Insight Wert
Der löchrige Eimer: Warum die Fixierung auf CAC Sie mehr kostet, als Sie denken
Jedes Wachstumsmeeting beginnt gleich. CAC ist gesunken. Neue Nutzer sind gestiegen. Die Akquisemaschine läuft. Alle sind zufrieden. Niemand schaut zur Hintertür.
Das ist das Leaky-Bucket-Problem — und es zerstört stillschweigend die Unit Economics von Unternehmen, die auf dem Papier wachsen.
Was CAC tatsächlich misst (und was nicht)
Customer Acquisition Cost ist eine nützliche Kennzahl. Sie sagt Ihnen, wie viel Sie ausgegeben haben, um einen Kunden zu gewinnen.
Was sie Ihnen nicht sagt: ob es sich gelohnt hat, diesen Kunden zu gewinnen.
Eine CAC von 40 € sieht großartig aus. Bis dieser Kunde sechs Wochen bleibt, 35 € Umsatz generiert und geht. Sie haben keinen Kunden gewonnen. Sie haben 40 € für einen sechswöchigen Test bezahlt, der Sie Geld gekostet hat.
Multiplizieren Sie das mit Tausenden von Kunden, über mehrere Kanäle, über zwölf Monate.
Die Wachstumskurve steigt weiter. Die Umsatzzahlen sehen noch akzeptabel aus. Aber irgendwo darunter leckt der Eimer — und Sie haben schneller nachgegossen, um das auszugleichen.
Die Kennzahl, die alle tracken vs. die Kennzahl, die wirklich zählt
Hier ist die unbequeme Wahrheit über CAC: Es ist die am einfachsten zu verbessernde Wachstumskennzahl — auf Wegen, die Ihr Geschäft verschlechtern.
Senken Sie Ihre Preise — CAC sinkt. Starten Sie eine Aktion — CAC sinkt. Sprechen Sie ein breiteres Publikum an — CAC sinkt. Gewinnen Sie Kunden, die nie bleiben wollten — CAC sinkt.
Jeder dieser Schritte kann Ihre Akquisezahlen besser aussehen lassen, während er gleichzeitig die Qualität Ihres Kundenstamms stillschweigend verschlechtert.
Die Kennzahl, die wirklich zählt, ist das LTV:CAC-Verhältnis — nicht CAC isoliert. Und selbst der LTV ist nur nützlich, wenn er richtig aufgeschlüsselt wird.
Ihr durchschnittlicher LTV lügt Sie an. Nicht weil jemand falsch gerechnet hat. Sondern weil Durchschnittswerte genau die Informationen verbergen, die Sie brauchen: welche Kunden sich wirklich lohnen und welche nur bis zum dritten Monat gut aussehen.
| Was der durchschnittliche LTV zeigt | Was Sie tatsächlich wissen müssen |
|---|---|
| Ein Kunde ist durchschnittlich €X wert | Welcher Kanal die Kunden mit dem höchsten LTV produziert |
| Retention liegt bei durchschnittlich Y% | Welche Kohorte am schnellsten abwandert — und wann |
| Umsatz pro Nutzer ist Z | Welches Produkt oder welcher Plan den LTV stillschweigend zerstört |
Der Unterschied zwischen diesen beiden Spalten ist der Unterschied zwischen blindem Nachgießen und dem Finden des Lecks.
Wo die Lecks wirklich sind
Die meisten Leaky-Bucket-Probleme sind auf der obersten Ebene nicht sichtbar. Sie verstecken sich in der Aufschlüsselung.
Kanalspezifische LTV-Varianz
Das ist das häufigste Problem. Der über Paid Social in Q2 gewonnene Kunde wandert doppelt so schnell ab wie der Kunde, der über organische Suche kam. Gleiches Produkt, gleicher Preis, völlig unterschiedliches Lebenszeitverhalten. Ihr gemischter LTV-Durchschnitt glättet das und lässt beides akzeptabel aussehen.
