Das Verkaufen auf Amazon hat sich in den letzten fünf Jahren grundlegend verändert.
Entscheidungen, die früher auf dem Bauchgefühl des Sellers beruhten, können heute – zumindest teilweise – datengetrieben auf Basis von First-Party-Daten getroffen werden, die Amazon seinen Sellern und Vendoren zur Verfügung stellt.
Trotzdem sind datenbasierte Entscheidungen in der Amazon-Seller- und -Vendor-Welt nach wie vor selten. Auch im Jahr 2025/2026 werden viele Entscheidungen weiterhin auf persönlichen Präferenzen oder dem altbewährten Bauchgefühl getroffen.
Unternehmen, die sich hingegen aktiv mit datengetriebenen Analysen beschäftigen, treffen bessere Entscheidungen – und schonen dadurch ihre wichtigsten Ressourcen: Geld, Zeit und die eigenen Nerven.
In einem Umfeld, in dem nahezu alles leicht kopierbar und imitierbar ist, zählt datengetriebenes Arbeiten zu den letzten klaren und nachhaltigen Differenzierungsmerkmalen, die Verkäufer auf Amazon aufbauen können.
Deshalb werfen wir in diesem Beitrag einen Blick auf die verschiedenen Möglichkeiten der Datenanalyse auf Amazon – und wie diese sinnvoll durchgeführt werden können.
Welche Arten von Datenanalysen gibt es?
Bevor wir die verschiedenen Analysearten im Detail vorstellen, nehmen wir eine Kategorisierung vor. So können wir später besser einordnen, welche Analyse sich in welchem konkreten Anwendungsfall eignet.
1. Marktanalysen: Analyse von Nachfrage und Wettbewerb
Mit Marktanalysen verschaffen wir uns einen Überblick über die aktuelle Nachfrage und Wettbewerbssituation.
Dies hilft Unternehmen, ihre eigene Verkaufsperformance besser einzuordnen – und die Frage „Warum läuft es gerade gut oder schlecht?“ mit konkreten Marktbedingungen zu verknüpfen.
Auch für die Amazon-Produktrecherche sind Marktanalysen hilfreich, um Produkte mit hohem Potenzial und geringer Konkurrenz zu identifizieren – und um gesättigte Märkte (Red-Ocean-Märkte) zu vermeiden.
2. Interne Analysen: Analyse der eigenen Verkaufsperformance
Als Gegenstück zur Marktanalyse betrachten interne Analysen die eigenen KPIs und deren Entwicklungen. Dazu zählen u. a. Metriken wie:
- Anzahl der Sessions
- Conversion-Rate
- umsatzstärkste Keywords
- Anzahl wiederkehrender Kunden
- häufig gemeinsam gekaufte Produkte
Wichtig: Interne Analysen stehen stets in Wechselwirkung mit den Ergebnissen der Marktanalysen.
Wenn sich zum Beispiel die Zahl der Sessions verringert, kann das an einer sinkenden Suchnachfrage liegen. Deshalb sollten interne und externe Analysen immer gemeinsam betrachtet werden, um eine echte 360°-Perspektive zu erhalten.
Welche Vorteile haben datengetriebene Verkäufer auf Amazon?
2.1. Verkaufsentwicklung besser nachvollziehen
Viele Unternehmen stellen sich regelmäßig die Frage, warum sich ihre Verkaufszahlen so entwickeln, wie sie es tun – und bleiben dabei oft ohne klare Antwort.
Diese Unsicherheit lässt sich mit den richtigen Datenanalysen problemlos auflösen.
2.2. Produktpotenziale identifizieren
Die Einführung neuer Produkte ist immer mit Risiken verbunden. Studien zeigen, dass rund 80 % aller Produktneuheiten nach 18–24 Monaten wieder vom Markt verschwinden.
Um finanzielle Verluste zu minimieren und die Erfolgsquote zu erhöhen, ist die systematische Bewertung des Produktpotenzials auf Amazon entscheidend.
2.3. Umsatz und Absatz gezielt steigern
Das Ziel jedes Amazon-Unternehmens ist es, Umsatz und Absatz zu steigern.
Datengetriebene Unternehmen schaffen es, ihre Performance systematisch zu verbessern – und sich so einen Vorsprung gegenüber der Konkurrenz zu verschaffen.
2.4. Profitabilität erhöhen
Umsatz ist nicht gleich Gewinn – das gilt insbesondere auf Amazon.
Schätzungen zufolge werden über 20 % der Artikel dort unprofitabel angeboten.
Durch eine gezielte Analyse der Kostenstruktur lassen sich Einsparpotenziale erkennen und die langfristige Rentabilität verbessern.
2.5. Nachhaltige Wettbewerbsvorteile aufbauen
Wie bereits erwähnt: Auf Amazon ist fast alles kopierbar – Texte, Bilder, Produkte, Preise.
Was sich jedoch nicht so leicht kopieren lässt, ist eine konsequent datengetriebene Arbeitsweise.
Sie gehört zu den wenigen wirklich nachhaltigen Wettbewerbsvorteilen, neben Markenbekanntheit, Produktinnovation und Kostenvorteilen.
