Retouren und Stornos in der Attribution richtig verrechnen

Warum der attribuierte Umsatz zu hoch steht

Der Ablauf ist in fast jedem Shop derselbe. Ein Kunde kauft, das Tracking meldet die Conversion, das Attributionsmodell verteilt den Bestellwert auf die beteiligten Kanäle, und im Dashboard steigt der Umsatz. Bis hierher stimmt alles. Das Problem entsteht erst danach: Ein Teil dieser Bestellungen kommt zurück oder wird nie vollständig bezahlt. Der Umsatz, der im Report steht, ist also ein Brutto-Wert vor Rückabwicklung, kein realisierter Umsatz.

Der zeitliche Versatz macht die Sache tückisch. Zwischen Kauf und Retoure liegen im Zweifel mehrere Wochen. In dieser Zeit triffst du Budget-Entscheidungen auf Basis von Zahlen, die noch nicht feststehen. Ein Kanal, der viele später retournierte Bestellungen bringt, sieht im Report besser aus, als er ist, und bekommt tendenziell mehr Budget. Genau die Kanäle mit hoher Retourenquote werden so systematisch überbewertet.

Verschärft wird das, wenn du auf den Deckungsbeitrag steuerst, also den Umsatz nach Abzug der variablen Kosten. Eine Retoure mindert nicht nur den Umsatz, sie verursacht zusätzliche Kosten für Rücksendung, Prüfung und Wiedereinlagerung. Der reale Deckungsbeitrag einer retournierten Bestellung ist damit nicht nur null, er kann negativ sein. Wer diese Rückabwicklung nicht in die Attribution einrechnet, optimiert auf eine Umsatzzahl, die die teuren Kanäle belohnt.

Zurück zum Überblick: Multi-Touch Attribution, der vollständige Leitfaden.

Wo die Lücke am größten ist

Retouren verteilen sich nicht gleichmäßig über alle Kanäle. Sie häufen sich dort, wo der Kaufanreiz stark und die Kaufabsicht schwach ist. Das trifft vor allem rabatt- und discovery-getriebene Kanäle: Wer über einen aggressiven Gutschein oder einen spontanen Impuls im Feed kauft, schickt häufiger zurück als jemand, der gezielt nach einem Produkt gesucht hat. Konkrete Prozentwerte behaupten wir hier bewusst nicht, weil sie stark vom Sortiment abhängen. Das Muster aber ist stabil und lässt sich in deinen eigenen Daten prüfen.

Der Effekt greift auf zwei Ebenen. Auf Kanalebene bekommen Discovery-Kanäle im Brutto-Report mehr Gewicht, als ihnen nach Retoure zusteht. Auf Publisher-Ebene im Affiliate-Programm wird es noch deutlicher: Zwischen einem Content-Publisher mit gezielter Empfehlung und einem breiten Rabatt-Portal liegen oft Welten in der Retourenquote. Wer beide nur am Brutto-Umsatz misst, vergleicht Äpfel mit Birnen.

Praktisch heißt das: Die Rückabwicklung gehört nicht als globaler Abzug in die Bilanz, sondern so nah wie möglich an den Kanal und den Publisher, der die Bestellung gebracht hat. Erst dann zeigt der Report, welcher Kanal echten Umsatz liefert und welcher nur teuren Brutto-Umsatz, der kurz darauf wieder zurückfließt.

Wie sich Kanäle nach echtem Beitrag statt nach Brutto-Umsatz sortieren lassen: ROAS vs. POAS im E-Commerce.

Storno ist nicht gleich Retoure

In der Umgangssprache verschwimmen die Begriffe, im Datenmodell dürfen sie das nicht. Es gibt drei Fälle, die alle den attribuierten Umsatz mindern, aber unterschiedlich behandelt werden müssen.

• Zahlungsausfall: Die Bestellung wurde ausgelöst, aber nie bezahlt, etwa bei Kauf auf Rechnung ohne Zahlungseingang. Hier gab es faktisch nie einen Umsatz. Die Conversion sollte komplett entwertet werden, sobald der Ausfall feststeht.
• Kaufabbruch vor Versand: Der Kunde storniert, bevor die Ware raus ist. Auch das ist ein voller Storno ohne realisierten Umsatz. Der Unterschied zum Zahlungsausfall liegt nur im Zeitpunkt und im Grund, die Behandlung ist dieselbe: Conversion auf null.
• Teilretoure: Die Ware wurde geliefert, ein Teil geht zurück, der Rest bleibt. Das ist der häufigste und zugleich schwierigste Fall, weil eben nicht die ganze Conversion falsch ist, sondern nur ein Teil des Wertes. Hier darfst du nicht die komplette Bestellung entwerten, sondern nur den zurückgegebenen Anteil.

Für die Teilretoure brauchst du die Bestellpositionen, nicht nur den Gesamtwert. Nur mit den einzelnen Positionen kann das Modell den behaltenen Warenwert bestimmen und den attribuierten Umsatz proportional darauf zuschneiden. Wer nur den Bestell-Header trackt, kann Teilretouren nicht sauber verrechnen und fällt zurück auf die grobe Alles-oder-nichts-Logik.

