Der unsichtbare Margenkiller
Retouren gehören zum E-Commerce wie das Bezahlen an der Kasse. Im Fashion-Bereich gehen 30 bis 50 % aller Bestellungen zurück. Das wissen die meisten Händler. Was viele nicht wissen: Was jede einzelne Retoure tatsächlich kostet — und vor allem, wo die Kosten entstehen.
Laut EHI Retail Institute kalkulieren 53,3 % der Händler mit bis zu 10 EUR Kosten pro Retoure. 13,9 % rechnen sogar mit bis zu 20 EUR. Das klingt nach überschaubaren Beträgen. Aber wenn Sie die Retourenkosten nicht verursachungsgerecht aufschlüsseln — nach Produkt, Kanal und Kundensegment — dann sehen Sie nur den Durchschnitt. Und Durchschnitte verstecken die wahren Problemstellen.
Ein Produkt mit 8 % Retourenquote über Google Shopping und 42 % über Instagram Ads ist nicht dasselbe Produkt. Zumindest nicht aus Sicht Ihrer Deckungsbeitragsrechnung.
Warum die Gesamtquote nichts aussagt
Die meisten E-Commerce-Dashboards zeigen Ihnen eine Zahl: die Gesamtretourenquote. Vielleicht noch aufgeschlüsselt nach Produktkategorie. Das reicht nicht.
Stellen Sie sich einen Fashion-Shop mit drei Produkten vor:
Produkt A — Sneaker "Classic"
- Retourenquote gesamt: 18 %
- Über Google Shopping: 12 %
- Über Instagram Ads: 35 %
- Bei Neukunden: 38 %
- Bei Bestandskunden: 9 %
Produkt B — Kleid "Bella"
- Retourenquote gesamt: 44 %
- Über Google Shopping: 40 %
- Über Instagram Ads: 52 %
- Bei Neukunden: 55 %
- Bei Bestandskunden: 31 %
Produkt C — T-Shirt "Basic"
- Retourenquote gesamt: 11 %
- Über Google Shopping: 10 %
- Über Instagram Ads: 14 %
- Bei Neukunden: 15 %
- Bei Bestandskunden: 8 %
Auf den ersten Blick ist Produkt B der Problemfall. Aber schauen Sie genauer hin: Die Sneaker haben bei Neukunden aus Instagram Ads eine Retourenquote von 38 %. Wenn Sie 80 EUR Kundenakquisitionskosten (CAC) für einen Neukunden zahlen, der für 45 EUR bestellt und dann retourniert — dann haben Sie nicht nur nichts verdient, sondern 80 EUR plus Retourenkosten plus Versand verloren.
Das ist kein Randfall. Die Marketing-Kosten pro Bestellung sind in den letzten fünf Jahren um 30 bis 70 % gestiegen. Wenn Sie nicht wissen, welche Kanal-Produkt-Kundensegment-Kombination profitabel ist, verbrennen Sie Geld — und merken es erst am Quartalsende.
Rechnen wir das Beispiel konkret durch: Sie schalten Instagram Ads für die Sneaker, zahlen 80 EUR CAC, der durchschnittliche Bestellwert liegt bei 89 EUR. Die Marge vor Marketing und Retouren beträgt 35 EUR. Abzüglich der 80 EUR Akquisekosten sind Sie schon bei minus 45 EUR. Wenn dann noch 38 % dieser Neukunden retournieren — mit Retourenkosten von 12 EUR pro Stück — wird aus einem vermeintlich erfolgreichen Kanal ein systematisches Verlustgeschäft. Und das sehen Sie nur, wenn Sie alle drei Dimensionen zusammen betrachten.
Das Daten-Problem: Alles liegt in verschiedenen Systemen
Die Informationen, die Sie für diese Analyse brauchen, existieren bereits. Sie liegen nur in unterschiedlichen Systemen:
- Retourendaten im Shopsystem oder WMS (Warenwirtschaft)
- Kanalzuordnung in Google Analytics oder Ihrem Attributionsmodell
- Kundenhistorie im CRM oder in der Kundendatenbank
- Produktdaten im PIM oder ERP
- Marketing-Kosten in Google Ads, Meta Ads, Affiliate-Plattformen
Um die Frage "Welches Produkt hat die höchste Retourenquote bei Neukunden aus Google Ads?" zu beantworten, müssten Sie Daten aus mindestens drei Systemen zusammenführen. Manuell bedeutet das: Export, Excel, SVERWEIS, Pivot-Tabellen, stundenlanges Basteln. Und bis die Analyse fertig ist, sind die Daten von gestern.
