Wie finde ich in meinen Retourendaten, was mich wirklich Marge kostet?

Deshalb zeigt dein Retouren-Bericht die teuersten Fälle nicht 

Weil er nach Prozent sortiert und dein Problem in Euro entsteht.

Ein Standard-Bericht rankt Artikel nach der Retourenquote. Oben stehen dadurch immer die Ausreißer mit kleinen Stückzahlen. Der Artikel, der in Summe die meiste Marge frisst, hat oft eine normale Quote und taucht in der Liste nie auf.

Dazu kommen drei Fälle, die in der Gesamtquote untergehen:

1. Verzerrte Monatswerte

2. Nicht abgeholte Sendungen

3. Retouren ohne Grund

Alle drei findest du nur, wenn du gezielt danach suchst.

Die Größenordnung dahinter ist der Grund, warum sich das lohnt. Nach der EHI-Studie „Versand- und Retourenmanagement im E-Commerce 2024" liegen die Prozesskosten bei 30 % der befragten Händler:innen zwischen 5 und 10 € je Retoure, bei weiteren 26 % zwischen 10 und 20 €.

Und die Forschungsgruppe Retourenmanagement der Universität Bamberg rechnet für Deutschland mit rund 1,3 Milliarden retournierten Artikeln in einem Jahr, verteilt auf etwa 530 Millionen Retourensendungen. Jeder Artikel, den du falsch priorisierst, kostet dich also mehrfach.

Die folgenden fünf Auswertungen brauchst du dafür. Alle Beispielzahlen stammen aus einem Demo-Datensatz mit 1.308 Retouren-Positionen aus 5.200 Bestellungen.

Wir haben ihn in unserem AI Vibe Club gezeigt, wo wir einen Skill für die Retourenanalyse gebaut haben.

Warum sinkt meine Retourenquote im laufenden Monat, obwohl sich nichts geändert hat? 

Weil die Retouren noch unterwegs sind.

Eine Retoure trifft Wochen nach der Bestellung ein. Zählt dein Bericht sie im Monat des Eingangs, vergleicht er einen abgeschlossenen Monat mit einem, dessen Rückgabefenster noch offen ist. Der jüngste Monat sieht dadurch immer besser aus.

Im Demo-Datensatz waren im jüngsten Monat 7,4 % zurückgekommen. Hochgerechnet auf das volle Rückgabefenster waren es aber 12,7 %.

Der Test dauert fünf Minuten. Zieh denselben Bericht für einen Monat, der ein Jahr zurückliegt, und vergleich ihn mit dem Wert, den er damals hatte. Klaffen die Zahlen auseinander, zählt dein Bericht auf den Eingangsmonat.

Was du stattdessen brauchst:

• Jede Retoure zählt auf den Bestellmonat.

• Jeder Monat, dessen Rückgabefenster noch läuft, ist als unvollständig markiert.

• Für unreife Monate gibt es einen hochgerechneten Endwert aus dem zeitlichen Verlauf der abgeschlossenen Monate.

• Niemand präsentiert einen unreifen Monat als Trend.

Welche Artikel kosten mich am meisten, wenn die Quote normal aussieht? 

Die, die in deinem Bericht nicht oben stehen.

Im Demo-Datensatz hatten fünf Varianten eines Artikels Quoten zwischen 11,9 % und 16,9 %. Für Modeartikel ist das völlig normal. Zusammen kosteten sie 10.622 €. Ein Prozentpunkt weniger ist bei diesem Artikel mehr wert als die komplette Sanierung eines Nischenartikels.

So drehst du die Sicht:

Die Quote nach Wert ist der schnellste Zusatz-Check: erstatteter Umsatz geteilt durch versendeten Umsatz. Liegt sie über der Quote nach Stück, sind deine Rückläufer teurer als das, was du verkaufst. Im Demo-Datensatz waren es 15,8 % gegen 14,1 %, die Rückläufer also rund 11 % teurer.

Ein zweites Muster aus derselben Logik: verteilen sich die Rückgabegründe eines Artikels gleichmäßig über alle Größen, hast du kein Streuungsproblem, sondern einen Schnittfehler. Im Demo-Datensatz kamen bei einem Hoodie 114 Retouren mit Grund „zu klein" gegen 6 mit „zu groß". Die Tabelle mit den Größen ist also fehlerhaft.