Das Ergebnis: Sie investieren weiter in Paid Social, weil die CAC wettbewerbsfähig aussieht, ohne zu erkennen, dass die Kunden, die daraus hervorgehen, grundlegend anders sind — und grundlegend weniger wertvoll.
Kohorten-Verfall
Die Retention im ersten Monat sieht gut aus. Im zweiten Monat auch. Im dritten Monat bricht alles leise zusammen. Aber wenn Sie nur auf die Gesamt-Churn-Rate schauen, werden Sie die Klippe im dritten Monat nie sehen — bis Sie den Trichter ein Jahr lang gefüttert haben.
Plan- oder Produkt-Mismatch
Besonders bei Abo-Geschäften ziehen Einstiegstarife oft Kunden an, die nie upgraden wollten — und die abwandern, sobald ein günstigerer Wettbewerber auftaucht. Diese Kunden sehen bei der Akquise identisch aus wie hochwertige Kunden. Sind sie aber nicht.
Nichts davon ist sichtbar, wenn Sie nur CAC beobachten.
Der Zinseszinseffekt, über den niemand spricht
Das macht den löchrigen Eimer besonders gefährlich: Er verstärkt sich.
Sie gewinnen 1.000 Kunden. 300 wandern in drei Monaten ab. Sie gewinnen 1.000 weitere, um sie zu ersetzen — plus zusätzliche Kunden für Wachstum. Wieder wandern 300 ab. Und so weiter.
Die Akquisemaschine läuft weiter. Die Ausgaben gehen weiter raus. Das Team erreicht weiterhin seine „Neukunden"-Ziele.
Aber der tatsächliche Kundenstamm wächst kaum — weil Sie auf der Stelle laufen.
Retention ist ein Marketingproblem. Nicht nur ein Produktproblem. Wenn Ihre bezahlten Kanäle konsequent Kunden produzieren, die schneller abwandern als Ihre organischen Kanäle, ist das ein Akquise-Targeting-Problem — kein Produktproblem. Sie erreichen die falschen Leute. Effizient.
Deshalb können Unternehmen Quartal für Quartal starke Akquisekennzahlen zeigen, während das Umsatzwachstum stagniert. Der obere Teil des Trichters funktioniert. Der untere leckt. Und niemand hat diese beiden Fakten verbunden, weil sie von verschiedenen Teams mit verschiedenen Dashboards gemessen wurden.
Wie die Lösung tatsächlich aussieht
Die Lösung ist kein neues Dashboard. Kein neues Attributionsmodell. Auch keine neue Retention-Strategie — zumindest noch nicht.
Die Lösung beginnt damit, Daten zu verbinden, die derzeit in getrennten Systemen liegen.
Ihre Werbeplattform weiß, woher Kunden kamen. Ihr CRM weiß, welche geblieben sind. Ihr Abo-Backend weiß, was sie bezahlt haben und wann sie gegangen sind. BigQuery ist der Ort, an dem diese drei Gespräche endlich im selben Raum stattfinden.
Sobald sie verbunden sind, werden die Fragen beantwortbar:
- Welcher Akquisekanal produziert den höchsten LTV nach 6 Monaten? Nach 12?
- An welchem Punkt der Customer Journey steigt die Abwanderung sprunghaft an — und was haben diese Kunden vorher getan?
- Welche Kundensegmente akquirieren wir mit Verlust, ohne es zu wissen?
Das sind keine exotischen Fragen. Es sind die Fragen, die jedes Marketingteam an einem Dienstagmorgen beantworten können sollte. Die meisten können es nicht — nicht weil die Daten nicht existieren, sondern weil sie nie verbunden wurden.
Der praktische Ausgangspunkt
Bevor Sie Kohortenanalysen, LTV-Modellierung oder Churn-Vorhersagen machen können, brauchen Sie eines: zuverlässige Daten, die von jedem Touchpoint in eine einzige Datenquelle fließen.
