Ein Conversion-Funnel beschreibt den Weg, den Nutzer von der ersten Aufmerksamkeit bis zur Zielhandlung durchlaufen — etwa von der Anzeige über die Landingpage zum Formular bis zur abgesendeten Anfrage. Das Trichterbild verdeutlicht, dass auf jeder Stufe Nutzer abspringen. Die Funnel-Analyse zeigt, wo die größten Verluste entstehen und welche Stufe optimiert werden sollte.
Was ist ein Conversion-Funnel?
Ein Conversion-Funnel beschreibt den Weg, den Nutzer von der ersten Aufmerksamkeit bis zur Zielhandlung durchlaufen — etwa von der Anzeige über die Landingpage zum Formular bis zur abgesendeten Anfrage. Das Trichterbild verdeutlicht, dass auf jeder Stufe Nutzer abspringen. Die Funnel-Analyse zeigt, wo die größten Verluste entstehen und welche Stufe optimiert werden sollte. Der Begriff ist eng verwandt mit dem Sales Funnel und dem Marketing-Funnel, betont aber die konkrete, messbare Conversion am Ende.
Anders als abstrakte Modelle wie das AIDA-Modell ist der Conversion-Funnel operativ: Jede Stufe ist ein messbares Ereignis, jede Übergangsrate eine Kennzahl. Er ist damit das Diagnosewerkzeug der Conversion-Rate-Optimierung und übersetzt das abstrakte Bild der Customer Journey in konkrete, steuerbare Schritte.
Die Zahl und Benennung der Stufen variiert je nach Geschäftsmodell. Ein Onlineshop denkt in Produktansicht, Warenkorb und Kauf; ein Dienstleister in Anzeige, Landingpage, Formular und Anfrage. Gemeinsam ist allen die Grundidee: Von Stufe zu Stufe wird die Nutzergruppe kleiner, dafür qualifizierter.
Wie funktioniert ein Conversion-Funnel?
Ein Funnel zerlegt den Weg zur Conversion in messbare Stufen. Ein einfaches Beispiel: 1.000 Nutzer sehen eine Anzeige, 50 klicken darauf, 40 erreichen die Landingpage vollständig, 10 öffnen das Formular, 5 senden es ab. Jede Stufe hat eine eigene Übergangsrate — und jede Stufe verliert Nutzer. Diese Funnel-Stufen lassen sich je nach Geschäftsmodell feiner oder gröber schneiden.
Gemessen wird der Funnel mit Web-Analyse-Tools, die Ereignisse wie Seitenaufrufe, Scrolltiefe, Formular-Interaktionen und Abschlüsse als Event erfassen. In Google Analytics 4 bildet die Funktion der Funnel-Exploration diesen Weg ab; Google erklärt sie in der Hilfe zu Trichter-Explorationen. So wird sichtbar, wo überproportional viele Nutzer aussteigen — dort liegt der größte Optimierungshebel. Die Methode gehört zum Kern der Funnel-Analyse und der Web-Analyse.
Ergänzend helfen qualitative Werkzeuge wie eine Heatmap oder Session-Recordings, das Warum hinter den Absprüngen zu verstehen. Die reine Zahl zeigt, wo Nutzer aussteigen; die Aufzeichnung zeigt, woran es liegt — etwa an einem verwirrenden Formularfeld oder einem übersehenen Button.
Warum ist die Funnel-Betrachtung wichtig?
Ohne Funnel-Analyse bleibt bei schwachen Ergebnissen unklar, wo das Problem liegt: an der Anzeige, der Zielseite oder dem Formular. Die Stufenbetrachtung ersetzt Raten durch Diagnose. Klicken viele, aber kaum jemand bleibt auf der Seite, passt die Zielseite nicht zum Anzeigenversprechen — ein Signal, das sich auch am Zielseiten-Erlebnis ablesen lässt. Öffnen viele das Formular, senden es aber nicht ab, ist es zu lang oder weckt Bedenken.
Die Reihenfolge der Optimierung folgt der Logik des Trichters: Eine Verbesserung auf einer frühen Stufe wirkt sich auf alle folgenden aus. Gleichzeitig sind späte Stufen oft günstiger zu optimieren — ein besseres Formular mit sauberer Formular-Validierung kostet weniger als mehr Werbebudget. Die Grundlage jeder Zielmessung ist ein vollständiges Conversion-Tracking, dessen Aufbau Google in der Hilfe zu Conversions in Google Ads beschreibt.
Conversion-Funnel in der Praxis
Für eine Kanzlei-Kampagne könnte der Funnel so aussehen: Suchanzeige zu einem konkreten Anliegen, Landingpage mit Ersteinschätzungs-Angebot, Kontaktformular, abgesendete Anfrage über eine Dankeseite und schließlich das tatsächliche Mandat. Die letzte Stufe wird oft vergessen: Erst der Abgleich mit den real gewonnenen Mandaten zeigt, ob die Kampagne wirtschaftlich ist — viele Anfragen nützen wenig, wenn sie nicht zum Kanzleiprofil passen. Hier greift die Offline-Conversion, die den Abschluss außerhalb der Website zurück ins Tracking spielt.
