tl;dr
Die meisten Retention-Metriken sehen top aus – Loyalty-Mitglieder, WhatsApp-Abonnenten, E-Mail-Abonnenten zeigen alle höhere Repeat Rates – aber das ist Selection Bias, kein Beweis, dass sie funktionieren
Incrementality Testing löst das, indem Kunden zufällig Gruppen zugeordnet werden, sodass du Gleiches mit Gleichem vergleichen kannst
Das Setup dauert etwa 30 Minuten in Shopify: ein einmaliger CSV-Upload für Bestandskunden und ein Shopify Flow für neue
Sobald es steht, nutzt du Klars Customer-Segment-Vergleich, um den echten CLV-Uplift jeder Retention-Initiative zu messen
Warum Retention-Messung kaputt ist
Die Kundengewinnungskosten sind im E-Commerce in den letzten drei Jahren um rund 50 % gestiegen. Es gibt eine Grenze, wie weit du diese Kosten senken kannst – und der einzige nachhaltige Weg, steigenden CAC entgegenzuwirken, ist ein besserer Lifetime Value.
Das Problem: Die meisten E-Commerce-Brands sind nicht besonders gut in Retention. Im Schnitt wiederholen sich weniger als 50 % des Umsatzes nach dem ersten Jahr, und nur etwa 21 % der Kunden geben eine zweite Bestellung auf.
Also investieren Brands in Retention-Taktiken: WhatsApp-Flows, Loyalty-Programme, Print-Mailings, bessere Post-Purchase-Erlebnisse. Und wenn du dir die Daten anschaust, scheint jede einzelne davon zu funktionieren. Loyalty-Programm-Mitglieder haben höhere Repeat Rates. E-Mail-Abonnenten haben höheren LTV. WhatsApp-Abonnenten sehen sogar noch besser aus.
Aber hier ist das Problem: diese Gruppen sind nicht zufällig. Deine besten Kunden – die, die dein Produkt ohnehin lieben – sind genau die, die am wahrscheinlichsten deinem Loyalty-Programm beitreten, deine E-Mails abonnieren und sich für WhatsApp anmelden. Sie hätten sowieso wieder gekauft. Du hast ihren höheren LTV nicht dadurch verursacht, dass du sie in ein Programm aufgenommen hast. Du hast sie nur in einer Gruppe gesammelt und etikettiert.
Das ist Selection Bias. Und es macht es nahezu unmöglich zu wissen, welche Retention-Initiativen tatsächlich inkrementellen Wert schaffen und welche einfach nur deine besten Kunden anziehen.
Was Incrementality Testing ist
Incrementality Testing löst das, indem es zufällig zugeordnete Kundengruppen bildet. Zufällig ist hier das Schlüsselwort. Wenn Gruppen zufällig sind, wird jeder Unterschied im Verhalten zwischen einer exponierten Gruppe und einer Kontrollgruppe durch die Initiative selbst verursacht – nicht dadurch, wer ohnehin wahrscheinlich wieder gekauft hätte.
Das Setup ist im Prinzip einfach: Teile deinen Kundenstamm anhand eines zufälligen Merkmals in nummerierte Gruppen (0–9) auf und exponiere dann nur bestimmte Gruppen gegenüber jeder Initiative. Verfolge den Unterschied. Dieser Delta ist deine echte inkrementelle Wirkung.
In Shopify einrichten
Das einfachste zufällige Merkmal ist die letzte Ziffer der Shopify Customer ID. Shopify vergibt Customer IDs fortlaufend, sodass die letzte Ziffer (0–9) über deinen Kundenstamm hinweg praktisch zufällig ist. Du brauchst kein spezielles Tooling – nur Customer Tags.
Bestandskunden – einmaliger CSV-Upload (~10–15 Min.)
Geh in Shopify auf Customers → Export und exportiere alle Kunden inklusive Tags.
Öffne die Datei in einer Tabellenkalkulation. Du siehst eine Spalte für Tags und eine für die Customer ID.
Füge in einer neuen Spalte eine Formel hinzu, die:
prüft, ob ein Tag bereits existiert (um nichts zu überschreiben)
die letzte Ziffer der Customer ID extrahiert
einen Tag im Format
Incrementality Test - [Ziffer]schreibt (z. B.Incrementality Test - 3)falls ein bestehender Tag vorhanden ist, den neuen Tag mit einem Komma als Trenner anhängt
Ziehe die Formel über alle Zeilen nach unten. Füge nur als Werte ein (damit die Formel nicht mitgenommen wird).
Speichere als CSV, geh zurück zu Shopify und importiere – wähle Override customers with same email.
Das war's für deinen bestehenden Kundenstamm.
Neue Kunden – Shopify Flow (einmal einrichten, läuft für immer)
Erstelle in Shopify einen neuen Flow, ausgelöst durch Customer created.
Füge eine Reihe von If/Else-Bedingungen hinzu:
Wenn die Customer ID auf
0endet → TagIncrementality Group - 0hinzufügenWenn die Customer ID auf
1endet → TagIncrementality Group - 1hinzufügenWeiter durch
2→9
Schalte den Flow ein.
Ab diesem Punkt wird jeder neue Kunde automatisch getaggt und einer Gruppe zugeordnet. Gesamte Setup-Zeit inklusive beider Schritte: rund 30 Minuten.
Die inkrementelle Wirkung messen
Sobald deine Tags live sind, kannst du Experimente laufen lassen. Die Logik ist:
Führe eine neue Retention-Initiative ein (z. B. ein Loyalty-Programm)
Exponiere nur bestimmte Gruppen – sagen wir Gruppe 1 und 2 – gegenüber diesem Programm
Halte alle anderen Gruppen als Kontrolle
Vergleiche nach einem definierten Zeitraum (z. B. 90 Tage) den CLV zwischen exponierten und Kontrollgruppen in Klar
Beispiel: Angenommen, dein Loyalty-Programm kostet 7.000 $/Monat (Software + Team). Nach 90 Tagen:
Exponierte Gruppen (1 & 2): durchschnittlicher CLV = 92 $
Kontrollgruppen (alle anderen): durchschnittlicher CLV = 73 $
Inkrementeller Uplift = 19 $ pro Kunde
Wenn du 10.000 Neukunden pro Monat gewinnst, sind das 190.000 $/Monat zusätzliche Marge aus dem Programm – gegen 7.000 $ Kosten. Das ist eine echte Zahl, auf die du handeln kannst.
Echte Ergebnisse werden nicht immer so dramatisch ausfallen. Aber die Methodik ist unabhängig von der Größenordnung solide – weil die Gruppen zufällig sind, ist der Vergleich fair.
Warum das jetzt zählt
Jedes Retention-Tool auf dem Markt zeigt dir Daten, die nahelegen, dass es funktioniert – weil Selection Bias alles so aussehen lässt, als würde es funktionieren. Ohne Incrementality Testing kannst du nicht unterscheiden, welche deiner Initiativen wirklich LTV treiben und welche nur die Kunden einsammeln, die ohnehin zurückgekommen wären.
Das einzurichten dauert eine halbe Stunde. Es kostet nichts. Und es ist der einzige verlässliche Weg zu wissen, was in deinem Retention-Stack tatsächlich funktioniert.