Das bedeutet sauberes Tracking. Korrekt konfigurierte Einwilligung. Werbeplattformdaten, die mit Ihrem CRM abgeglichen sind. Keine 40%-Diskrepanz zwischen dem, was Google Ads meldet, und dem, was tatsächlich in Ihrem Backend angekommen ist.
Sie können keinen LTV auf fehlerhaften Daten modellieren. Sie können nur modellieren, wie fehlerhafte Daten aussehen — und darauf basierend Entscheidungen treffen. Genau so bleibt der Eimer löchrig.
Die Frage, die Sie diese Woche stellen sollten
Rufen Sie Ihre Akquisedaten von vor zwölf Monaten auf.
Finden Sie die Kohorte der Kunden, die Sie in diesem Monat gewonnen haben. Wie viele zahlen noch? Was ist ihr durchschnittlicher Umsatz bis heute? Schlüsseln Sie es nach Kanal auf.
Wenn Sie diese Fragen in weniger als einer Stunde beantworten können, ist Ihre Dateninfrastruktur in gutem Zustand.
Wenn nicht — wenn die Daten an drei verschiedenen Orten liegen, wenn die Kanalzuordnung systemübergreifend nicht übereinstimmt, wenn „Kohorte" kein Filter ist, den Sie anwenden können — dann ist das der Ausgangspunkt.
Nicht mit einer neuen Strategie. Nicht mit einem neuen Tool. Mit dem Fundament.
Nicht sicher, ob Ihr Tracking Ihnen die Daten liefert, die Sie brauchen?
Wir haben ein kostenloses Tool entwickelt, das Ihr Website-Tracking in 30 Sekunden prüft — Consent-Setup, Conversion-Tracking, Server-Side-Konfiguration und häufige GA4-Fehler, die Ihre Daten stillschweigend verfälschen.
Kostenloses Audit startenHäufig gestellte Fragen
Das Leaky-Bucket-Problem beschreibt eine Situation, in der ein Unternehmen ständig neue Kunden gewinnt, diese aber durch Abwanderung fast genauso schnell wieder verliert. Die Akquisezahlen sehen gesund aus, aber der tatsächliche Kundenstamm wächst kaum, weil der Trichter am unteren Ende leckt.
CAC sagt Ihnen nur, wie viel Sie ausgegeben haben, um einen Kunden zu gewinnen. Ob dieser Kunde es wert war, sagt sie nicht. Eine niedrige CAC ist bedeutungslos, wenn diese Kunden innerhalb weniger Wochen abwandern und weniger Umsatz generieren als ihre Akquise gekostet hat.
Das LTV:CAC-Verhältnis vergleicht den Customer Lifetime Value mit den Akquisekosten. Es zeigt, ob die gewonnenen Kunden über die Zeit tatsächlich profitabel sind. Ein gesundes Verhältnis liegt typischerweise bei 3:1 oder höher. CAC ohne LTV zu betrachten ist wie einen Verkauf zu feiern, ohne die Marge zu prüfen.
Verschiedene Akquisekanäle produzieren oft Kunden mit sehr unterschiedlichem Lifetime Value. Paid Social liefert möglicherweise günstige Kunden, die doppelt so schnell abwandern wie organische Suchkunden. Gemischte Durchschnittswerte verbergen dies — Sie müssen den LTV nach Kanal aufschlüsseln, um zu sehen, welche Quellen tatsächlich profitabel sind.
Der erste Schritt ist, Ihre Akquisedaten mit Ihren Retention- und Umsatzdaten in einer einzigen Datenquelle zu verbinden — typischerweise BigQuery. Sie benötigen sauberes Tracking, korrekt konfigurierte Einwilligung und mit Ihrem CRM abgeglichene Werbeplattformdaten, bevor Sie eine aussagekräftige Kohortenanalyse oder LTV-Modellierung durchführen können.