Amazon Analytics: Welche Daten wirklich zählen — und was du damit machst

Was Amazon Analytics wirklich bedeutet

Amazon Analytics ist kein einzelnes Feature im Seller Central. Es ist das Fundament für profitables Verkaufen auf dem größten E-Commerce-Marktplatz Europas. Ohne Daten entscheidest du nach Gefühl. Mit Daten entscheidest du nach Fakten — und genau das macht auf lange Sicht den entscheidenden Unterschied.

Wer auf Amazon verkauft, generiert täglich hunderte Datenpunkte: Klicks, Impressionen, Conversions, Werbekosten, Lagerbestände, Retourenquoten, Bewertungsverläufe. Diese Daten existieren immer — ob du sie liest oder nicht. Die Frage ist, ob du sie systematisch nutzt.

Amazon Analytics bedeutet in der Praxis: alle relevanten Kennzahlen regelmäßig erfassen, Abweichungen frühzeitig erkennen und daraus konkrete Maßnahmen ableiten. Nicht einmal im Monat. Nicht nach dem nächsten Report-Export. Sondern strukturiert, mit klaren Schwellenwerten und einer wiederholbaren Routine. Wer das beherrscht, hat einen dauerhaften Vorteil gegenüber Sellern, die auf Sicht fahren.

Die sieben KPIs, die jeder Amazon-Seller kennen muss

Nicht jede Kennzahl ist gleich wichtig. Wer alles gleichzeitig beobachtet, sieht am Ende nichts. Diese sieben KPIs bilden das Kerngerüst für jede Amazon-Analyse — unabhängig davon, ob du Private Label, Reseller oder Hersteller bist.

ACoS und TACoS sind das wichtigste Duo. Der ACoS (Advertising Cost of Sales) zeigt, wie viel Werbeausgaben du pro Euro Werbeumsatz investierst. Ein ACoS von 22 % bedeutet: Du gibst 22 Euro aus, um 100 Euro Umsatz durch Werbung zu generieren. Klingt einfach — ist es aber nicht, denn ein niedriger ACoS bedeutet nicht automatisch Profitabilität. Dafür brauchst du den TACoS.

Der TACoS (Total Advertising Cost of Sales) setzt deine Werbeausgaben in Relation zum Gesamtumsatz — organisch plus bezahlt. Ein TACoS von 8 % bei einem ACoS von 25 % zeigt, dass dein Produkt stark organisch läuft und die Werbung nur einen kleinen Teil des Gesamtgeschäfts ausmacht. Sinkt der TACoS über Zeit bei konstantem oder steigendem Umsatz: gutes Zeichen. Steigt er trotz höherem Budget: Warnsignal.

• ACoS: Werbekosten in % des Werbeumsatzes — Benchmark je nach Kategorie 15–30 %
• TACoS: Werbekosten in % des Gesamtumsatzes — zeigt die wahre PPC-Effizienz
• CVR (Conversion Rate): Anteil der Besucher, die kaufen — unter 8 % ist oft ein Listing-Problem
• CTR (Click-Through-Rate): Wie viele Sucher klicken auf dein Listing — unter 0,3 % ist ein Alarmsignal
• Session-Zahlen: Täglicher Traffic auf der Produktdetailseite — entscheidend für Trend-Erkennung
• BSR (Best Seller Rank): Deine Position in der Kategorie — Veränderungen zeigen Momentum früh an
• Retourenquote: Über 5 % erfordert sofortiges Handeln — auf Qualität und Listing-Genauigkeit prüfen

Amazon Seller Central: Was du bekommst — und was fehlt

Seller Central stellt dir mehrere native Report-Typen bereit. Business Reports liefern tägliche, wöchentliche und monatliche Umsatz- und Traffic-Daten. Advertising Reports zeigen dir Kampagnen-, Keyword- und Placement-Performance. FBA-Reports decken Lagerbestände, Gebühren und Abverkaufsgeschwindigkeit ab. Das klingt umfassend.

In der Praxis sieht es so aus: Du klickst dich durch fünf verschiedene Menübereiche, exportierst CSVs, öffnest eine Tabellenkalkulation und versuchst, Daten manuell zusammenzufügen, die nie für diesen Zweck gebaut wurden. Wer zehn ASINs auf drei Marketplaces verwaltet, verliert dabei regelmäßig Stunden — und trotzdem bleiben blinde Flecken.

Das strukturelle Problem: Seller Central zeigt dir Daten, aber keine Zusammenhänge. Du siehst, dass deine CVR in der letzten Woche gesunken ist. Aber ob das an einer Preisänderung liegt, an einem veränderten Hauptbild-Split-Test, an saisonalem Traffic oder an veränderten Werbeplacements — das musst du selbst herausfinden. Ohne strukturierte Amazon Analytics ist das mühsam und fehleranfällig.

Amazon Analyse Tool: Warum du mehr brauchst als Seller Central

Ein dediziertes Amazon Analyse Tool löst genau diese Probleme. Es aggregiert alle relevanten Datenpunkte an einem Ort und macht sie vergleichbar — über ASINs, Kampagnen und Marketplaces hinweg. Kein manueller Export, kein Excel-Flickwerk, keine veralteten Snapshots.

