Von null zum loyalen Hero: Wachstum durch Retention und Referral

Mit Retention und Referral hört Wachstum auf, dich jeden Monat Geld zu kosten

Fast jeder Wachstumsplan, den ich zu sehen bekomme, beginnt mit Werbung. Werbung hat eine unangenehme Eigenschaft: Du bezahlst sie jeden Monat neu, und an dem Tag, an dem du aufhörst zu zahlen, hört sie auf zu wirken.

Retention (Kunden, die wiederkommen und noch einmal kaufen) und Referral (Kunden, die jemand Neues mitbringen) arbeiten mit Menschen, für deren Gewinnung du schon bezahlt hast. In den Pirate Metrics, dem AARRR Modell (Acquisition, Activation, Retention, Referral, Revenue), sind das die beiden Stufen nach dem ersten Kauf. Nach meiner Erfahrung sind es auch die beiden, um die sich am wenigsten jemand kümmert.

Hier geht es um beide, in der Reihenfolge, in der ich sie angehe. Ist dir der Funnel selbst noch neu, lies vorher den Artikel über Pirate Metrics und den über Full Funnel Frameworks.

Beispiel: eine Kaffeerösterei in Leipzig

Durch den ganzen Artikel begleitet uns ein erfundenes Unternehmen, die Bohnenhafen Rösterei, ein Onlineshop für Kaffee in Leipzig, den Jonas unter bohnenhafen.example führt. Niemand Echtes, jede Zahl ausgedacht.

Jonas verkauft ganze Bohnen und gemahlenen Kaffee in Tüten zu 500 g. Eine Bestellung bringt im Schnitt 24 €. Nach Bohnen, Tüte, Versand und Zahlungsgebühr bleiben ihm davon 10 € Marge. Wer Kunde bleibt, bestellt etwa sechsmal im Jahr, also bringt ein aktiver Kunde $6 \times 10 = 60$ € Marge im Jahr.

Für Werbung gibt er 2.000 € im Monat aus und gewinnt damit 80 Neukunden. Ein Neukunde kostet ihn also $2.000 / 80 = 25$ €.

Seine Werbung rechnet sich schon. Die Frage ist, wie er mehr aus den Kunden macht, die sie ihm bringt.

Retention beginnt mit einer Definition, die du aufschreibst, bevor du zählst

"Unsere Retention liegt bei 40 %" sagt gar nichts, solange drei Dinge offen sind: Wer gehört zur Gruppe, was zählt als Wiederkommen, und in welchem Zeitraum.

Analytics Tools bieten meist zwei Antworten an. Die N Day Retention ist der Anteil der Nutzer, die an einem bestimmten Tag (oder in einer bestimmten Woche oder einem Monat) nach ihrem Start wiederkommen. Die Unbounded Retention ist der Anteil, der an diesem Tag oder irgendwann danach wiederkommt.¹ In der alten Fassung dieses Artikels hieß die zweite Variante Rolling Retention.

Für einen Onlineshop sollte "wiederkommen" fast immer eine Bestellung sein, kein Besuch. Ein Besuch kostet die Kundin nichts und sagt wenig. Eine Bestellung ist genau das Verhalten, das sich wiederholen soll.

Welche Definition du wählst, ist weniger wichtig, als dass du bei ihr bleibst. Eine Zahl, die jedes Quartal etwas anderes bedeutet, zeigt keinen Trend.

Beispiel: Jonas schreibt seine Definition auf

Jonas braucht dafür eine Zeile: "Ein Kunde gilt im Monat $k$ als gehalten, wenn er im Kalendermonat $k$ nach dem Monat seiner ersten Bestellung mindestens einmal bestellt hat."

Nimm Marie: erste Bestellung im Januar, wieder im Februar, im März nichts, im April wieder. Sie zählt in den Monaten eins und drei als gehalten, im Monat zwei nicht. Nach einer Unbounded Definition würde sie in allen drei Monaten zählen.

Jonas will die N Period Variante. Wer beim Kaffee einen Monat auslässt, hat seine Bohnen vermutlich woanders gekauft.

Für die Jahreszahl, die er später braucht, legt er fest: der Anteil der Neukunden eines Jahres, die im folgenden Jahr mindestens einmal bestellen.

Eine Kohortentabelle zeigt, wo Kunden wegbleiben

Eine Kohorte ist eine Gruppe von Kunden, die im selben Zeitraum angefangen haben. Eine Kohortentabelle gibt jeder Gruppe eine Zeile und zeigt, welcher Anteil in jedem späteren Zeitraum noch aktiv war. Sie beantwortet, was ein Durchschnitt nicht beantworten kann: Wann gehen die Leute?

Die Retention Rate einer Kohorte im Zeitraum $k$ ist ein einfaches Verhältnis.

$$r_k = \frac{A_k}{N_0}$$

Dabei ist $r_k$ die Retention Rate im Zeitraum $k$, $A_k$ die Zahl der Kunden aus der Kohorte, die im Zeitraum $k$ aktiv waren (nach deiner Definition), und $N_0$ die Zahl der Kunden, mit der die Kohorte gestartet ist. Grundlagen: Verhältnisse und Raten

Teil immer durch die Startgröße $N_0$, nie durch die Zahl, die im Zeitraum davor noch übrig war.

