Retention / Klaviyo
Klaviyo-Flows nach Buyer-Daten statt nach Bauchgefühl — am Beispiel One-Time-Buyer
Bevor du einen einzigen Klaviyo-Flow baust, beantworte eine Frage aus deinen Bestelldaten: Wie groß ist der Anteil deiner Kund:innen, die genau einmal gekauft haben — und wie sieht das Wiederkauf-Intervall der anderen aus? Aus diesen zwei Zahlen ergibt sich die Flow-Architektur fast von selbst. Die meisten Shops machen es umgekehrt: Sie übernehmen ein generisches Flow-Set aus einem Template und wundern sich, dass es bei einer Käuferschaft, die mehrheitlich aus Einmalkäufern besteht, kaum Umsatz bringt.
Warum „Bauchgefühl-Flows" am eigenen Shop vorbeilaufen
Ein typisches Klaviyo-Onboarding produziert dieselben fünf Flows wie überall: Welcome, Abandoned Cart, Browse Abandonment, Post-Purchase, Winback. Das ist nicht falsch — aber es ist eine Architektur ohne Diagnose. Sie behandelt jeden Shop, als hätte er dieselbe Käuferstruktur. Genau das haben zwei Shops aber praktisch nie.
Ein Verbrauchsgüter-Shop (Kaffee, Kosmetik, Supplements) hat ein vorhersehbares Wiederkauf-Intervall und eine Käuferschaft, die zu Repeat-Käufen neigt. Ein Möbel- oder High-Ticket-Shop hat eine Käuferschaft, die nach dem ersten Kauf oft für lange Zeit nichts mehr braucht. Beide bekommen aus dem Template denselben Post-Purchase-Flow — und für mindestens einen von beiden ist er falsch dimensioniert. Der Fehler liegt nicht im Flow, sondern im fehlenden Blick auf die Daten davor.
Die zwei Zahlen, aus denen die Architektur folgt
Du brauchst keine Benchmark und keine Branchen-Statistik. Du brauchst zwei Auswertungen aus deinen eigenen Bestelldaten:
- Einmalkäufer-Anteil: Welcher Prozentsatz aller Kund:innen mit mindestens einer Bestellung hat genau eine Bestellung? Diese Zahl entscheidet, wie viel Gewicht der „Erstkäufer → Zweitkäufer"-Flow im Verhältnis zum Rest bekommt.
- Wiederkauf-Intervall der Repeat-Käufer: Bei denen, die ≥2-mal gekauft haben — wie viele Tage liegen typischerweise zwischen Bestellung 1 und 2? Der Median (nicht der Durchschnitt, den verzerren Ausreißer) ist dein Taktgeber für Replenishment- und Winback-Timing.
Beide Zahlen stehen in deinem Shopify-Order-Export oder lassen sich direkt in Klaviyo aus dem Placed Order-Event ableiten. Wichtig: Klaviyo synchronisiert bei der Shopify-Anbindung zuerst die letzten 90 Tage und danach die vollständige Bestellhistorie — die Mechanik dahinter beschreibt unser Beitrag zu Datenbasis vor Automatisierung. Erst wenn die Historie vollständig eingelaufen ist, sind deine Segment-Schwellen belastbar.
Segment-Logik: Schwellen aus dem eigenen Verhalten ableiten
Statt fixer „90-Tage-Winback"-Defaults aus dem Template leitest du die Schwellen aus deinem Wiederkauf-Intervall ab. Die Grundsegmente, mit denen fast jede Retention-Architektur auskommt:
| Segment | Definition (Beispiel-Logik) | Schwelle ableiten aus |
|---|---|---|
| One-Time-Buyer (frisch) | genau 1 Placed Order, erste Bestellung < X Tage her | X = Median-Intervall bis zur 2. Bestellung |
| One-Time-Buyer (kippt) | genau 1 Placed Order, erste Bestellung > X Tage her | X = Median-Intervall (Fenster „hätte längst nachgekauft") |
| Repeat-Käufer (aktiv) | ≥2 Placed Orders, letzte < Intervall her | Wiederkauf-Intervall der Repeat-Kohorte |
| Repeat-Käufer (Winback) | ≥2 Placed Orders, letzte > 1,5–2× Intervall her | Vielfaches des Median-Intervalls |
Der Punkt ist nicht die exakte Zahl, sondern das Prinzip: Die Schwelle X kommt aus deinem Shop, nicht aus einem Blogpost. Ein Kaffee-Shop mit ~35 Tagen Median-Intervall braucht andere Winback-Schwellen als ein Brillen-Shop mit ~600 Tagen. Dieselbe „90-Tage-Winback" trifft bei beiden daneben.