Denn wer in der Lage ist, auf Basis valider Daten schnellere und bessere Entscheidungen zu treffen, verschafft sich langfristig einen entscheidenden Vorteil.
Ein Überblick der Datenquellen – von internen bis zu externen Quellen
Nachdem wir über die Vorteile datengetriebener Entscheidungen gesprochen haben, stellt sich nun die Frage: Woher kommen diese Daten überhaupt?
Amazon bietet eine ganze Reihe an First-Party-Datenquellen, die in der Praxis oft nur oberflächlich genutzt oder gar nicht richtig verstanden werden. Dabei liegt gerade hier das größte Potenzial – vorausgesetzt, man weiß, wie man diese Quellen sinnvoll analysiert, interpretiert und miteinander verknüpft.
Fangen wir mit den internen Datenquellen an:
3.1. Amazon Business Reports (für Vendoren alternativ Retail Analytics)
Die Business Reports gehören zu den ältesten, aber immer noch wichtigsten internen Datenquellen. In der Regel werden sie im Seller Central unter „Berichte -> Statistiken & Berichte“ gefunden.
Was lässt sich hier analysieren?
- Entwicklung der Sichtbarkeit eines Produkts über die Metrik „Sessions“ (Besucher pro Produktseite)
- Conversion-Raten auf ASIN-Basis: Wie gut funktioniert das Produktlisting?
- Vergleich von Klickzahlen vs. Käufen über die Zeit
- Buybox-Anteil: Bei Verlust kann hier eine Ursache für plötzliche Umsatzrückgänge liegen
Wie funktioniert die Analyse konkret?
Ein sinnvoller Einstieg ist ein wöchentlicher oder monatlicher Export der Reports („Detailseite – Sales and Traffic by Child ASIN“). Diese können in einem Google Sheet oder Excel-Dashboard zusammengeführt werden. Sobald man die Daten historisch aufbereitet hat, lassen sich Drops oder Peaks in Umsatz, Sichtbarkeit oder Conversion zuverlässig erkennen – und mit Maßnahmen (z. B. Werbepush, Preisänderung, Lagerstatus) abgleichen.
Beispielhafte Fragestellung:
„Warum ist der Umsatz meiner ASIN XY letzte Woche eingebrochen?“
→ Analyse der Sessions: Rückgang?
→ Conversion-Rate verändert?
→ Buybox verloren?
→ Lagerthema?
Diese Art der Ursachenforschung sollte zur Routine werden.
3.2. Brand Analytics (Für Seller & Vendor)
Brand Analytics ist für alle Markeninhaber im Seller Central verfügbar und gibt Einblicke in das Suchverhalten auf Amazon. Es ist keine klassische Performance-Auswertung, sondern ein Markt-Analyse-Tool.
Was lässt sich analysieren?
- Suchfrequenzrang (SFR): Wie oft wird ein bestimmtes Keyword im Vergleich zu anderen gesucht?
- Welche Produkte erhalten die meisten Klicks & Käufe zu einem Keyword?
- Click Share & Conversion Share für das eigene Produkt vs. Wettbewerber
Wie führt man hier eine Analyse durch?
Nehmen wir an, du möchtest wissen, wie deine Marke zu einem bestimmten Keyword abschneidet. Du suchst das Keyword in den Brand Analytics Reports und bekommst die Top 3 Produkte mit ihren Click- und Conversion-Anteilen. Ist dein Produkt nicht dabei, weißt du, dass du entweder nicht sichtbar bist – oder sichtbar, aber irrelevant.
Kombinationsmöglichkeit mit Business Reports:
Während du in den Business Reports deine Conversion analysierst, kannst du mit Brand Analytics erkennen, ob du überhaupt auf den richtigen Keywords sichtbar bist – oder ob Wettbewerber dir die Klicks wegschnappen.
3.3. Product Opportunity Explorer (POE) (Nur Seller-Zugriff)
Der POE ist ein mächtiges Tool, das für die Produktrecherche und Portfolio-Erweiterung genutzt werden kann. Anders als andere Tools basiert es auf echten Amazon-Daten, was es besonders wertvoll macht.
Was analysiert man hier?
- Keyword-Cluster mit hohem Suchvolumen, niedriger Conversion oder schwacher Konkurrenz
- Anzahl aktiver Produkte in einer Nische
- Durchschnittlicher Preis, Bewertung & Anzahl Reviews
- Kundenverhalten (Klicks, Käufe, Wiederkäufe)
Wie geht man vor?
- Auswahl eines relevanten Keywords oder Segments
- Analyse der Nachfrageentwicklung (Search Volume) über Zeit
- Vergleich mit Angebot (Anzahl gelisteter ASINs, durchschnittliche Qualität)
- Abschätzung der Wettbewerbsintensität und Marktlücke
Praktisches Beispiel:
Ein Seller überlegt, eine Variante eines Küchenhelfers auf den Markt zu bringen. POE zeigt: Hohe Nachfrage, aber bestehende Angebote haben nur 3 Sterne, keine A+ Inhalte und lange Lieferzeiten.
