Post-Purchase-Survey: was die Frage nach dem Kauf misst und was nicht

Was die Frage ist und wo sie im Shop steht

Eine Post-Purchase-Survey ist eine einzige Frage direkt nach dem Kauf: Wie hast du von uns erfahren? Der Kunde wählt aus einer kurzen Liste oder tippt eine freie Antwort. Weil die Angabe vom Kunden selbst kommt und nicht aus Klick-Daten, läuft das Verfahren auch unter Self-Reported Attribution, also selbst berichteter Herkunft.

Für den Einbau gibt es drei übliche Orte, und sie unterscheiden sich vor allem darin, wen sie erreichen. Die Dankeseite direkt nach der Bestellung bringt die meisten Antworten, weil der Kunde noch im Vorgang steckt. Die Bestellbestätigung per Mail erreicht zusätzlich die, die die Seite sofort geschlossen haben, dafür liegt zwischen Kauf und Antwort schon Abstand. Bei Shopify lässt sich die Frage außerdem als Checkout-Extension direkt in den Bezahlvorgang setzen.

Für den Aufbau gilt: eine Frage, eine kurze Antwortliste, ein Freitextfeld für alles andere, und kein Pflichtfeld. Jede zusätzliche Frage kostet Antworten. In der Liste stehen Kanäle so, wie der Kunde sie kennt, also Empfehlung von Freunden, Podcast, Suchmaschine, Instagram. Interne Bezeichnungen wie Paid Social oder Display versteht er nicht und wählt sie entsprechend falsch aus.

Zurück zum Überblick: Cookieless Tracking, der Leitfaden. Im Glossar: Attribution, Conversion.

Was die Umfrage sieht und das Tracking nicht

Tracking misst Ereignisse. Es braucht einen Klick, einen Aufruf, ein Signal, das sich einem Besuch zuordnen lässt. Wo dieses Signal fehlt, endet die Messung, und zwar nicht wegen eines Fehlers im Setup, sondern weil es nichts zu messen gibt. Genau dort setzt die Umfrage an: Sie fragt nach einer Erinnerung, und Erinnerung braucht keinen Klick.

Die Kanäle, die dadurch überhaupt erst auftauchen, sind immer dieselben: eine Empfehlung im Freundeskreis, die keinen Link hinterlässt, ein Podcast, in dem der Markenname fällt und der Hörer später selbst sucht, eine Anzeige im Print oder am Verkehrsmittel, ein Gespräch auf der Messe, Fernsehen und Radio. In deinem Reporting landen solche Käufe als Direct-Traffic oder als markenbezogener Suchbegriff, also unter einer Herkunft, die den eigentlichen Auslöser verschweigt.

Diese Lücke ist eine andere als der Consent-Gap. Beim Consent-Gap gibt es ein Ereignis, du darfst es nur nicht messen. Bei der Offline-Empfehlung gibt es überhaupt kein digitales Ereignis. Beide Lücken landen im Bericht an derselben Stelle, nämlich in einem wachsenden Direct-Block, sie haben aber verschiedene Ursachen und verschiedene Antworten.

Die Lücke aus der Consent-Perspektive: Der Consent-Gap. Ein verwandter Fall ohne sauberen Referrer: Traffic aus KI-Assistenten.

Wo die Antworten systematisch danebenliegen

Vier Schwächen stecken in der Methode selbst, sie lassen sich mit einer besseren Frage also nicht wegkonfigurieren. Wer sie beim Auswerten nicht kennt, zieht aus den Antworten falsche Schlüsse.

Nur Käufer antworten

Gefragt wird nach dem Kauf, also antwortet nur, wer gekauft hat. Alle, die ein Produkt angesehen und sich dagegen entschieden haben, kommen in den Daten nicht vor. Ein Kanal, der viel Aufmerksamkeit bringt und selten verkauft, sieht in der Umfrage deshalb besser aus, als er ist. Dazu kommt: Auch von den Käufern antwortet nur ein Teil, und das ist keine Zufallsauswahl.

Erinnerung reicht selten über den letzten Kontakt hinaus

Vor einem Kauf liegen meistens mehrere Kontakte. Genannt wird davon einer, in der Regel der jüngste oder der eindrücklichste. Die Umfrage ist damit ihrerseits ein Last-Touch-Verfahren, nur eines aus der Erinnerung statt aus dem Log. Wer sie gegen Multi-Touch-Attribution stellt, vergleicht zwei Dinge, die nie dasselbe Ergebnis liefern können.

