Funnel Analysis in der mobilen Analytik — was es ist, Funnel-Phasen und wie man sie erstellt

Was ist Funnel Analysis?

Funnel Analysis (Trichteranalyse) ist eine Analysemethode, bei der eine Abfolge von Ereignissen identifiziert wird, die zu einer Conversion führen. Jeder folgende Schritt umfasst nur die Benutzer, die alle vorherigen abgeschlossen haben. Das Ergebnis ist ein „Funnel“ — ein breiter Eingang (alle, die begonnen haben) und ein schmaler Ausgang (diejenigen, die abgeschlossen haben).

In mobilen Apps sieht ein typischer Funnel so aus: Installation → Registrierung → Onboarding → erste Aktion → wiederholte Aktion → Kauf. Bei jedem Schritt springen einige Benutzer ab, und die Aufgabe des Analysten ist es, die Ursache zu verstehen und die Verluste zu reduzieren.

Basismetriken des Funnels

Die Metrik Average Time zwischen Schritten wird oft unterschätzt. Wenn es von der Installation bis zur Registrierung durchschnittlich 45 Minuten dauert, liegt das Problem im Laden von Inhalten oder der Komplexität des ersten Bildschirms.

Funnel-Arten in der mobilen Analytik

Funnels werden in zwei Haupttypen unterteilt — offene und geschlossene. Die Wahl hängt vom Szenario und der Flexibilität der Benutzerreise ab.

Geschlossener Funnel (Strict Funnel)

Der Benutzer muss alle Schritte streng in der Reihenfolge absolvieren. Wenn er einen Schritt überspringt oder einen anderen Weg nimmt, wird er nicht in den Funnel aufgenommen. Beispiel: Registrierung → E-Mail-Bestätigung → Profil ausfüllen → erste Bestellung. Geschlossene Funnels liefern ein sauberes Bild, schließen aber reale Benutzerszenarien aus.

Offener Funnel (Open Funnel)

Der Benutzer kann Schritte in beliebiger Reihenfolge ausführen oder einige überspringen. Das System zählt die Conversion bei jedem Schritt unabhängig. Beispiel: Katalogansicht → in den Warenkorb legen → Checkout. Open Funnel ist eine realistischere Methode für die meisten mobilen Apps.

• Geschlossener Funnel — strenge Reihenfolge, alle Schritte obligatorisch
• Offener Funnel — freie Reihenfolge, Schritte optional
• Hybrid — erste Schritte obligatorisch, folgende frei

Beispiel für einen Hybrid-Funnel bei einer Abo-App

Schritt 1 (obligatorisch): App-Installation. Schritt 2 (obligatorisch): Anzeige des Abo-Bildschirms. Schritt 3 (optional): Anzeige der Tarife. Schritt 4 (obligatorisch): Abschluss des Abonnements. Der hybride Ansatz bietet eine Balance zwischen Datenreinheit und Realitätsnähe.

Phasen der Funnel-Erstellung

Einen Funnel erstellen ist eine Aufgabe an der Schnittstelle von Analytik und Produkt. Der Prozess besteht aus fünf Schritten, von der Hypothesenformulierung bis zur Automatisierung des Berichts.

Schritt 1: Definieren Sie die Ziel-Conversion

Was soll der Benutzer tun? purchase_completed, subscription_started, referral_sent. Das Zielereignis ist die Spitze des Funnels. Alle darunterliegenden Schritte führen dorthin.

Schritt 2: Zerlegen Sie den Pfad in Ereignisse

Listen Sie alle obligatorischen Ereignisse zwischen dem App-Eintritt und der Zielaktion auf. Für E-Commerce: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Jedes Ereignis sollte bereits im Event Tracking existieren oder hinzugefügt werden.

Schritt 3: Wählen Sie ein Zeitfenster

Time Window — die maximale Zeit zwischen dem ersten und letzten Schritt. Für schnelle Szenarien (Spielinstallation) — 24 Stunden. Für abonnementbasierte — 7 oder 30 Tage. Ereignisse außerhalb des Fensters werden nicht in die Analyse einbezogen.