→ Perfekte Gelegenheit für ein durchdachtes Produkt mit guter Auslieferung und Optimierung.
3.4. Amazon SQPR (Search Query Performance Report)
Der Search Query Performance Report (SQPR) ist aktuell eine der mächtigsten Datenquellen, die Amazon Markeninhabern zur Verfügung stellt – und trotzdem wird er von vielen nicht oder nur oberflächlich genutzt. Dabei bietet er die Möglichkeit, tief in die Suchanfragen einzutauchen, die zu deinen Produkten führen – und liefert dabei datenbasiert Antworten auf zentrale Fragen rund um Nachfrage, Sichtbarkeit und Performance.
Wo findet man den SQPR?
Der Report ist für verifizierte Markeninhaber im Brand Analytics Bereich verfügbar (Seller Central > Markenanalyse > Suchanalyse > Suchanfrageleistung). Alternativ lassen sich auch benutzerdefinierte SQPRs über die „Bericht-Downloads“ (Excel/CSV) erstellen – entweder für einzelne Wochen, Zeiträume oder rollierend.
Welche Daten stehen zur Verfügung?
Die Daten im SQPR werden auf Marken- oder ASIN-Ebene ausgespielt – und lassen sich sowohl auf Keyword- als auch auf Produktebene analysieren.
Pro Suchbegriff erhältst du u. a. folgende Metriken:
- Search Query Volume (Suchnachfrage): Wie oft wurde ein Keyword in einem bestimmten Zeitraum gesucht?
- Impression Share: Welchen Anteil an den Gesamtimpressionen hat deine Marke oder ASIN bei diesem Keyword erzielt?
- Click Share: Welcher Anteil der Klicks auf Suchergebnisse entfiel auf deine Marke?
- Add to Cart Share: Anteil der Warenkorb-Aktionen deiner Marke an allen zu diesem Keyword
- Purchase Share: Anteil deiner Marke an den tatsächlichen Käufen zu diesem Keyword
- Top Clicked ASINs / Purchased ASINs: Welche Produkte werden tatsächlich geklickt oder gekauft – auch deine eigenen
- Median Price: Durchschnittlicher Verkaufspreis der gekauften Produkte zu diesem Keyword
Was lässt sich damit analysieren?
1. Verständnis der Suchnachfrage und deren Entwicklung
Statt auf Drittdaten zu setzen, zeigt der SQPR dir, wie sich das Suchvolumen real auf Amazon entwickelt – und zwar für die Keywords, die tatsächlich mit deiner Marke oder deinen Produkten interagieren. Das erlaubt eine faktenbasierte Einschätzung:
- Steigt oder fällt die Nachfrage nach dem Keyword „Magnesium Kapseln“?
- Welche Begriffe gewinnen an Bedeutung?
- Welche verlieren an Relevanz?
→ Besonders hilfreich bei der Bewertung von saisonalen Trends oder Marktverschiebungen.
2. Performance entlang des Funnels: Impression → Klick → Kauf
Du kannst über den Funnel hinweg exakt nachvollziehen:
- Wird dein Produkt häufig angezeigt (Impression Share), aber nicht geklickt? → Möglicherweise stimmen Bild, Preis oder Titel nicht.
- Gibt es viele Klicks, aber kaum Add-to-Cart- oder Purchase Share? → Listing, Bewertungen oder Preis-Leistung könnten ein Problem sein.
- Du hast einen hohen Add-to-Cart-Share, aber einen geringen Purchase Share? → Versandzeit, Preis, Konkurrenzaktionen prüfen.
Durch diese Art von Funnel-Analyse auf Keyword-Ebene lassen sich Probleme viel gezielter und schneller identifizieren als mit reinen Business Reports.
3. Anteil am Gesamtumsatz zu einem Keyword (Purchase Share)
Der Purchase Share gibt an, wie groß dein Anteil am gesamten Umsatz ist, der über ein bestimmtes Keyword erzielt wurde. Beispiel:
- Keyword: „Vitamin B12 Tropfen“
- Suchvolumen: 15.000
- Purchase Share deiner Marke: 8,5 %
→ Du kontrollierst also 8,5 % des Umsatzes, der über dieses Keyword generiert wurde.
→ Diese Metrik ist Gold wert, um Marktanteile gezielt zu beobachten – vor allem im Vergleich zur Kategorie oder bei Monitoring von Kampagneneffekten.
4. Konkurrenzanalyse durch Klick- und Kaufverteilung
Du siehst nicht nur deine eigenen Shares – sondern auch, welche ASINs bei einem Keyword am meisten geklickt oder gekauft wurden. Das erlaubt eine praktische Wettbewerbsanalyse:
- Welche Produkte dominieren bei einem Keyword?
- Haben sie vielleicht bessere Bewertungen, ein anderes Preisniveau oder ein attraktiveres Bundle?
- Welche davon wiederholen sich bei mehreren Keywords?
So entsteht ein datenbasiertes Wettbewerbsbild, statt bloß subjektiver Vermutungen.