Pakete, die nie bei der Kundschaft waren, kommen zurück 

Weil sie in der Packstation oder Filiale liegen geblieben sind. Und weil dein System das nicht unterscheidet.

Der Ablauf: das Paket geht an die Abholstation. Der Versanddienstleister meldet zugestellt, denn für ihn ist es das. Die Abholfrist läuft ab, die Sendung geht zurück und landet als normale Retoure in deinen Daten, meistens ohne verwertbaren Grund.

Sie sieht aus wie jede andere Retoure und verschwindet in der Gesamtquote. Eine große e-Commerce-Marke hat auf diesem Weg 468.000 € verloren und es erst gefunden, als sie ihre Daten zusammengeführt und systematisch durchsucht hat.

Im Demo-Datensatz waren es 94 Sendungen: 1,81 % aller Bestellungen, aber 8,09 % aller Retouren-Vorgänge. 9.825 € Umsatz, der nie realisiert wurde. In der Versandstatistik stand alles auf grün.

So findest du sie: Du musst Zustellstatus, Retourengrund und Zahlungsart zusammen betrachten. Sendungen ohne Retourengrund, die kurz nach der Zustellmeldung zurückkommen, sind die üblichen Kandidaten. Bei Rechnungskauf häufen sie sich.

Mach daraus eine eigene Kategorie.

Solange diese Fälle in der Retourenquote mitlaufen, optimierst du am Produkt, obwohl das Problem im Versand und in der Zahlungsart liegt.

Retouren ohne Grund: Was tun? 

Erst prüfen, ob die Lücke selbst ein Muster ist.

Im Demo-Datensatz hatten 150 von 1.308 Retouren-Positionen keinen verwertbaren Grund. Das sind 11,5 %. Verteilen sich diese Lücken gleichmäßig, dann ist es Rauschen. Häufen sie sich auf einzelne Artikel oder Rückgabewege, steckt dort ein eigener Fall.

Dahinter liegt ein struktureller Punkt. Retourengründe sind in den meisten Systemen frei konfigurierbar. Die Gründe, die deine Kundschaft im Portal auswählt, sind oft andere als die internen. Ein einheitliches Schema gibt es nicht.

Deshalb ist das Zusammenführen der Spalten der erste und aufwendigste Schritt jeder Retourenanalyse. Wer ihn überspringt, rechnet auf einer ungeprüften Datenbasis.

Ist eine niedrige Retourenquote immer gut? 

Nein. Und das ist der wichtigste Satz in diesem Artikel.

Der Zusammenhang zwischen Retourenquote und Profitabilität verläuft nicht linear. Null Retouren ist nicht das Optimum. Wer die Quote zum Ziel macht, kürzt irgendwann Rückgabefenster oder Zahlungsarten und verliert dabei mehr Abschlüsse als er an Retourenkosten spart.

Die Quote ist eine Beobachtung. Die Zielgröße ist der Deckungsbeitrag nach Retouren.

Rechne deshalb bis zum Rohertrag durch, statt bei der Prozentzahl zu stoppen. Im Demo-Datensatz sah die Kette so aus: 524.829 € Umsatz der versendeten Ware, minus 92.854 € erstatteter Umsatz, minus Wareneinsatz der behaltenen Ware, minus Retourenbearbeitung, minus abgeschriebene Defektware.

Am Ende bleiben 259.945 € Rohertrag nach Retouren.

Praktisch heißt das: bevor du eine Maßnahme freigibst, rechne sie gegen die Marge. Ein Artikel mit 30 % Quote und guter Marge kann profitabler sein als einer mit 8 % Quote und dünner Marge.

Datengrundlage für die Retourenanalyse 

Retouren-Positionen: Bestell-ID, Retourendatum, Artikelnummer, Variante, Kundennummer, Kanal, Zahlungsart, erstatteter Betrag, Retourengrund, Retourenart (Kundenretoure oder nicht abgeholt).

Verkaufs-Positionen: dieselben Schlüssel plus Bestelldatum, Nettoumsatz und Einkaufswert.