Die Fensterwahl wirkt sich direkt auf die Conversion aus: Ein zu kurzes Fenster (1 Stunde) schließt Benutzer aus, die nach 2 Stunden zurückkehrten, um einen Kauf abzuschließen. Ein zu langes (30 Tage) schließt zufällige Aktionen ein. Das Optimum wird durch Analyse der Zeit zwischen Schritten bestimmt: Erstellen Sie eine Intervallverteilung und wählen Sie das Fenster auf dem 90. Perzentil.

Für schnelle Funnels (Onboarding, Registrierung) verwenden Sie ein 1-Stunden-Fenster. Für mittlere (erster Kauf) — 7 Tage. Für lange (Abonnement) — 30 Tage. Innerhalb desselben Funnels können verschiedene Fenster für verschiedene Schrittpaare verwendet werden.

-- Beispiel einer Funnel-Berechnung in BigQuery
WITH funnel_steps AS (
  SELECT
    user_id,
    event_name,
    event_timestamp,
    LAG(event_name) OVER (
      PARTITION BY user_id ORDER BY event_timestamp
    ) AS previous_event
  FROM `project.events.*`
  WHERE event_name IN (
    'app_opened', 'product_viewed',
    'add_to_cart', 'purchase_completed'
  )
)
SELECT
  event_name AS step,
  COUNT(DISTINCT user_id) AS users,
  ROUND(
    COUNT(DISTINCT user_id)
    / MAX(COUNT(DISTINCT user_id)) OVER (), 3
  ) AS conversion_rate
FROM funnel_steps
GROUP BY step
ORDER BY ARRAY_POSITION(
  ['app_opened', 'product_viewed',
   'add_to_cart', 'purchase_completed'],
  event_name
)

Die Abfrage verwendet LAG zum Verfolgen der Sequenz und ARRAY_POSITION zum Sortieren der Schritte. Das Ergebnis ist eine Tabelle mit der Anzahl der Benutzer und der Conversion bei jedem Schritt.

Schritt 4: Prüfen Sie anhand historischer Daten

Erstellen Sie den Funnel auf Basis der Daten der letzten 30 Tage. Wenn „checkout_started“ eine Conversion von 80% hat, aber „purchase_completed“ nur 25%, liegt das Problem im Zahlungsformular. Vergleichen Sie mit Wettbewerbs-Benchmarks: Die durchschnittliche Warenkorb-Conversion in mobilen Apps beträgt 15–25% laut Statista (2024).

Schritt 5: Automatisieren Sie die Überwachung

Richten Sie einen täglichen Bericht mit dem Funnel in einem Dashboard ein (Looker Studio, Tableau). Fügen Sie Warnungen hinzu: Wenn die Conversion Rate bei einem Schritt unter die Kontrollgrenze fällt, senden Sie eine Benachrichtigung an Slack oder Telegram.

Verlustanalyse im Funnel

Drop-off Analysis ist eine Schlüsselphase der Funnel Analysis. Verluste bei jedem Schritt sind eine Quelle von Hypothesen zur Produktverbesserung. Es werden drei Problemzonen identifiziert: technische Fehler, UX-Barrieren und motivationale Szenarien.

Technische Verluste

Wenn 15% der Benutzer beim Schritt „registration_completed“ nach Eingabe der Telefonnummer abspringen, überprüfen Sie das SMS-Gateway. Technische Verluste sind in 1–2 Tagen behoben und sorgen für einen schnellen Conversion-Schub. Verwenden Sie Firebase Crashlytics in Verbindung mit dem Funnel, um Fehler zu identifizieren.

UX-Barrieren

Wenn 40% bei „cart_viewed“ → „checkout_started“ verloren gehen, liegt das Problem in der UX des Warenkorbs. Möglicherweise gibt es keinen „Checkout“-Button oberhalb der Bildschirmfalte oder die Versandkosten werden vor der Eingabe der Adresse nicht angezeigt. UX-Analyse erfordert Session-Replays (Hotjar, UXCam, Smartlook).