Genau dieses Problem beschreiben wir auch in unserem Artikel über Datensilos aufbrechen — getrennte Systeme verhindern die Analysen, die Sie eigentlich brauchen.
Was eine verursachungsgerechte Retouren-Analyse beinhaltet
Eine sinnvolle Retouren-Analyse geht über die Gesamtquote hinaus. Sie schlüsselt Retourenkosten auf — verursachungsgerecht, wie in einer echten Deckungsbeitragsrechnung:
Nach Produkt:
- Welche Produkte haben die höchste Retourenquote?
- Welche Produkte sind nach Abzug der Retourenkosten noch profitabel?
- Gibt es Größen- oder Farbvarianten mit überproportional vielen Retouren?
Nach Kanal:
- Welcher Marketing-Kanal bringt die Kunden mit der höchsten Retourenquote?
- Stimmt die Produktdarstellung im jeweiligen Kanal mit der Realität überein?
- Lohnt sich ein Kanal nach Abzug der Retouren noch?
Nach Kundensegment:
- Retournieren Neukunden häufiger als Bestandskunden?
- Gibt es "Serienretournierer" — und wie gehen Sie damit um?
- Wie unterscheidet sich die Retourenquote nach Region, Altersgruppe oder Bestellwert?
Nach Zeitraum:
- Steigt die Retourenquote saisonal?
- Sind Retouren nach Rabattaktionen höher als im Normalgeschäft?
- Wie entwickelt sich die Quote über die letzten Quartale?
Diese Analyse ist die Grundlage für fundierte Entscheidungen über Sortiment, Pricing und Kanalstrategie. Ohne sie treffen Sie Entscheidungen im Blindflug. Mehr dazu, wie Sie die Profitabilität Ihrer Produkte wirklich berechnen.
Warum so wenige Händler das heute machen
Laut EHI Retail Institute setzen nur 7,3 % der Händler KI im Retourenmanagement ein. 45,5 % halten KI für "zukünftig relevant". Das bedeutet: Die überwiegende Mehrheit analysiert Retouren noch manuell — oder gar nicht systematisch.
Die Gründe sind nachvollziehbar:
- Daten liegen verstreut. Wer keine zentrale Datenbasis hat, kann keine kanalübergreifende Analyse machen.
- Technisches Know-how fehlt. Für SQL-Abfragen über mehrere Datenbanken brauchen Sie Data Engineers oder BI-Spezialisten.
- Zeit. Die manuelle Aufbereitung dauert Stunden oder Tage — und muss regelmäßig wiederholt werden.
- Die Gesamtquote genügt gefühlt. Solange die Gesamtretourenquote "im Rahmen" liegt, hinterfragt niemand die Details.
Aber genau in den Details liegt das Geld. Ein Händler, der seine Retourenquote von 35 % auf 30 % senkt, spart nicht 5 Prozentpunkte — er spart tausende Euro an Logistik, Verpackung und entgangenem Umsatz. Bei 10.000 Bestellungen pro Monat und 12 EUR Retourenkosten pro Stück bedeuten 5 Prozentpunkte weniger Retouren eine Ersparnis von 6.000 EUR — jeden Monat. Über ein Jahr gerechnet sind das 72.000 EUR, die direkt auf den Gewinn einzahlen.
Und das betrifft nur die direkten Kosten. Hinzu kommen: gebundenes Kapital in retournierter Ware, Wertverlust bei B-Ware, entgangener Umsatz durch nicht verfügbare Lagerplätze und die Arbeitszeit im Retourenmanagement.
Wie oneAgent diese Analyse ermöglicht
oneAgent verbindet sich direkt mit Ihren Datenquellen — Shopsystem, ERP, CRM, Google Ads, Meta Ads und über 550 weitere Systeme. Ohne Daten zu exportieren, ohne CSV-Dateien zu basteln.
Sie stellen Fragen in natürlicher Sprache. Zum Beispiel:
"Welche Produkte haben die höchste Retourenquote bei Neukunden aus Google Ads?"
oneAgent führt die Daten automatisch zusammen und liefert die Antwort — mit konkreten Zahlen, aufgeschlüsselt nach den Dimensionen, die Sie brauchen.
