Die Funnel-Analyse ist eine Auswertungsmethode der Web-Analyse, die den Weg von Nutzern durch eine definierte Schrittfolge untersucht — etwa von der Landingpage über das Formular bis zur abgeschickten Anfrage. Sie zeigt, wie viele Nutzer jeden Schritt erreichen und an welcher Stelle die meisten abspringen. So lassen sich Schwachstellen im Conversion-Prozess gezielt identifizieren und beheben.
Was ist eine Funnel-Analyse?
Die Funnel-Analyse ist eine Auswertungsmethode der Web-Analyse, die den Weg von Nutzern durch eine definierte Schrittfolge untersucht — etwa von der Landingpage über das Formular bis zur abgeschickten Anfrage. Sie zeigt, wie viele Nutzer jeden Schritt erreichen und an welcher Stelle die meisten abspringen. So lassen sich Schwachstellen im Conversion-Prozess gezielt identifizieren und beheben.
Der Begriff Funnel (Trichter) verweist auf die Form: Oben treten viele Besucher ein, mit jedem Schritt wird die Zahl kleiner, unten bleiben die Abschließenden übrig. Die Funnel-Analyse ist damit ein zentrales Werkzeug innerhalb des größeren Marketing-Funnels und des Sales-Funnels, der den gesamten Weg vom ersten Kontakt bis zum Abschluss beschreibt.
Zu unterscheiden ist zwischen dem groben Marketing-Funnel, der ganze Phasen wie Aufmerksamkeit, Interesse und Entscheidung umfasst, und der konkreten Funnel-Analyse auf der Website, die einzelne, messbare Schritte betrachtet. Erstere ist ein strategisches Modell, letztere ein diagnostisches Werkzeug mit echten Zahlen.
Wie funktioniert eine Funnel-Analyse?
Zunächst wird der Funnel definiert: eine Abfolge von Schritten, die Nutzer idealerweise durchlaufen. Bei einer Kanzlei-Website könnte das so aussehen: Aufruf der Leistungsseite, Klick auf „Kontakt“, Start des Formulars, Absenden der Anfrage. Jeder Schritt wird als Ereignis oder Seitenaufruf gemessen — in Google Analytics 4 etwa über die explorative Trichteranalyse, die die Google-Hilfe zur Trichteranalyse beschreibt.
Die Auswertung zeigt pro Schritt die Anzahl der Nutzer und die Abbruchrate zum nächsten Schritt. Verliert der Funnel zwischen Formularstart und Absenden überdurchschnittlich viele Nutzer, deutet das auf Probleme im Formular hin — zu viele Pflichtfelder, unklare Fehlermeldungen oder technische Hürden auf Mobilgeräten, oft eine Frage der Formular-Validierung. Segmentierungen nach Gerät, Kanal oder Zielgruppe verfeinern das Bild; die Ereignisse lassen sich über Ereignis-Parameter genauer beschreiben.
Man unterscheidet offene und geschlossene Funnels. Ein geschlossener Funnel zählt nur Nutzer, die am ersten Schritt eingestiegen sind; ein offener erlaubt den Einstieg auf jeder Stufe. Die Wahl hängt von der Fragestellung ab. Wichtig ist, den Funnel so zu definieren, dass er dem tatsächlichen Verhalten der Nutzer entspricht, statt einem idealisierten Wunschpfad.
Warum ist die Funnel-Analyse wichtig?
Ohne Funnel-Analyse bleibt oft nur die Gesamtbetrachtung: Es kommen Besucher, aber wenige Anfragen. Die Funnel-Analyse ersetzt dieses Rätselraten durch eine präzise Diagnose — sie zeigt, welcher Schritt die Conversion verhindert. Das macht Optimierungsmaßnahmen effizienter, weil sie am größten Engpass ansetzen statt an Vermutungen. Sie ist deshalb ein Kernwerkzeug der Conversion-Rate-Optimierung.
Gerade bei bezahltem Traffic aus Google Ads oder Meta Ads entscheidet ein dichter Funnel darüber, ob sich das Werbebudget rechnet. Jeder unnötige Absprung im Funnel bedeutet bezahlte Klicks ohne Ergebnis. Wer den Trichter analysiert und Schritt für Schritt verbessert, hebt die Conversion-Rate und senkt die Kosten pro Anfrage — ohne mehr Budget einzusetzen.
Die Funnel-Analyse verlagert den Fokus von der Reichweite auf die Effizienz. Statt immer mehr Besucher einzukaufen, holt sie mehr aus den vorhandenen heraus. Das ist oft der wirtschaftlichere Hebel: Eine Verbesserung der Abschlussquote wirkt auf jeden einzelnen Besucher, während zusätzliche Reichweite zusätzliches Budget kostet.
Funnel-Analyse in der Praxis
Ein bewährtes Vorgehen: Funnel in Google Analytics 4 anlegen, mindestens einige Wochen Daten sammeln, dann den Schritt mit der höchsten Abbruchrate untersuchen. Ergänzende Werkzeuge wie eine Heatmap oder Session-Aufzeichnungen zeigen, was Nutzer an der Absprungstelle konkret tun. Anschließend wird eine Verbesserung umgesetzt — etwa ein kürzeres Formular — und deren Wirkung im Funnel gemessen, idealerweise per A/B-Test.
Die Analyse gewinnt an Aussagekraft, wenn man sie mit der Customer Journey verknüpft und nach Segmenten trennt. Mobile Nutzer verhalten sich oft anders als Desktop-Nutzer; ein Funnel, der beide zusammenwirft, verdeckt Probleme. Als übergeordnete KPI dient die Gesamt-Conversion-Rate des Funnels, während die einzelnen Schrittraten zeigen, wo Optimierung ansetzen sollte.
Sinnvoll ist, die Funnel-Analyse als fortlaufenden Prozess zu verstehen, nicht als einmalige Untersuchung. Nach jeder Verbesserung verschiebt sich der Engpass an eine andere Stelle. Wer den Funnel regelmäßig prüft, arbeitet sich systematisch vom größten zum nächstgrößeren Hindernis vor und verbessert die Gesamtleistung Schritt für Schritt.
Typische Fehler bei der Funnel-Analyse
Typische Fehler sind zu grob definierte Schritte, die den eigentlichen Absprungpunkt verdecken, fehlende Segmentierung nach Mobil- und Desktop-Nutzern sowie Funnels, die den realen Nutzerpfad nicht abbilden, weil Nutzer Schritte überspringen oder mehrfach durchlaufen. Ein Funnel ist nur so gut wie seine Definition — passt sie nicht zum tatsächlichen Verhalten, führt die Analyse in die Irre.
Ein weiterer Fehler ist, aus zu wenig Daten voreilige Schlüsse zu ziehen. Eine hohe Abbruchrate an einem Schritt kann Zufall sein, wenn die Fallzahl klein ist. Auch die Verwechslung von Absprung und normalem Verhalten kommt vor: Nicht jeder, der die Absprungrate erhöht, ist verloren — manche kehren später zurück. Sinnvoll ist, Funnel-Daten über einen ausreichenden Zeitraum zu betrachten und mit anderen Signalen zu kombinieren, bevor man Maßnahmen ableitet.
Schließlich verleitet die reine Zahlenbetrachtung dazu, das Warum zu übersehen. Der Funnel zeigt, wo Nutzer abspringen, aber nicht, warum. Erst qualitative Werkzeuge und die Kombination mit der Conversion Rate sowie der Betrachtung der gesamten Website-Performance liefern das vollständige Bild, das für gute Entscheidungen nötig ist.