5. Preisanalysen mit Median Price
Der Median Price gibt an, zu welchem Preis Produkte zu einem bestimmten Keyword gekauft wurden – unabhängig davon, ob es dein Produkt war oder nicht.
Das erlaubt dir:
- Dein eigenes Pricing zu validieren („Bin ich zu teuer oder zu günstig im Vergleich zum Markt?“)
- Preisstrategien von Wettbewerbern zu analysieren
- Zu erkennen, ob z. B. günstige Einstiegsprodukte oder hochpreisige Premiumlösungen dominieren
Wie wird mit dem SQPR gearbeitet?
Die sinnvollste Arbeitsweise ist ein wöchentlicher Export der SQPR-Daten, z. B. für die Top 100 Keywords deiner Marke oder einzelner ASINs. Diese Daten kannst du dann:
- Im Zeitverlauf vergleichen (z. B. Veränderung der Shares)
- Mit deinen Werbedaten abgleichen (z. B. SP/SP vs. organische Performance)
- In Kombination mit Business Reports und Brand Analytics interpretieren
Ein Praxisbeispiel:
Ein Seller wundert sich, dass ein Top-Produkt seit 3 Wochen weniger Umsatz macht.
→ Er zieht den SQPR und stellt fest:
- Die Suchanfrage „elektrischer Milchaufschäumer“ hat 25 % weniger Volumen als noch vor 3 Wochen
- Sein Impression Share ist stabil, aber der Click Share ist gefallen
- Der Median Price ist um 15 % gesunken
→ Zwei Wettbewerber bieten aggressive Rabatte – und kassieren die Klicks
Maßnahmen:
- Sponsored Product Ads für das Keyword pausieren
- Preis testen oder mit Bundle arbeiten
- Listing-Bild & Hauptvorteile schärfen, um wieder mehr Aufmerksamkeit zu erhalten
Fazit:
Der Amazon SQPR ist nicht nur ein weiteres Reporting-Tool – er ist das datenbasierte Rückgrat für alle, die verstehen wollen, warum ihre Produkte wie performen. Richtig genutzt, wird er zum Schlüssel für bessere Entscheidungen, zielgenaue Maßnahmen und nachhaltige Optimierung entlang des gesamten Funnels.
3.5. Warenkorbanalyse (Für Seller & Vendoren)
Die Warenkorbanalyse wird oft unterschätzt – dabei gehört sie zu den wenigen echten First-Party-Insights, die einem Seller oder Vendor verraten, welche Produkte gemeinsam mit den eigenen gekauft werden. Diese Information ist extrem wertvoll für alle, die ihr Sortiment gezielt erweitern oder systematisch Cross-Selling-Potenziale heben wollen.
Wie erhält man Zugriff?
Die Warenkorbanalyse ist ein Bestandteil der Brand Analytics – also nur für Markeninhaber verfügbar.
Du findest sie im Seller Central unter:
Marken > Markenanalyse > Analyse des Verbaucherverhaltens >Warenkorbanalyse
Was genau zeigt der Report?
Du erhältst für jeden deiner Artikel eine Liste mit anderen Produkten, die besonders häufig zusammen im Warenkorb landen – inklusive:
- der Anzahl gemeinsamer Käufe (Units Purchased Together)
- der Affinität (ein von Amazon berechneter Score für die Relevanz der Kombination)
- dem ASIN-Preis & Titel der ergänzenden Produkte
Was kann man konkret analysieren?
- Produktbündel identifizieren: Welche Artikel werden regelmäßig gemeinsam gekauft? → Potenzial für Set-Listings oder Bundle-Angebote.
- Querverkaufspotenziale im eigenen Sortiment erkennen: Falls zwei eigene Produkte häufig zusammen gekauft werden, kann das Cross-Selling über Sponsored Display oder A+ Content verstärkt werden.
- Wettbewerberprodukte in der Analyse: Wenn häufig Produkte anderer Marken gemeinsam mit deinen gekauft werden, kann man die Kundenreise besser verstehen oder gezielt versuchen, diesen Platz einzunehmen.
Beispiel:
Dein Bestseller ist ein Bartshampoo. Die Warenkorbanalyse zeigt, dass sehr häufig ein bestimmtes Bartöl einer Fremdmarke gemeinsam gekauft wird. → Hier bietet es sich an, selbst ein Bartöl zu entwickeln, mit dem Ziel, dass Kunden innerhalb deiner Marke bleiben. Parallel kann eine Bundle-Kampagne erstellt werden, bei der du dein Produkt mit eigenem Cross-Selling-Artikel bewirbst.
Kombination mit Sponsored Display:
Wer die gewonnenen Insights direkt in Sponsored Display (Cross Selling) überträgt, kann gezielt Ads auf genau jene ergänzenden Produkte schalten – auch ASIN-targetiert. Ideal, um den eigenen Kundenwert pro Bestellung zu steigern.
3.6. Amazon Marketing Cloud (AMC)
Die Amazon Marketing Cloud ist die aktuell leistungsfähigste Plattform zur granularen, datenbasierten Analyse des Nutzerverhaltens auf Amazon – weit über das hinaus, was klassische Reports oder Tools leisten können. Sie ermöglicht sogenannte „Custom Queries“, mit denen tiefgehende Fragen beantwortet werden können.
