%: Der wertvollste kostenlose Kanal schrumpft — Brand-Erosion oder PMax-Kannibalisierung (Kapitel 9) - Fehlende organische Absicherung: 15,1% Organic-Anteil statt 25–35% Benchmark — bei bewusstem Paid-Push müsste parallel Organic aufgebaut werden (Kapitel 3)

Datenqualität: Gut belegt (Kapitel 2). Handlungsfähigkeit: Mittel — Kanalverschiebung gewollt, Nebenwirkungen erfordern Korrekturen.

These 2: Paid Search verliert Effizienz — Ursachen identifiziert

+44,7% mehr Sessions, -4,1% weniger Revenue. Der Keyword-Audit (Kapitel 4) hat die Ursachen identifiziert:

Datenqualität: Gut belegt (35,6M Datensätze analysiert). Handlungsfähigkeit: Hoch — sofort umsetzbar (Kapitel 13, QW-05/07/08, MF-06).

These 3: Google Ads Reporting vermittelt falsches Bild der Realität

Der zentrale Befund des Audits (Kapitel 4 + 11): Google Ads meldet ROAS 28,4x, die Econda/PMK-Validierung zeigt realen ROAS von ca. 3,3x — eine Überhöhung um Faktor ~8,6x. Hauptursachen: - Ghost-Kampagnen (~75%): 11 pausierte Kampagnen mit €600M Phantom-Conversion-Wert - Brand-Inflation: Kampagnen mit ROAS 101–1.170x (Nutzer hätten ohne Anzeige gekauft) - Attributionsmodell: Data-Driven vs. Last-Non-Direct (~1,8x Faktor, branchenüblich)

Auswirkung auf die Geschäftswahrnehmung: Wenn das Management Budget-Entscheidungen auf Basis des Google-Ads-ROAS trifft, sehen Kampagnen mit real 0,6x ROAS im Reporting nach 5x aus. Das führt zu Fehlinvestitionen und dem Eindruck, dass "Werbung nicht mehr funktioniert" — weil die Realität nie den Reporting-Werten entsprochen hat.

Datenqualität: Gut belegt (Econda/PMK-Validierung, Q1 2026). Handlungsfähigkeit: Hoch — Ghost-Kampagnen löschen, Econda als Single Source of Truth (Kapitel 13, QW-01).

These 4: PMax-Black-Box kannibalisiert eigene Kanäle

61,5% des Google-Ads-Budgets (€17,3M) fließen in PMax (Kapitel 4). Direct Revenue sinkt -12% — möglicherweise weil PMax Brand-Traffic abfängt. Zusätzlich: €298K Brand-Spend fließt über Shopping/PMax — teurer als dedizierte Brand-Search (Kapitel 4).

Datenqualität: Hypothese, indirekt gestützt. Handlungsfähigkeit: Hoch — A/B-Test möglich (Kapitel 13, QW-04).

These 5: Paid-Abhängigkeit als strukturelles Risiko

64,3% des Traffics ist bezahlt (Benchmark: 40–50%). Organic Search nur 15,1% des Umsatzes (Kapitel 2). Lusinis organische Rankings stehen bei Ø Position 11,3 (Seite 2) für die meisten transaktionalen Keywords (Kapitel 3). Es gibt keinen organischen Puffer, wenn Paid-Effizienz sinkt oder CPCs steigen.

Gleichzeitig: Nordics-CPCs sind extrem hoch (Ø €6,38, Ausreißer bis €2.179/Klick), und €15,4M fließen in SE/NO — fast so viel wie in DE (Kapitel 4).

Datenqualität: Gut belegt (Kapitel 2, 3, 4). Handlungsfähigkeit: Hoch — SEO-Investition (Kapitel 13, ST-01/02), CPC-Caps (QW-05).

These 6: Checkout-Verluste kosten €600K–950K/Jahr

Der Conversion-Funnel (Kapitel 10) zeigt: 21,4% der Nutzer mit fehlgeschlagener Zahlung verlassen den Shop sofort — 1.626 verlorene Bestellungen allein in Q1 2026. Bei realistischer Recovery-Rate (40–60%) sind €600K–950K/Jahr rettbar. Dazu kommen 7.720 Ausstiege auf der Bestellübersicht (8,2%, ~€450K Potenzial).

Wenn Lusini eine "Geschäftsschwäche" wahrnimmt, ist ein Teil davon buchstäblich im Checkout sichtbar — und mit relativ geringem Aufwand behebbar.

Datenqualität: Gut belegt (Econda Kaufprozess-Export). Handlungsfähigkeit: Hoch — sofort umsetzbar (Kapitel 13, QW-02, MF-04).

These 7: Retourenquote und Margenerosion (nicht messbar)

Falls die Retourenquote gestiegen ist, sinkt der Netto-Umsatz unsichtbar für GA4/Econda. Gleichzeitig steigen die Akquisitionskosten durch mehr Paid — die Marge pro Euro Revenue sinkt. Ohne Margen-Daten können wir nicht beurteilen, ob Lusini trotz steigendem Brutto-Revenue weniger verdient.

Datenqualität: Keine Daten. Handlungsfähigkeit: Hoch — Retouren- und Margendaten beschaffen.

These 8: Der Q1-2026-Decline passiert in einer Datenlücke

Wir haben keine GA4-Daten für Q1 2026 und kein Econda-Q1-2025 als Baseline. Econda Q1 2026 zeigt €21,6M Umsatz — ob das besser oder schlechter ist als Q1 2025, können wir nicht sagen. Der von Lusini wahrgenommene Rückgang kann mit unseren Daten weder bestätigt noch widerlegt werden.

Datenqualität: Datenlücke. Handlungsfähigkeit: Hoch — historische Daten anfordern.

---

5. Synthese

Was die Daten zeigen

Was die Daten nicht zeigen

Empfohlene nächste Schritte

Einige der ursprünglichen offenen Fragen sind durch den Audit bereits beantwortet. Der Status: