> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wisepim.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Retouren & Rückerstattungen
> Sieh, was zurückkommt, was es kostet und warum – und senke die Retourenquote, indem du die Datenqualitätsprobleme behebst, die sie verursachen.
Der Bericht Retouren & Rückerstattungen zeigt, was zurückkommt, was es dich kostet und die Gründe dahinter. Am wichtigsten: Er verknüpft Retouren mit Datenqualität – damit du Retouren an der Quelle stoppst, statt sie nur zu zählen.
**Was du damit bewirken kannst:** deine Retourenquote durch Verbesserung des Contents senken, der falsche Erwartungen erzeugt, die Kategorien identifizieren, die den meisten rückerstatteten Umsatz kosten, und die Marge schützen, ohne dein Sortiment zu ändern.
Dieser Bericht benötigt Bestellhistorie mit Retouren- oder Rückerstattungsdaten aus deinen verbundenen Plattformen. Manche Plattformen liefern nur bestellseitige Rückerstattungen; mit positionsgenauen Daten bekommst du zusätzlich Retourengründe und produktgenaue Details.
## Kennzahlen
| Kennzahl | Was sie dir sagt |
| ------------------------------------ | ------------------------------------------------------------------------------------------------------- |
| **Retourenquote** | Anteil der Bestellungen, die im Zeitraum retourniert wurden. Die Hauptzahl, die du minimieren solltest. |
| **Retournierte Bestellungen** | Anzahl der Bestellungen mit einer Retoure oder Rückerstattung. |
| **Rückerstatteter Umsatz** | Gesamter zurückerstatteter Betrag – der direkte Margeneinfluss. |
| **Durchschnittliche Rückerstattung** | Der typische Rückerstattungsbetrag. Hohe Werte deuten auf teure retournierte Artikel hin. |
### Was gut aussieht
Retourenquoten variieren stark nach Kategorie und Geschäftsmodell. Das sind Richtgrößen:
| Retourenquote | Signal |
| ------------- | --------------------------------------------------------------------------------------------------------------- |
| Unter 5 % | Stark – typisch für Verbrauchsgüter, Zubehör oder gut beschriebene Produkte |
| 5 – 15 % | Normaler Bereich für allgemeinen E-Commerce |
| 15 – 25 % | Erhöht – Hauptgründe und Qualität der Produktinhalte untersuchen |
| 25 %+ | Hoch – im Fashion-Bereich üblich; in anderen Kategorien signalisiert dies ein Content- oder Produkt-Fit-Problem |
Ein plötzlicher Spike – auch innerhalb eines normalen Bereichs – ist oft aussagekräftiger als der absolute Wert. Mit dem Trenddiagramm abgleichen.
## Daten verbessern, Retouren senken
Das herausragende Diagramm ist die **Retourenquote nach Datenqualitätsstufe**. Produkte mit schlechtem oder fehlendem Content – falsche Bilder, vage Beschreibungen oder fehlende Spezifikationen – werden weit häufiger retourniert, weil Kunden etwas anderes erhalten als erwartet.
Die Stufen reichen von A (Score 90+) bis F (unter 60). Typische Muster:
* Produkte der Stufen A und B werden selten retourniert, weil ihr Content genaue Erwartungen setzt.
* Produkte der Stufen D und F werden häufig 2–3-mal so oft retourniert wie Produkte der Stufe A.
* Die Insight-Karte zeigt deine schlechteste Stufe und ihre Retourenquote, damit du genau weißt, wo du anfangen solltest.
Der Bericht nennt deine schlechteste Qualitätsstufe und ihre Retourenquote. Diese Produkte anzureichern ist oft der stärkste einzelne Hebel, den du hast, um Retouren zu senken und die Marge zu schützen – der Fix kostet weniger als die Rückerstattungen.
## Diagramme und Tabellen
* **Retourenquote nach Datenqualität** – das WISEPIM-Differenzierungsmerkmal. Balken gereiht nach Retourenquote pro Qualitätsstufe (A bis F). Ein steiler Gradient von links nach rechts ist das Signal, Produkte mit niedrigem Score anzureichern.
* **Retourenquote über die Zeit** – Spitzen erkennen und mit einem Launch, einem Lieferantenwechsel oder einem Content-Problem verknüpfen.
* **Rückerstatteter Umsatz nach Kategorie** – welche Kategorien dich am meisten in Rückerstattungen kosten.
* **Häufigste Retourengründe** – wenn positionsgenaue Daten verfügbar sind, die von Kunden angegebenen Gründe gerankt nach Häufigkeit. „Nicht wie beschrieben" ist der am meisten umsetzbare Grund – er korrespondiert direkt mit Content-Qualität.
* **Meist zurückgegebene Produkte** – eine Tabelle der schlimmsten Fälle mit ihrem Qualitäts-Score, verkauften Einheiten, Retourenanzahl, rückerstatteten Betrag und einem direkten Link zur Produktüberprüfung. Die Tabellenüberschrift weist darauf hin: beginne mit denen, die einen hohen Qualitäts-Score haben, da diese auf ein Produkt- oder Fit-Problem hindeuten statt auf ein Content-Problem.
## Ergebnisse lesen
* **Steiler Qualitätsstufen-Gradient** (Stufe F retourniert 3× öfter als Stufe A) – Content ist der Haupttreiber. Beschreibungen, Bilder und Spezifikationen zu verbessern, wird schneller Wirkung zeigen als andere Maßnahmen.
* **Flacher Qualitätsstufen-Gradient** (alle Stufen retournieren ähnlich oft) – das Problem liegt am Produkt-Fit, an der Größenwahl oder den Kundenerwartungen, nicht an fehlenden Informationen. Auf Produkt- oder Preisebene ansprechen.
* **Ein Spike im Trenddiagramm** – mit kürzlichen Produkt-Launches, Bulk-Importen oder Lieferantenwechseln korrelieren. Eine neue Charge von Produkten mit dünnem Content verursacht häufig einen sichtbaren Spike.
* **Hoher rückerstatteter Umsatz konzentriert in einer Kategorie** – diese Kategorie hat möglicherweise eine strukturelle Content-Lücke (z. B. fehlende Größentabellen für Bekleidung, fehlende Kompatibilitätsspezifikationen für Elektronik).
## Handeln
Das sind deine Hebel mit der höchsten Wirkung. Öffne den Datenqualitäts-Arbeitsbereich unter [Probleme beheben](/de/analytics/data-quality), um genau zu sehen, welche Felder fehlen, und nutze dann [Produkte anreichern](/de/essentials/enriching-products), um Beschreibungen, Spezifikationen und Bilder mit KI zu füllen. Priorisiere zuerst hochvolumige SKUs. **Ergebnis:** niedrigere Retourenquote bei diesen Produkten innerhalb weniger Wochen nach der Anreicherung, mit messbarem Einfluss im Trenddiagramm dieses Berichts.
Das ist ein direktes Content-Signal. Nutze [Produkte anreichern](/de/essentials/enriching-products), um vage Beschreibungen umzuschreiben und fehlende technische Spezifikationen hinzuzufügen. Überprüfe Bilder in der [Mediathek](/de/products/media-library) – ungenaue oder irreführende Bilder sind eine führende Ursache für „nicht wie beschrieben"-Retouren. **Ergebnis:** den am meisten behebbaren Retouren-Grund reduzieren und das Kundenvertrauen verbessern.
Filtere die Produkttabelle nach dieser Kategorie und überprüfe die Qualitäts-Scores. Bei niedrigen Scores eine Bulk-Anreicherung durchführen. Bei hohen Scores liegt das Problem möglicherweise am Produkt-Fit – erwäge Größentabellen, Kompatibilitätsinformationen oder realistischere Lifestyle-Bilder hinzuzufügen. **Ergebnis:** rückerstatteten Umsatz in der kostenintensivsten Kategorie reduzieren.
Den Datumsbereich eingrenzen und mit Produkt-Importen, Katalog-Updates oder Lieferantenwechseln in dieser Zeit korrelieren. Produkte, die ohne gründlichen Content importiert wurden, lösen häufig einen Retouren-Spike aus. Nutze [Bulk-Bearbeitung](/de/essentials/bulk-editing/cost-margins) oder Anreicherung, um neue Importe auf Qualitätsstandard zu bringen, bevor sie Retouren ansammeln. **Ergebnis:** Content-Lücken abfangen, bevor sie sich zu einer dauerhaft hohen Retourenquote aufschaukeln.
## Verwandte Themen
Den Content verbessern, der die Retouren senkt.
Retouren treffen die Marge direkt. Das große Bild sehen.
Vage Beschreibungen und fehlende Spezifikationen mit KI beheben.
Genaue Bilder sind die beste Absicherung gegen Retouren.