Wer bekommt Zugriff?
Zugriff erhalten derzeit:
- Amazon DSP-Kunden
- Kunden mit mindestens einem aktiven Amazon Ads Account (z. B. über eine Amazon Agentur wie Adsmasters)
- Seller/Vendoren mit einem verifizierten Markenprofil
Voraussetzung: Man braucht einen AMC-Zugang – entweder direkt über Amazon oder über einen Partner (z. B. Agentur, Toolanbieter wie Perpetua, Pacvue etc.). Empfehlenswert ist hier die Zusammenarbeit mit einer Full Service Amazon Agentur für die Implementierung, Analyse und die mögliche Schulung der eigenen Mitarbeiter, um die AMC zielgerichtet zu nutzen.
Wichtig: Der Zugang allein reicht nicht. Die Daten in der AMC sind roh und müssen per SQL-Abfragen (sogenannte Queries) interpretiert werden. Es ist daher absolut üblich, sich hier externe Expertise oder Tools zu holen.
Was kann analysiert werden?
- Path-to-Purchase: Wie viele Berührungspunkte (Impressions, Klicks, Views) sind notwendig, bis ein Kauf erfolgt?
- Channel-Attribution: Welche Kampagnentypen (SB, SP, SD, DSP) beeinflussen welche Phasen im Funnel?
- First vs. Repeat Purchases: Wie hoch ist der Anteil an wiederkehrenden Käufen pro ASIN oder Produktgruppe?
- View vs. Click Conversions: Gibt es Produkte, die stark durch Ad-Views verkauft werden, obwohl sie nicht geklickt werden?
Konkretes Beispiel für eine Analyse:
Ein Hersteller bewirbt ein neues Produkt via Amazon PPC und Amazon DSP. Die Verkäufe steigen – aber es ist unklar, welcher Kanal tatsächlich performt.
Über die AMC wird nun ein Attributionsmodell aufgesetzt, das zeigt:
- 70 % der Verkäufe wurden nach einem DSP View ausgelöst – ohne Klick
- Sponsored Products war für 20 % verantwortlich
- Sponsored Display brachte zwar viele Klicks, aber kaum Conversions
→ Fazit: Der Hebel liegt eindeutig in DSP-View-Kampagnen, nicht in Klick-basierten Formaten. Die Strategie wird entsprechend angepasst.
Warum ist AMC ein echter Gamechanger?
Mit der AMC können Seller und Vendoren die Komplexität von Multichannel-Kampagnen aufbrechen und ihre Budgets datengestützt steuern – statt nach Bauchgefühl.
Gleichzeitig ermöglicht AMC die Analyse von wiederkehrenden Käufen, Markenbindung und „Long-Term Impact“, den klassische Reports wie SQPR oder Business Reports gar nicht abbilden können.
3.7 Externe Datenquellen: Keepa & Helium 10
Neben den internen Amazon-Datenquellen gibt es auch eine Reihe an externen Tools, die sich als wertvolle Ergänzung für datengetriebene Analysen etabliert haben. Auch wenn sie nicht auf First-Party-Daten basieren, liefern sie oft eine hilfreiche Außenperspektive – insbesondere dann, wenn Amazon keine entsprechenden Informationen bereitstellt.
Zwei der wichtigsten Tools im deutschsprachigen Raum sind Helium 10 und Keepa. Beide bieten unterschiedliche Einsichten – und beide lassen sich hervorragend mit den internen Amazon-Datenquellen kombinieren.
3.7.1. Keepa – Preis- & Historienanalyse auf ASIN-Ebene
Keepa ist seit Jahren der Standard, wenn es darum geht, Preisentwicklungen, Verfügbarkeiten und Verkaufshistorien von Amazon-Produkten zu analysieren. Das Tool zieht täglich Daten von Millionen ASINs und stellt sie in Form von zeitbasierten Verlaufsdiagrammen dar.
Zugriff & Nutzung
Keepa kann als Browser-Extension (Chrome, Firefox) oder über das Webinterface genutzt werden. Die Grundfunktionen sind kostenlos. Für tiefere Daten (z. B. historische Sales Rank-Daten) benötigt man ein kostenpflichtiges Abo (ca. 19 €/Monat – Stand 2025).
Was kann analysiert werden?
- Preishistorie: Wie hat sich der Verkaufspreis einer ASIN über Wochen, Monate oder Jahre entwickelt?
- Sales Rank Entwicklung: Wie häufig (und in welcher Intensität) wurde ein Produkt verkauft?
- Amazon-Stock-Verfügbarkeit: Wann war Amazon selbst auf Lager? Wann nicht?
- Händleraktivität: Wie viele Drittanbieter waren aktiv? Gab es Preiskämpfe?
- Coupons & Rabatte: Sichtbar als Preisdrops oder Aktionen – z. B. zeitlich begrenzte Deals
Konkrete Anwendungsfälle
- Preisstrategie validieren: Wenn man sieht, dass ein Wettbewerber regelmäßig Preise senkt (z. B. jeden Sonntag), kann man darauf strategisch reagieren.