One-Time-Buyer: der Flow, der den größten Hebel hat
Wenn deine Auswertung zeigt, dass die Mehrheit deiner Kund:innen Einmalkäufer ist, ist der wichtigste Flow nicht der Welcome- und nicht der Winback-Flow, sondern der Erstkäufer-zu-Zweitkäufer-Flow. Er adressiert die größte adressierbare Gruppe in ihrem entscheidenden Moment — kurz nachdem das Produkt angekommen ist und bevor sie dich vergessen.
Architektur in Klaviyo (Operator-Sicht):
- Trigger: Placed Order. Konsistent bleiben — wenn du auf Placed Order triggerst, filtere auch auf Placed Order, nicht auf Ordered Product. Beide Events laufen bei Shopify nur Sekunden auseinander ein; mischst du sie, schließt der Filter unbeabsichtigt alle aus.
- Flow-Filter: „Placed Order zero times since starting this flow" — sobald jemand die zweite Bestellung auslöst, fällt er aus dem One-Time-Pfad heraus. Das ist die saubere Art, „nur Einmalkäufer" durchzuhalten, ohne ein separates Segment pflegen zu müssen.
- Time-Delay statt fixem Default: Den zweiten, verkaufsorientierten Schritt legst du auf einen Bruchteil deines Median-Intervalls — früh genug, dass das Erstprodukt noch präsent ist, nicht so früh, dass es aufdringlich wirkt.
- Conditional Split nach Erstprodukt: Wer ein Verbrauchsprodukt gekauft hat, bekommt Nachschub-Logik; wer ein langlebiges Produkt gekauft hat, Cross-Sell ins Zubehör oder die nächste Kategorie. Das Erstprodukt steht im Order-Event und lässt sich direkt splitten.
Replenishment und Winback: dasselbe Intervall, andere Richtung
Replenishment ist nur sinnvoll, wenn dein Wiederkauf-Intervall vorhersehbar ist (Verbrauchsgüter). Dann triggerst du datumsbasiert relativ zur letzten Bestellung — kurz vor dem erwarteten Aufbrauch-Zeitpunkt, nicht danach. Winback ist die Kehrseite: Er greift, wenn jemand das erwartete Intervall überschritten hat. Beide Flows hängen an derselben Zahl — deinem Median-Intervall — nur an unterschiedlichen Punkten der Zeitachse. Genau deshalb ist es Verschwendung, die Schwelle zu raten.
Wenn die Datenmenge reicht: RFM statt manueller Schwellen
Sobald genug Historie da ist, kann Klaviyos eingebaute RFM-Analyse die manuelle Schwellen-Pflege ablösen. Klaviyo bewertet jede:n Kund:in entlang Recency, Frequency und Monetary auf einer 1–3-Skala und fasst das zu einem dreistelligen Profil zusammen (z. B. 333 für die stärksten Käufer:innen). Aus diesen Werten bildet Klaviyo benannte Gruppen wie Champions, Loyal, At Risk oder Inactive und legt sie als Profil-Eigenschaften (Current RFM Group, Previous RFM Group) ab.
Operativ heißt das: Du kannst Flows segment-getriggert starten, wenn jemand die Gruppe wechselt — etwa von Loyal zu At Risk — statt starr nach Tagen zu zählen. Voraussetzung dafür ist allerdings eine belastbare Datenbasis: Klaviyo verlangt für die RFM-Analyse u. a. mindestens 180 Tage Bestellhistorie, Bestellungen in den letzten 30 Tagen und eine Kohorte von Kund:innen mit 3+ Bestellungen. Hat dein Shop die nicht, bleibst du bei manuell abgeleiteten Intervall-Schwellen — was vollkommen ausreicht, um die One-Time-Buyer-Lücke zu schließen.
Flow-Recommender: die Diagnose automatisieren
Der Engpass ist nicht der Flow-Bau, sondern die Diagnose davor — und die machen die meisten Shops nie. Ein schlanker Flow-Recommender würde genau hier ansetzen: Order-Daten aus Shopify lesen, Einmalkäufer-Anteil und Median-Wiederkauf-Intervall berechnen und daraus konkrete Segment-Schwellen und eine priorisierte Flow-Reihenfolge vorschlagen — „bei deiner Käuferstruktur zählt zuerst der Erstkäufer-zu-Zweitkäufer-Flow, Winback-Schwelle ~X Tage". Das ersetzt keine Strategie, aber es ersetzt das Bauchgefühl als Startpunkt. Wir bewerten solche App-Ideen entlang ihres realen Operator-Nutzens, nicht ihrer Feature-Liste — siehe Shopify-Technik.
Was du heute tun kannst
Zieh deinen Order-Export, berechne die zwei Zahlen, und prüfe dein bestehendes Flow-Set dagegen. Wenn deine Käuferschaft mehrheitlich aus Einmalkäufern besteht und dein größter Flow trotzdem der Welcome-Flow ist, baust du am Hebel vorbei.
Willst du deine Flow-Architektur aus echten Buyer-Daten ableiten statt aus einem Template? Retention-Audit anfragen. Weiter: operative Retention und Datenbasis vor Automatisierung.