Typische Schwachstellen in der Praxis: Zielseiten, die das Anzeigenversprechen nicht einlösen, zu lange Formulare, fehlende Mobile-First-Optimierung und fehlende Vertrauenselemente wie Social Proof kurz vor der Kontaktaufnahme. Eine klare Call-to-Action auf jeder Stufe hält Nutzer im Trichter. Verbesserungen sollten über einen A/B-Test abgesichert werden, damit der Effekt nachweisbar ist.
Micro- und Macro-Conversions im Funnel
Nicht jede wertvolle Handlung ist ein Abschluss. Neben der Makro-Conversion — der eigentlichen Zielhandlung wie der abgesendeten Anfrage — gibt es zahlreiche Mikro-Conversions: das Ansehen eines Videos, das Herunterladen eines Ratgebers, der Klick auf die Telefonnummer. Diese Zwischenschritte markieren den Fortschritt im Funnel und liefern wertvolle Signale, auch wenn sie den Abschluss noch nicht bedeuten.
Wer den Funnel um Mikro-Conversions ergänzt, versteht das Nutzerverhalten feiner und kann früher eingreifen. Zugleich eignen sich Mikro-Conversions als Optimierungsziele für Kampagnen, wenn Makro-Conversions zu selten auftreten, um daraus zuverlässig zu lernen — etwa in Nischen mit geringem Anfragevolumen. Wichtig ist, beide Ebenen sauber im Tracking-Konzept zu trennen, damit die Auswertung eindeutig bleibt.
Grenzen und häufige Fehler
Der Funnel ist ein Modell, kein Abbild der Realität: Nutzer springen zwischen Kanälen, kehren später zurück oder recherchieren parallel. Ein linearer Trichter unterschätzt diese verschlungenen Wege, die die Customer Journey genauer beschreibt. Deshalb ist die Attribution — welchem Touchpoint eine Conversion zugerechnet wird — eine eigene, anspruchsvolle Frage.
Ein weiterer Fehler ist die Fixierung auf die reine Menge. Ein Funnel mit vielen Abschlüssen, aber schlechter Lead-Qualifizierung, ist wirtschaftlich schwächer als ein engerer Trichter mit passenden Anfragen. Und schließlich braucht die Funnel-Analyse ausreichende Fallzahlen: Bei wenigen Nutzern sind Übergangsraten stark zufallsbehaftet, Optimierungen sollten dann besonders vorsichtig interpretiert werden.
Funnel-Kennzahlen richtig interpretieren
Die aussagekräftigsten Funnel-Kennzahlen sind die Übergangsraten zwischen den Stufen, nicht die absoluten Zahlen. Eine niedrige Rate an einer bestimmten Stelle weist den Weg zur Optimierung, während die Gesamtzahl der Abschlüsse allein wenig über die Ursache verrät. In Kombination mit der Conversion-Rate und den Kosten je Abschluss ergibt sich ein Bild davon, wo Budget und Aufwand am besten wirken; Grundlagen dazu erklärt Google in der Hilfe zu Conversion-Raten.
Wichtig ist, den Funnel im Zeitverlauf und im Vergleich zu betrachten: Verändert eine Optimierung eine Übergangsrate spürbar, ist das ein starkes Signal. Einzelne Momentaufnahmen dagegen sind mit Vorsicht zu genießen, weil Saison, Kampagnenwechsel und Traffic-Zusammensetzung die Werte beeinflussen. Ein durchdachtes Tracking-Konzept und die Verknüpfung mit dem CRM machen den Funnel bis zum tatsächlichen Umsatz nachvollziehbar.
In der praktischen Optimierung bewährt sich ein systematisches Vorgehen: die schwächste Stufe identifizieren, eine begründete Hypothese formulieren, warum Nutzer dort aussteigen, und die Änderung anschließend messen. Häufig sind es unscheinbare Details, die den Unterschied machen — ein irritierendes Pflichtfeld, ein unklarer nächster Schritt oder fehlendes Vertrauen kurz vor dem Abschluss. Wer den Funnel Stufe für Stufe verbessert, statt alles gleichzeitig umzubauen, versteht besser, was wirkt, und baut ein wiederholbares Optimierungssystem auf. So wird aus dem Trichterbild ein laufender Prozess, der Kampagnen und Landingpage kontinuierlich effizienter macht, statt einmalig zu diagnostizieren. Über die Zeit summieren sich viele kleine Verbesserungen zu einem deutlich besseren Gesamtergebnis, das mit reiner Budgeterhöhung kaum zu erreichen wäre. Der Funnel wird damit vom Diagnosewerkzeug zum festen Bestandteil eines datengetriebenen Marketings, das seine Annahmen laufend überprüft und verfeinert.