- Verkaufssaisonalität erkennen: Ein kontinuierlicher Rückgang im Sales Rank im November/Dezember kann auf saisonale Nachfrage hinweisen – etwa bei Geschenkprodukten.
- Markteintrittsfenster erkennen: Wenn ein Hauptwettbewerber oft out-of-stock ist, ergibt sich ein ideales Zeitfenster für Werbekampagnen.
- Vermeidung von Preisfallen: Wenn ein Produkt permanent unter dem eigenen Einkaufspreis verkauft wird, sollte man sich eine Teilnahme am Markt ggf. sparen.
Kombination mit internen Daten
Keepa eignet sich hervorragend zur Ergänzung von SQPR- oder Business Report-Daten. Während diese die Performance aus deiner Sicht darstellen, zeigt Keepa die Marktbewegung aus neutraler Sicht – etwa ob deine Preisanpassungen marktgerecht waren.
3.7.2. Helium 10 – Marktforschung, Keywordanalyse & Listing-Monitoring
Helium 10 ist ein All-in-One-Tool, das zahlreiche Module für verschiedene Amazon-Marktplätze bietet. Es basiert auf geschätzten Daten, aggregiert durch Crawler, Userdaten und Hochrechnungen – ist aber in vielen Bereichen präzise genug, um valide Entscheidungen zu unterstützen.
Zugriff & Nutzung
Helium 10 ist web-basiert und bietet verschiedene Preisstufen. Für Seller, die ernsthaft skalieren wollen, ist das „Platinum“- oder „Diamond“-Paket empfehlenswert. Es gibt auch eine eingeschränkte Free-Version, die für einfache Tests genutzt werden kann.
Welche Tools sind besonders relevant?
a) Black Box (Produktrecherche)
- Finde Produkte mit hohem Suchvolumen, geringer Konkurrenz, guter Bewertungslage
- Filterbar nach Marktplatz, Preis, BSR, Bewertungen, Umsatz etc.
- Ideal zur Vorbereitung von POE- oder Launch-Analysen
b) Magnet (Keyword-Recherche)
- Keyword-Ideen basierend auf Seed-Wörtern
- Anzeigen von Suchvolumen, Relevanz, Wettbewerb
- Vergleich mit tatsächlicher Performance (z. B. SQPR-Daten) möglich
c) Cerebro (Reverse ASIN Tool)
- Welche Keywords ranken bestimmte Wettbewerbs-ASINs?
- Welche dieser Keywords bringen voraussichtlich Umsatz?
- Konkurrenz-Analyse auf Keyword-Ebene
d) Keyword Tracker
- Überwachung der Keyword-Rankings über die Zeit
- Wichtig zur Auswertung von Launches, SEO-Maßnahmen oder Ad-Kampagnen
e) Listing Analyzer
- Scoring des Listings nach Amazon-Best Practices (z. B. Bilderanzahl, Titelstruktur, A+ Content, Reviews)
- Vergleich mit Wettbewerbern
- Zeigt Verbesserungspotenziale vor allem im Hinblick auf die Conversion-Optimierung
Typische Analysen mit Helium 10
- Produktideen mit objektivem Potenzial: In Kombination mit dem Product Opportunity Explorer auf Amazon lassen sich Märkte noch gezielter analysieren.
- Keyword-Gap-Analyse: Welche Suchbegriffe nutzen meine Wettbewerber, die ich nicht belege?
- SEO-Monitoring: Verliere oder gewinne ich Rankings? In welchem Zeitraum? Zu welchen Begriffen?
- Wettbewerbsanalyse: Mit Cerebro lassen sich ASINs durchleuchten und die relevantesten Keywords (nach Sales Estimates) identifizieren.
Kombination mit Amazon-internen Daten
Die größte Stärke von Helium 10 liegt in der Verbindung mit internen Reports:
- Wenn ein Keyword laut SQPR hohe Add-to-Cart-Raten bringt, aber Helium 10 zeigt, dass du dort nicht organisch sichtbar bist, dann ist das ein klares SEO-Signal.
- Wenn du bei einem neuen Produkt keine Brand Analytics-Daten hast, liefert Helium 10 eine erste Orientierung zu Nachfrage und Wettbewerbsdichte.
Fazit: Warum externe Tools (trotz First-Party-Daten) wichtig bleiben
Auch wenn Amazon in den letzten Jahren immer mehr First-Party-Datenquellen geöffnet hat, behalten Tools wie Keepa und Helium 10 ihren Platz – gerade für:
- Markteintritte: Wenn für neue Produkte oder Nischen noch keine internen Daten vorliegen
- Wettbewerbsanalyse: Wenn du gezielt analysieren willst, was andere Marken tun
- Schnelle Marktüberblicke: Wenn Entscheidungen nicht nur auf Bauchgefühl, sondern datenbasiert getroffen werden sollen
Richtig genutzt, sind sie kein Ersatz, sondern eine sinnvolle Ergänzung zu den Amazon-internen Analysen – und helfen dir dabei, ein vollständiges Bild zu bekommen: vom Markt, vom Wettbewerb und von deinem eigenen Potenzial.