Konkret bedeutet das: Statt 20 Minuten durch Reports zu klicken, erkennst du in zwei Minuten, dass der BSR deiner Haupt-ASIN in den letzten sieben Tagen um 15 % gefallen ist, während der TACoS gleichzeitig von 9 auf 14 % gestiegen ist. Das ist ein klares Signal — entweder verliert das Produkt organischen Rank, oder deine PPC-Kampagnen arbeiten ineffizient. Beides erfordert sofortiges Handeln, das du ohne diese Zusammenschau nicht rechtzeitig erkennst.

Besonders wertvoll für Seller, die auf mehreren europäischen Marketplaces aktiv sind: Ein gutes Amazon Analyse Tool zeigt Performance-Unterschiede zwischen DE, FR, IT, ES und PL auf einen Blick. Vielleicht läuft dein Produkt in Deutschland profitabel, aber auf dem französischen Marketplace verbrennt du Werbebudget ohne ausreichende organische Unterstützung. Ohne aggregierte Ansicht merkst du das oft erst nach Wochen — und einigen hundert Euro Verlust.

Das Sellercore-Dashboard verbindet alle Daten direkt über die offizielle SP-API. Du siehst alle KPIs in Echtzeit, kannst Zeiträume vergleichen, Alerts setzen und Trends erkennen, bevor sie zum Problem werden. Keine Drittanbieter-Exporte, keine manuelle Pflege.

Von Daten zu Entscheidungen: Vier Szenarien aus der Praxis

Daten lesen ist eine Sache. Daraus die richtigen Schlüsse zu ziehen, eine andere. Amazon Analytics entfaltet seinen Wert erst, wenn du klare Schwellenwerte und Reaktionsmuster definierst. Hier sind vier Szenarien, die Amazon-Seller regelmäßig begegnen.

Szenario 1 — Conversion Rate fällt unter 8 %: Prüfe zuerst den Preis der letzten 30 Tage. Dann das Hauptbild und die Wettbewerbssituation: Hat ein anderer Seller sein Listing signifikant verbessert? Gibt es neue Sponsored-Brands-Anzeigen, die dein organisches Listing verdrängen? Oft reicht eine gezielte Preis- oder Bildanpassung, um die CVR innerhalb von 14 Tagen wieder auf Niveau zu bringen.

Szenario 2 — TACoS steigt über 15 %: Deine Werbeausgaben wachsen schneller als dein Gesamtumsatz. Mögliche Ursachen: zu viele Broad-Match-Keywords mit hoher Streuung, oder der organische Rank sinkt, weil die Verkaufsgeschwindigkeit nachgelassen hat. Konkreter Schritt: Negative Keywords nachziehen und Budget auf die drei bis fünf profitabelsten Exact-Match-Keywords konzentrieren.

Szenario 3 — Sessions steigen, Conversions stagnieren: Das Listing bekommt Traffic, konvertiert ihn aber nicht. Klassische Ursachen: Preis passt nicht zum wahrgenommenen Wert, das Hauptbild entspricht nicht der Kaufabsicht hinter dem Suchbegriff, oder eine hohe Retourenquote hat die Review-Bewertung gedrückt. Lösung: A/B-Test für das Hauptbild ansetzen und Pricing im Verhältnis zu Mitbewerber-ASINs prüfen.

Szenario 4 — BSR fällt trotz stabiler PPC-Ausgaben: Die Werbung läuft, aber der organische Rang sinkt. Häufigste Ursache ist eine nachlassende Verkaufsgeschwindigkeit außerhalb der Werbezeiten. Prüfe: Bestandsebenen (Out-of-Stock schadet dem Rank dauerhaft), neue negative Reviews der letzten 30 Tage und saisonale Nachfrageverschiebungen.

Die fünf häufigsten Fehler bei der Amazon-Datenauswertung

In der Praxis tauchen bei Amazon-Sellern immer wieder die gleichen Analysefehler auf. Wer sie kennt, kann sie vermeiden — und Zeit und Geld sparen.

Fehler 1: Zu kurze Zeiträume vergleichen. Sieben Tage gegen sieben Tage sagen dir wenig. Vergleiche immer gleichwertige Zeiträume mit saisonaler Gewichtung — idealerweise Year-over-Year oder zumindest 30 gegen 30 Tage mit Kontext.

Fehler 2: Saisonalität ignorieren. Ein TACoS-Anstieg im November ist kein Warnsignal — es ist Q4. Amazon Analytics macht nur Sinn, wenn du saisonale Muster kennst und einrechnest. Trage wichtige Daten in deinen Kalender ein: Peak-Saisons, Feiertage, Messen in deiner Nische.

Fehler 3: Nur ACoS beobachten, TACoS vergessen. Der ACoS kann perfekt aussehen, während du insgesamt Geld verlierst. Lies immer beide Kennzahlen gemeinsam — mit dem Gesamtumsatz als Kontext.

Fehler 4: Keine Baseline definieren. Was ist 'normal' für dein Produkt? Ohne historische Referenzwerte erkennst du Abweichungen nicht. Notiere Benchmark-Werte für deine fünf wichtigsten KPIs und aktualisiere sie quartalsweise.

Fehler 5: Daten sammeln ohne Hypothese. Wer einfach Zahlen anschaut, ohne eine konkrete Frage zu stellen, zieht selten nützliche Schlüsse. Starte jede Analyse-Session mit einer klaren Frage: 'Warum ist meine CVR letzte Woche gesunken?' Dann such nach der Antwort — nicht nach irgendwelchen interessanten Daten.

Häufige Fragen