Weitere Beispiel-Abfragen:
"Zeig mir die Deckungsbeiträge nach Produkt und Kanal — inklusive Retourenkosten."
"Welche Kundensegmente haben die höchste Retourenquote bei Bestellungen über 100 EUR?"
"Wie hat sich die Retourenquote bei Kleidern über die letzten 6 Monate entwickelt?"
Keine SQL-Kenntnisse nötig. Keine wochenlange BI-Projekt-Planung. Die Analyse, die Sie brauchen, bekommen Sie in Sekunden.
Der entscheidende Punkt: oneAgent rät nicht. Jede Antwort wird gegen Ihre echten Daten geprüft — ein automatischer Prüf-Layer stellt sicher, dass die Zahlen stimmen, bevor Sie sie sehen. Das ist der Unterschied zu generischen KI-Tools, die Geschäftszahlen halluzinieren können. Warum das wichtig ist, erklären wir ausführlich im Artikel über Schatten-KI im Unternehmen.
Vom Bauchgefühl zu datengetriebenen Entscheidungen
Mit einer verursachungsgerechten Retouren-Analyse können Sie konkrete Maßnahmen ableiten:
Sortiment optimieren: Produkte mit dauerhaft hoher Retourenquote und negativem Deckungsbeitrag aus dem Sortiment nehmen oder die Produktbeschreibung überarbeiten.
Kanalstrategie anpassen: Wenn Instagram Ads zwar Traffic bringt, aber die Retouren den Deckungsbeitrag auffressen — dann ist der Kanal nicht profitabel. Egal wie gut die Conversion Rate aussieht.
Kundensegmente differenzieren: Neukunden mit hoher Retourenquote gezielt ansprechen — zum Beispiel mit besseren Größenberatern oder eingeschränkten Zahlungsoptionen.
Produktdarstellung verbessern: Wenn ein Produkt über einen bestimmten Kanal überdurchschnittlich oft retourniert wird, stimmt oft die Erwartung nicht mit der Realität überein. Bessere Bilder, ehrlichere Beschreibungen und Größentabellen senken die Quote.
Retourenkosten in die Akquise-Kalkulation einbeziehen: Wer 80 EUR CAC zahlt, muss wissen, wie hoch die Retourenwahrscheinlichkeit des akquirierten Kunden ist. Sonst rechnet sich kein Kanal.
Rabattaktionen hinterfragen: Viele Händler beobachten, dass Retouren nach Rabattaktionen wie Black Friday oder Flash Sales deutlich ansteigen. Kunden bestellen mehrere Varianten "zum Ausprobieren", weil das Risiko durch den niedrigen Preis geringer erscheint. Wenn Sie die Retourenquote nach Aktionszeitraum aufschlüsseln, können Sie berechnen, ob eine Rabattaktion nach Abzug der Retourenkosten überhaupt profitabel war.
Der Wettbewerbsvorteil liegt in der Geschwindigkeit
Die 7,3 % der Händler, die heute schon KI für die Retouren-Analyse einsetzen, haben einen systematischen Vorteil: Sie erkennen Probleme früher, reagieren schneller und optimieren kontinuierlich. Während andere Händler einmal im Quartal eine Excel-Auswertung machen, haben datengetriebene Unternehmen die Antworten in Echtzeit.
Das bedeutet nicht, dass Sie von heute auf morgen alles umstellen müssen. Aber der erste Schritt — zu verstehen, welche Produkt-Kanal-Kundensegment-Kombinationen Ihre Marge auffressen — kann sofort einen messbaren Unterschied machen.
Fazit: Retouren sind kein Schicksal — sie sind ein Datenproblem
Die Retourenquote ist nicht einfach "ein Branchenproblem". Sie ist eine Kennzahl, die sich gezielt senken lässt — wenn Sie wissen, wo die Ursachen liegen. Dafür brauchen Sie keine Gesamtquote, sondern eine Aufschlüsselung nach Produkt, Kanal und Kundensegment.
Die Daten dafür haben Sie bereits. Sie müssen sie nur zusammenführen und die richtigen Fragen stellen können.
Testen Sie oneAgent 14 Tage kostenlos und stellen Sie die Fragen, die Ihr aktuelles Dashboard nicht beantworten kann. Keine Kreditkarte nötig, keine Installation — direkt starten und sehen, wo Ihre Marge wirklich verloren geht.