4. Wie man aus der Vielzahl der Datenquellen eine saubere Analyse-Routine entwickelt
Wer sich einmal mit den verschiedenen Datenquellen auf Amazon beschäftigt hat – von Business Reports über SQPR bis hin zu externen Tools wie Keepa oder Helium 10 – stellt sich früher oder später die Frage: Was davon schaue ich mir eigentlich regelmäßig an? Und noch viel wichtiger: In welcher Reihenfolge, mit welchem Ziel, und wie häufig?
Denn was am Anfang nach „so viel Potenzial“ aussieht, wird für viele Seller und Vendoren schnell zum unübersichtlichen Flickenteppich: mal ein Blick in den SQPR, mal ein Screenshot aus Keepa, zwischendurch eine Bauchgefühl-Entscheidung und dann doch wieder der hektische Ad-hoc-Klick ins Seller Central.
Das Problem: Daten sind nur dann nützlich, wenn man sie strukturiert und wiederholbar nutzt.
Deshalb schauen wir uns in diesem Kapitel an, wie eine saubere, praxisnahe Analyse-Routine aussehen kann, die nicht im Tagesgeschäft untergeht, sondern echte Entscheidungen ermöglicht.
Warum eine feste Routine notwendig ist
Viele Unternehmen prüfen ihre Zahlen erst dann, wenn der Umsatz einbricht oder das Lager überquillt. Daten werden also reaktiv statt proaktiv genutzt – was dazu führt, dass Entscheidungen unter Zeitdruck und mit lückenhaftem Verständnis getroffen werden.
Eine feste Analyse-Routine schafft hier Abhilfe:
- Sie bringt Regelmäßigkeit in die Bewertung der eigenen Performance.
- Sie erlaubt, frühzeitig Entwicklungen zu erkennen – bevor es zu spät ist.
- Und sie verhindert, dass man sich in 27 offenen Tabs verliert, ohne am Ende eine Entscheidung getroffen zu haben.
Schritt 1: Die Zielsetzung der Analyse definieren
Bevor man anfängt, Reports zu exportieren oder Dashboards zu bauen, sollte klar sein:
Was will ich eigentlich herausfinden?
Einige Beispiele für sinnvolle Fragestellungen:
- Warum hat sich mein Umsatz im Vergleich zur Vorwoche verändert?
- Welche Produkte haben unterdurchschnittliche Conversion-Raten?
- Welche Keywords bringen viel Traffic, aber keinen Umsatz?
- Welche Produkte performen unter Marktpotenzial?
- Wo verliere ich Marktanteile – und warum?
Diese Fragestellungen bestimmen die Auswahl der Datenquellen und sorgen dafür, dass man sich nicht in der Informationsflut verliert.
Schritt 2: Datenquellen clustern – und sinnvoll zuordnen
Die zweite wichtige Erkenntnis: Nicht jede Datenquelle ist für jede Fragestellung geeignet. Deshalb hilft es, die verfügbaren Tools und Reports zu gruppieren:
| Analysebereich | Passende Datenquellen |
|---|---|
| Verkaufsperformance | Business Reports, Brand Analytics, SQPR |
| Keyword-Performance | SQPR, Helium 10, Brand Analytics |
| Preis- & Verfügbarkeitsverlauf | Keepa |
| Marktentwicklung & Nachfrage | POE, Helium 10, Brand Analytics |
| Kundenverhalten & Funnel | SQPR, AMC (wenn vorhanden), Warenkorbanalyse |
| Wettbewerbsanalyse | Helium 10 (Cerebro), Keepa, POE |
Diese Clusterung hilft dabei, bei jeder Analyse zielgerichtet zu arbeiten – statt jeden Report „mal durchzuscrollen“.
Schritt 3: Die wöchentliche Routine – Fokus auf Performance & Abweichungen
Eine saubere Routine beginnt mit einem wöchentlichen Blick auf die Kern-KPIs. Der Ablauf könnte so aussehen:
a) Business Reports
- Umsatz & Bestellungen auf SKU-Ebene
- Sessions & Conversion-Rate
- Abweichungen im Vergleich zur Vorwoche / Vormonat
Ziel: Schnelles Erkennen von Drops oder Ausreißern.
b) SQPR
- Analyse der Top-Keywords nach Click Share & Purchase Share
- Gibt es Keywords mit hoher Sichtbarkeit, aber keiner Conversion?
- Ist der Umsatzrückgang durch Nachfrageeinbruch oder Funnel-Probleme erklärbar?
Ziel: Verbindung zwischen Nachfrage, Sichtbarkeit und tatsächlicher Leistung.
c) Brand Analytics
- Beobachtung der Top-Suchbegriffe der Kategorie
- Bin ich dort vertreten – und wenn ja, mit welchem Produkt?
- Gibt es neue Suchbegriffe, die relevant für mich sein könnten?