Rückrechnung: zwei Wege

Wenn eine Retoure oder ein Storno eintrifft, gibt es zwei grundsätzliche Wege, sie in die Attribution zurückzuspielen. Beide sind legitim, sie tauschen nur unterschiedliche Nachteile gegeneinander. Die Wahl solltest du bewusst treffen und dann konsistent halten.

Weg 1: nachträgliche Korrektur der Conversion

Du korrigierst die ursprüngliche Conversion rückwirkend: Der zurückgezahlte Umsatz verschwindet aus der Zuordnung, der Kanal verliert genau den Anteil, der retourniert wurde. Das Ergebnis ist sauber, weil der Report zu jedem Zeitpunkt den real realisierten Umsatz zeigt. Der Preis dafür: Auch abgeschlossene, vielleicht schon exportierte Reports ändern sich. Eine Monatszahl, die du vor drei Wochen kommuniziert hast, stimmt später nicht mehr mit dem aktuellen Stand überein. Für Teams, die feste Monatsberichte verschicken, ist das ein echter Reibungspunkt.

Weg 2: Freeze zu einem Stichtag

Du frierst die attribuierten Werte zu einem festen Stichtag ein, etwa am Monatsende, und verbuchst spätere Retouren nicht mehr rückwirkend, sondern als Korrektur in der laufenden Periode. Historische Reports bleiben damit stabil, was die Kommunikation einfacher macht. Der Nachteil: Die eingefrorene Zahl enthält die noch offenen Retouren nicht und ist deshalb einen Tick zu hoch. Du tauschst also Genauigkeit im Detail gegen Stabilität im Report.

Welcher Weg besser passt, hängt an deiner Berichtskultur. Wer intern flexibel ist und vor allem den korrekten Kanalbeitrag braucht, fährt mit der nachträglichen Korrektur besser. Wer feste, unveränderliche Perioden-Reports liefern muss, ist mit dem Freeze besser bedient und akzeptiert die kleine systematische Überzeichnung. In beiden Fällen gilt: nur einen Weg wählen und ihn über alle Kanäle gleich anwenden, sonst werden die Zahlen zwischen den Kanälen unvergleichbar.

Warum ein Umsatzwert erst nach dem Retourenfenster gesichert ist: Attributionsfenster richtig setzen. DataFirst Track bildet Storno- und Freeze-Logik im Produkt ab, sodass beide Wege ohne manuelle Nacharbeit laufen.

Auswirkung auf Provisionen

Im Affiliate-Programm hängt an der Rückabwicklung direkt Geld. Eine Provision wird auf einen Verkauf gezahlt, der Wochen später retourniert wird, und ohne Rücklauf bezahlst du dann für Umsatz, der nie realisiert wurde. Die Netzwerke kennen dafür den Storno-Status und eine Freigabe-Frist, innerhalb derer eine Bestellung noch als offen gilt. Erst nach dieser Frist wird die Provision endgültig.

Für deine Steuerung reicht es aber nicht, sich auf die Netzwerk-Logik zu verlassen. Entscheidend ist, dass du die Retourenquote je Publisher kennst, denn sie verschiebt den Deckungsbeitrag nach Provision erheblich. Ein Publisher mit hohem Brutto-Umsatz, aber hoher Retourenquote kann nach Rückabwicklung und Provision weniger wert sein als ein kleinerer Publisher mit sauberen, bestandsfesten Verkäufen.

Welche Kennzahlen ein Programm wirklich steuern: Affiliate-KPIs für Advertiser. Publisher nach echtem Beitrag statt nach Umsatz sortieren: Publisher-Qualität bewerten.

Was das für Smart Bidding bedeutet

Retouren sind nicht nur ein Reporting-Thema, sie wirken direkt in die automatische Gebotssteuerung hinein. Value-based bidding, also die Optimierung der Werbeplattform auf einen übergebenen Conversion-Wert, ist immer nur so gut wie das Signal, das es bekommt. Meldest du der Plattform bei jedem Kauf den vollen Bestellwert, trainierst du das Gebotsmodell auch auf die Käufe, die kurz darauf wieder zurückgehen.

Die Folge ist subtil, aber teuer: Das Smart Bidding lernt, gezielt Nutzer und Suchanfragen zu bedienen, die viel bestellen und viel zurücksenden. Es optimiert auf Brutto-Conversions, nicht auf bestandsfesten Umsatz. Sauberer ist, den an die Plattform gemeldeten Wert um eine erwartete Retourenquote je Warengruppe zu mindern oder Stornos ganz aus dem Signal zu nehmen. Dann trainiert das Modell auf die Käufe, die auch nach dem Retourenfenster noch Bestand haben.

Wie du margenbereinigte Werte statt reinem Umsatz ins Bidding bringst: ROAS vs. POAS im E-Commerce.