Beispiel: Jonas' erste vier Kohorten

Jonas gruppiert seine Kunden nach dem Monat ihrer ersten Bestellung, Januar bis April, und zählt, wer in jedem späteren Monat bestellt hat.

Erste Bestellung im	Kunden	Monat 1	Monat 2	Monat 3
Januar	80	28 (35,0 %)	22 (27,5 %)	20 (25,0 %)
Februar	75	27 (36,0 %)	21 (28,0 %)	19 (25,3 %)
März	90	32 (35,6 %)	25 (27,8 %)
April	85	30 (35,3 %)

Jeder Prozentwert ist $A_k / N_0$, für den Januar im Monat eins also $28 / 80 = 0{,}350$, das sind 35,0 %. Für eine gemeinsame Kurve zählt er die Kunden zusammen, statt die Prozentwerte zu mitteln, damit eine große Kohorte mehr Gewicht bekommt:

$$r_1 = \frac{28 + 27 + 32 + 30}{80 + 75 + 90 + 85} = \frac{117}{330} = 0{,}355$$

Dabei ist $r_1$ die Retention im Monat eins über alle vier Kohorten, also aktive Kunden geteilt durch die Startgrößen, hier 35,5 %. Grundlagen: Verhältnisse und Raten

Genauso ergibt sich für Monat zwei $68 / 245$, also 27,8 % (drei Kohorten), und für Monat drei $39 / 155$, also 25,2 % (zwei Kohorten).

Auf der waagrechten Achse stehen die Monate seit der ersten Bestellung, auf der senkrechten der Anteil der Kohorte, der in diesem Monat bestellt hat. Die Kurve beginnt bei 100 %, weil im Monat null per Definition alle bestellt haben. Der große Absturz liegt zwischen der ersten Bestellung und Monat eins: Fast zwei von drei Neukunden kommen nie wieder. Danach wird die Kurve flach, Jonas hat also einen festen Kern an Stammkunden. Sein Problem ist der Schritt von der ersten zur zweiten Bestellung.

Wie lange Kunden bleiben, bevor sie endgültig gehen, misst die Survival Analyse, ein Thema für sich.

Ein Prozentpunkt Retention ist echtes Geld wert, und du kannst ausrechnen, wie viel

Ein Neukunde ist so viel wert wie die Marge seines ersten Jahres plus die Marge der späteren Jahre, die etwas weniger zählt, weil ein Euro im nächsten Jahr weniger wert ist als ein Euro heute.

$$V = M + M \times \frac{r}{1 + d - r}$$

Dabei ist $V$ der Wert eines Neukunden in heutigem Geld, $M$ die Marge, die ein aktiver Kunde in einem Jahr bringt, $r$ die jährliche Retention Rate (der Anteil der Kunden, die von einem Jahr ins nächste bleiben) und $d$ der Diskontsatz, also die Rendite, die du mit dem Geld anderswo erzielen könntest. Der zweite Teil ist die übliche Formel für den Lifetime Value der Jahre nach dem ersten. Grundlagen: Lifetime Value und Grundlagen: Diskontieren

Setz immer die Marge ein, nie den Umsatz, und deine eigene Retention Rate, nie eine aus einer anderen Branche. Du wirst überall Schlagzeilen dazu finden, was ein kleines Plus bei der Retention mit dem Gewinn macht. Die lasse ich weg. Die Formel gibt dir deine eigene Antwort.

Beispiel: Was fünf Prozentpunkte Retention für Jonas wert sind

Von den 900 Kunden, die Jonas im letzten Jahr gewonnen hat, haben 360 in diesem Jahr wieder bestellt, also ist $r = 360 / 900 = 0{,}40$. Seine Marge ist $M = 60$ € im Jahr, und er rechnet mit $d = 0{,}10$.

$$V = 60 + 60 \times \frac{0{,}40}{1 + 0{,}10 - 0{,}40} = 60 + 60 \times \frac{0{,}40}{0{,}70} = 60 + 34{,}29 = 94{,}29$$

Dabei ist $V$ der Wert eines Neukunden von Jonas, hier 94,29 €, $M$ seine 60 € Marge im Jahr pro aktivem Kunden, $r$ seine Retention von 40 % im Jahr und $d$ sein Diskontsatz von 10 %. Grundlagen: Lifetime Value

Angenommen, er hebt die Retention um fünf Prozentpunkte, von 40 % auf 45 %:

$$V = 60 + 60 \times \frac{0{,}45}{0{,}65} = 60 + 41{,}54 = 101{,}54$$

Die Symbole sind dieselben wie oben, mit $r = 0{,}45$, und $V$ ist jetzt 101,54 €. Grundlagen: Lifetime Value

Jeder Neukunde ist damit $101{,}54 - 94{,}29 = 7{,}25$ € mehr wert. Jonas gewinnt 80 Kunden im Monat, 960 im Jahr, also ist ein Jahrgang Neukunden $960 \times 7{,}25 = 6.960$ € mehr wert, ohne einen Euro mehr für Werbung.