Der Kanal wird mit der Plattform verwechselt

Jemand hört einen Podcast, sucht danach den Markennamen, klickt auf die Anzeige über den organischen Treffern und antwortet "Google". Aus seiner Sicht stimmt das. Für dein Budget ist es zweimal irreführend: Der Podcast hat den Kauf ausgelöst, und die bezahlte Anzeige hat einen Kunden abgerechnet, den die Marke ohnehin hatte. Dieselbe Verwechslung passiert bei Instagram und TikTok zwischen bezahlt und organisch.

Die Antwortquote schwankt

Wie viele Kunden antworten, hängt an der Platzierung, an der Länge der Liste und an der Frage selbst. Ändert sich eins davon, ändert sich die Grundgesamtheit, und Vergleiche über die Zeit brechen. Wer Antwortquoten aus fremden Shops als Richtwert übernimmt, vergleicht Setups, die nichts miteinander zu tun haben.

Warum Last-Touch auch im Tracking verzerrt: Last-Click vs. Multi-Touch.

Antworten auswerten, ohne sie als Attribution zu verkaufen

Der häufigste Fehler ist, die Umfrage-Verteilung neben die Kanal-Verteilung aus dem Tracking zu legen und die Differenz für einen Messfehler zu halten. Die beiden Zahlen beantworten verschiedene Fragen. Das Tracking sagt, worüber jemand gekommen ist. Die Umfrage sagt, woran er sich erinnert. Dass beide Verteilungen auseinanderlaufen, ist deshalb der Normalfall und noch kein Hinweis auf einen Fehler.

Nützlich ist die Umfrage als Korrekturbrille auf die Kanalverteilung. Drei Fragen lohnen sich dabei:

Erstens: Welche Kanäle nennen Kunden, die in deinem Reporting gar nicht vorkommen? Taucht der Podcast über Monate stabil in den Antworten auf, während dein Bericht ihn nicht kennt, ist ein Teil deines Direct-Blocks erklärt. Dafür lohnt sich die Umfrage am ehesten.

Zweitens: Wie verändern sich die Nennungen, wenn du eine Kampagne startest oder stoppst? Eine Marken-Kampagne, die weder das Tracking noch die Nennungen bewegt, hat ein Problem. Diese Vorher-Nachher-Sicht ist belastbarer als jede Momentaufnahme.

Drittens: Was steht im Freitext? Formulierungen wie "eine Kollegin hat es empfohlen" oder ein wiederkehrender Kanalname, den deine Liste nicht anbietet, sind der Grund, das Feld überhaupt zu haben. Diese Antworten gehören gelesen, eine Auszählung bringt bei Freitext wenig.

Was du dagegen nicht tun solltest: Budget direkt an Umfrage-Anteilen ausrichten, Provisionen danach abrechnen oder die Nennungen als zweite Wahrheit in ein Dashboard heben, das Kanal-Umsatz zeigt. Sobald die Prozentzahlen der Umfrage neben Umsatzzahlen stehen, liest sie jeder als Attribution.

Umfrage und deduplizierte Attribution zusammen

Die beiden Verfahren haben verschiedene Aufgaben. Die deduplizierte Attribution, also die Zuordnung, bei der jeder Verkauf über alle Kanäle hinweg genau einmal gezählt wird, trägt die operativen Entscheidungen: Gebote, Budgets, Provisionsabrechnung, Deckungsbeitrag pro Kanal. Sie muss reproduzierbar sein und darf nicht davon abhängen, wer gerade antwortet.

Die Umfrage trägt die Kanäle bei, für die es keinen Datensatz gibt. Sie beantwortet die Frage, welcher Teil deines Direct-Traffics in Wahrheit aus Empfehlung, Podcast oder Offline-Werbung stammt. Damit begründet sie Ausgaben, die im Performance-Reporting nichts vorweisen können, und schützt sie vor der Kürzung, die eine reine Klick-Betrachtung nahelegt.

Wenn du die Wirkung solcher Kanäle nicht nur benennen, sondern belegen willst, ist die Umfrage der falsche Hebel. Dafür gibt es Marketing-Mix-Modeling und Inkrementalitäts-Tests, die mit Zeitreihen und Experimenten arbeiten statt mit Selbstauskunft. Die Umfrage zeigt dir günstig, wo du hinschauen solltest, den Beleg liefert sie nicht.

Die belegenden Verfahren: Attribution, MMM und Inkrementalität. Im Glossar: Deduplizierung, Post-Purchase-Survey.