Ziel: Frühzeitiges Erkennen von Verschiebungen im Suchverhalten.
d) Keepa
- Preisentwicklung der eigenen ASINs & Wettbewerberprodukte
- Out-of-Stock-Situationen oder Saisonalitäten?
- Hat der Markt reagiert, z. B. mit Preisdumping?
Ziel: Die eigene Performance im Kontext des Marktes verstehen.
Schritt 4: Monatlicher Deep-Dive – Ursachen verstehen, Potenziale identifizieren
Während die wöchentliche Analyse eher operativ ist, geht es im monatlichen Deep-Dive um strategische Fragen. Hier werden nicht nur Zahlen angeschaut, sondern auch Hypothesen geprüft, Maßnahmen hinterfragt und Optimierungspotenziale gesucht.
Beispiele für Themen:
- Welche Produkte tragen überproportional zum Gesamtumsatz bei – und warum?
- Welche ASINs laufen stabil, aber ohne Wachstum? Wie können wir nachhelfen?
- Welche Keywords bringen die höchsten ROIs?
- Wie sieht unsere organische vs. bezahlte Sichtbarkeit aus?
- Welche Marktsegmente oder Nischen könnten nächstes Quartal relevant werden?
Hier lohnt sich oft die Kombination aus internen Reports (SQPR, Business Reports, AMC) und externen Tools wie Helium 10 (für Wettbewerbs-Screening) oder POE (für neue Cluster).
Tipp: Hypothesen aufstellen und gegen Daten testen.
Beispiel: „Ich denke, Produkt X verkauft sich schlechter, weil die Konkurrenz günstiger geworden ist.“ → Prüfung mit Keepa & SQPR.
Schritt 5: Maßnahmen aus der Analyse ableiten
Daten sind nur dann sinnvoll, wenn sie zu Entscheidungen führen. Deshalb ist es wichtig, aus jeder Analyse eine konkrete Handlungsempfehlung abzuleiten.
Ein guter Rahmen dafür:
- Was wurde beobachtet? (z. B. Conversion Rate gesunken bei Top-Keyword)
- Was ist die wahrscheinlichste Ursache? (z. B. schlechteres Hauptbild, neue Konkurrenz)
- Was ist der nächste Schritt? (z. B. A/B Test starten, Ads umschichten, Preistest)
Ohne diesen Schritt verkommt jede Analyse zur „Datenbeschauung“ ohne Konsequenz.
Schritt 6: Das Ganze dokumentieren & zur Routine machen
Viele Analysen bleiben folgenlos, weil sie nicht dokumentiert oder kommuniziert werden. Gerade in größeren Teams oder bei regelmäßigen Produkt-Reviews sollte daher gelten:
- Kurze Notizen zu jeder Analyse (Datum, Erkenntnis, Maßnahme)
- Wiederkehrende Zeitfenster im Kalender (z. B. Montag: Performance Check / Monatsende: Strategie-Durchsicht)
- Gemeinsames Dashboard oder Google Sheet zur Entwicklung einzelner KPIs
Was nicht getrackt wird, wird auch nicht verbessert.
Amazon stellt inzwischen eine beeindruckende Menge an Daten zur Verfügung – aber eben auch nur Rohdaten. Die Kunst besteht darin, aus diesem Dschungel eine klare, strukturierte Routine zu entwickeln, die einem dabei hilft, die richtigen Fragen zur richtigen Zeit zu stellen – und auf Basis der Antworten fundierte Entscheidungen zu treffen.
Ob man mit 10 oder 10.000 ASINs arbeitet – am Ende geht es immer um das gleiche Prinzip:
Beobachten → Verstehen → Handeln.
Und das funktioniert nur, wenn man sich nicht von der Menge der Daten beeindrucken lässt, sondern sie mit einem klaren System in den Griff bekommt.
Fazit – Datenanalysen für Amazon Seller & Vendoren
Datenanalyse ist kein Selbstzweck – sondern ein Hebel für bessere Entscheidungen.
Am Ende dieses Beitrags sollte eines klar geworden sein: Wer seine Zahlen nicht kennt, kann Amazon nicht profitabel skalieren.
Viel zu viele Entscheidungen im Amazon-Geschäft werden noch immer nach Bauchgefühl, Hörensagen oder kurzfristigen Impulsen getroffen – obwohl mittlerweile alle relevanten Daten zur Verfügung stehen.
Ob es um die Bewertung der aktuellen Performance, die Entwicklung neuer Produkte, die Optimierung bestehender Listings oder das sinnvolle Verteilen von Werbebudgets geht:
Nur wer versteht, was passiert – und warum es passiert – kann auch gezielt etwas verbessern.
Daten allein bringen jedoch nichts. Entscheidend ist, wie man sie nutzt:
- Mit welcher Systematik?
- Mit welchen Fragestellungen?
- Und mit welcher Konsequenz bei der Umsetzung?
Wer eine saubere Analyse-Routine etabliert, spart sich nicht nur Zeit und Frust, sondern verschafft sich einen echten Wettbewerbsvorteil – in einem Markt, in dem fast alles kopierbar ist, außer der eigenen Fähigkeit, besser informiert zu entscheiden.