Eine Bedingung ist wichtig: der Verkaufs-Export muss den Retouren-Zeitraum plus Rückgabefenster nach vorn abdecken. Sonst rechnest du Retouren gegen eine unvollständige Verkaufsbasis und alle Quoten fallen zu hoch aus.

Fehlt eine Spalte, ist das kein Abbruchgrund. Notiere, welche Auswertung dadurch entfällt, und rechne den Rest. Ohne Chargenspalte kannst du zum Beispiel eine Defekt-Häufung sehen, aber nicht einer Lieferung zuordnen.

Wie kann ich KI für die Auswertung der Retouren nutzen? 

Indem du sie einmal aufschreibst, statt sie jedes Quartal neu zu erklären.

Genau das war der Fall im AI Vibe Club. Yves Schleich von Path to AI hat mit Jörg Hipper, Head of Marketing bei Xentral, einen Retouren-Analyse-Skill gezeigt und erklärt, wie er entstanden ist.

Du wirfst die beiden Exporte hinein und bekommst die Befunde nach Geldwert sortiert, mit Maßnahmen dazu.

Ein Skill ist dabei nichts Technisches. Es ist eine Textdatei mit der Anleitung, den Regeln und den Ausnahmen für eine wiederkehrende Aufgabe. Ohne ihn erklärst du jeden Monat neu und bekommst jedes Mal ein etwas anderes Ergebnis.

Drei Regeln trennen eine brauchbare von einer gefährlichen Auswertung:

• Das Skript rechnet, das Modell interpretiert. Jede Zahl im Bericht kommt aus einer Datei, die ein Rechen-Skript erzeugt hat. Kein Modell rechnet Quoten selbst. Nebeneffekt: die Bestellzeilen bleiben lokal.

• Jeder Befund trägt eine Belegstufe. Direkt aus den Daten belegt, plausible Deutung, oder erst mit einer zusätzlichen Spalte prüfbar.

• Ein eigener Abschnitt für das, was in Ordnung ist. Sonst wird jede Zahl zum Problem erklärt und dein Team arbeitet an Rauschen.

Und jede Maßnahme, die aus so einer Auswertung kommt, ist ein Prüfauftrag. Setz sie als A/B-Test auf und definiere vorher, was dabei nicht kaputtgehen darf.

Wie baue ich mir so einen Skill zur Retourenanalyse selbst? 

In acht Schritten (aber erst der letzte erzeugt den Skill).

Die meisten machen zwei Schritte: Ablauf erkennen, „bau mir dafür einen Skill" tippen. Danach sind sie mit dem Ergebnis unzufrieden.

1. Kontext einsprechen statt tippen. Gesprochen lieferst du ein Vielfaches an Hintergrund.

2. Prüfen, ob es den Skill schon gibt.

3. Recherchieren lassen, was zum Thema belegt ist: Studien, Feldexperimente, Vergleichswerte.

4. Die KI gegen deine eigene These argumentieren lassen.

5. Umfang für Version 1 schneiden.

6. Erste Version bauen. Das ist noch kein Skill, nur die Analyse-Logik.

7. Mit echten Exporten testen, Zahlen und Format prüfen, iterieren.

8. Jetzt den Skill erzeugen, mit dem Skill-Creator von Anthropic.

Schritt 4 hat in dieser Session das Ergebnis verändert. Der Einwand betraf die Kennzahl selbst, und daraus wurde die Leitplanke, dass die Quote nicht die Zielgröße ist.

Fertig ist er danach nicht. Ein Skill verhält sich wie Software. Im Einsatz kommen neue Muster dazu, die fließen wieder ein.

Retourenanalyse: Damit fängst du sofort an 

Mit drei Fragen an deine eigenen Zahlen. Dafür brauchst du keine neue Software.

1. Auf welchen Monat zählt eine Retoure in meinem Bericht, auf den Bestell- oder den Eingangsmonat?

2. Wie sieht meine Artikelliste aus, wenn ich sie nach Retourenkosten in Euro sortiere statt nach Quote?

3. Wie viele meiner Retouren sind eigentlich nicht abgeholte Sendungen?

Überrascht dich eine der drei Antworten, hast du deinen ersten Fall. Und den Beweis, dass die Quote allein dir nicht sagt, wo deine Marge bleibt.