Motivationale Verluste

Wenn der Benutzer „payment_selected“ erreicht, aber den Kauf nicht abschließt, ist der Wert des Angebots niedriger als der Preis. Motivationale Verluste werden mit Rabatten, Testphasen und sozialem Beweis behandelt. A/B-Test: Zeigen Sie 50% der Benutzer Bewertungen auf der Zahlungsseite und vergleichen Sie die Conversion.

• Technische — Fehler, Timeouts, API-Fehler (bis zu 20% der Verluste)
• UX-Barrieren — komplexe Navigation, versteckte CTAs (bis zu 35%)
• Motivationale — Preis, fehlendes Vertrauen (bis zu 45%)

Analysemethode: 5 Warums für den Funnel

Die 5 Warums-Technik, angewendet auf den Funnel: Bei einem Schritt, an dem die Conversion um 20% gefallen ist, stellen Sie nacheinander fünf „Warum“-Fragen. Warum erreichen Benutzer nicht die Zahlung? Weil das Zahlungsformular langsam lädt. Warum lädt es langsam? Weil die Anfrage an das Zahlungs-Gateway timeoutet. Warum timeoutet sie? Weil das SDK nicht aktualisiert ist. Die Methodik identifiziert die Grundursache, nicht das Symptom.

Die Kohortenanalyse des Funnels ist ein weiteres Werkzeug. Vergleichen Sie den Funnel von Benutzern, die die App im Januar und Februar installiert haben. Wenn die Februar-Kohorte einen Conversion-Rückgang von 15% beim Schritt „Registrierung“ zeigt, liegt die Ursache in einer Änderung des Onboarding-Bildschirms, die Ende Januar ausgerollt wurde. Kohorten isolieren zeitliche Faktoren.

Laut CXL Institute (2024) führt eine systematische Drop-off-Analyse mit anschließendem A/B-Testing der Hypothesen zu einer durchschnittlichen Steigerung der Funnel-Conversion um 30% in 3 Monaten.

Werkzeuge für Funnel Analysis

Jedes Werkzeug bietet seinen eigenen Ansatz zur Erstellung von Funnels. Die Wahl hängt von der Produktkomplexität und dem Budget ab.

Amplitude — Pathfinder und Funnel Analysis

Amplitude ist der Marktführer in der Produktanalytik. Die integrierte Funnel Analysis ermöglicht die Segmentierung des Funnels nach Kohorten, Geräten und App-Versionen. Pathfinder zeigt Verzweigungen — wie viele Benutzer nach Schritt 2 einen alternativen Weg genommen haben.

Mixpanel — Flows

Mixpanel Flows visualisiert den Funnel als Übergangsgraphen. Vorteil: Echtzeit-Updates. Nachteil: eingeschränkte Filterung im kostenlosen Tarif. Geeignet für mittelgroße Projekte mit einem Team von bis zu 10 Analysten.

Firebase Analytics — Funnel Report

Firebase bietet einen kostenlosen Funnel Report mit einem Limit von bis zu 10 Schritten. Die Integration mit BigQuery ermöglicht die Erstellung benutzerdefinierter Funnels per SQL. Ideal für Start-ups, die gerade erst mit der Analyse von Conversions beginnen.

Tableau + BigQuery

Für Enterprise-Lösungen verwenden Sie Tableau mit BigQuery als Quelle. Dies bietet volle Flexibilität: benutzerdefinierte Metriken, End-to-End-Analyse von der Installation bis zum LTV, Echtzeit-Überwachung. Erfordert einen BI-Ingenieur.

Google Analytics 4 — Funnel Exploration

GA4 bietet Funnel Exploration im Bereich Explore. Unterstützt bis zu 10 Schritte, Segmentierung nach Benutzerparametern und Zeitraumvergleiche. Nachteil: eingeschränkte Flexibilität im Vergleich zu Amplitude, aber völlig kostenlos und in Google Ads integriert.

Vergleich der Funnel Analysis-Werkzeuge

Die Wahl des Werkzeugs wird durch die Analysehäufigkeit bestimmt. Für die tägliche Funnel-Überwachung eignen sich Amplitude oder Mixpanel. Für wöchentliche strategische Berichte — Tableau mit BigQuery. Für Start-ups — Firebase oder GA4.