Auf der waagrechten Achse steht die jährliche Retention, auf der senkrechten der Betrag in Euro. Die steigende Linie ist der Wert eines Neukunden, die flache Linie die 25 €, die Jonas für einen Neukunden zahlt. Die Kurve wird steiler: Der Schritt von 60 % auf 70 % ist 33 € pro Kunde wert, der Schritt von 20 % auf 30 % nur 9,17 €. Je besser deine Retention schon ist, desto mehr bringt jeder weitere Punkt.

Die ersten Wochen entscheiden über den Großteil der Retention

In fast jedem Shop und jedem Softwareprodukt, an dem ich gearbeitet habe, gehen die meisten Kunden zwischen dem ersten und dem zweiten Kauf verloren. Wer zweimal gekauft hat, hat eine kleine Gewohnheit. Wer einmal gekauft hat, hat dich nur ausprobiert.

Die wertvollste Arbeit an der Retention passiert deshalb früh: einen Neukunden an den Punkt zu bringen, an dem sich das Produkt lohnt. In Software heißt das der Aha Moment. Im Shop ist es alltäglicher: Der erste Kaffee schmeckt, die Jacke passt. Was dabei im Weg steht, findest du heraus, indem du fragst: eine Frage in einer Mail ein paar Tage nach der Lieferung, und einmal quer durch das Postfach des Kundenservice lesen. Der Artikel über Onboarding und Habit Formation geht für Softwareprodukte tiefer.

Beispiel: Jonas und die erste Tasse

Jonas liest die Kundenmails von drei Monaten. Eine Beschwerde kommt immer wieder: Die Leute brühen gemahlenen Kaffee auf eine Art, die nicht zum Mahlgrad passt, er schmeckt dünn oder bitter, und sie schieben es auf die Bohnen.

Er ändert zwei Dinge. Im Checkout fragt die Auswahl des Mahlgrads jetzt, wie die Kundin Kaffee kocht (Stempelkanne, Filter, Siebträger, Espressokocher für den Herd), statt "fein, mittel, grob". Und jeder ersten Bestellung liegt eine gedruckte Karte für genau diese Methode bei: wie viel Kaffee, wie viel Wasser, wie lange.

Er vergleicht den Anteil der Neukunden, die innerhalb von 60 Tagen wieder bestellen, sechs Monate vor und sechs Monate nach der Änderung: vorher 144 von 480 (30,0 %), nachher 173 von 480 (36,0 %).

Kann das Zufall sein? Ein Test für zwei Anteile beantwortet das:

$$z = \frac{p_1 - p_2}{\sqrt{p(1-p)\left(\frac{1}{n_1} + \frac{1}{n_2}\right)}}$$

Dabei ist $z$ die Teststatistik, $p_1$ und $p_2$ sind die Anteile, die nach und vor der Änderung wieder bestellt haben, $n_1$ und $n_2$ die Zahl der Neukunden in jedem Zeitraum, und $p$ ist der gemeinsame Anteil über beide Zeiträume zusammen. Liegt $z$ über 1,96, ist der Unterschied auf dem üblichen Niveau von 5 % kaum durch Zufall zu erklären. Grundlagen: Hypothesentests

Die Anteile sind $p_1 = 173 / 480 = 0{,}3604$ und $p_2 = 144 / 480 = 0{,}3000$, der gemeinsame Anteil ist $p = (173 + 144) / 960 = 0{,}3302$. Damit:

$$z = \frac{0{,}3604 - 0{,}3000}{\sqrt{0{,}3302 \times 0{,}6698 \times \left(\frac{1}{480} + \frac{1}{480}\right)}} = \frac{0{,}0604}{0{,}0304} = 1{,}99$$

Dabei ist $z$ die Teststatistik, $p_1 = 0{,}3604$ und $p_2 = 0{,}3000$ sind die Anteile mit erneuter Bestellung nachher und vorher, $p = 0{,}3302$ ist der gemeinsame Anteil, und $n_1 = n_2 = 480$ Neukunden in jedem Zeitraum. Grundlagen: Hypothesentests

Also 1,99, knapp über der Grenze. Nach drei Monaten (72 von 240 gegen 86 von 240) lag der Wert bei 1,36 und war von Rauschen nicht zu unterscheiden. Weil ein Vorher und Nachher Vergleich auf die Saison hereinfallen kann, prüft Jonas außerdem, dass es im Vorjahr keinen solchen Sprung gab. Wie viele Daten so eine Entscheidung braucht, steht im Artikel über statistische Tests.

Lifecycle Mails wirken, wenn sie dem Rhythmus der Kunden folgen und erlaubt sind

Der nächste Hebel ist, Menschen genau dann zu erinnern, wenn sie dich brauchen. Eine Erinnerung, wenn der Kaffee ausgeht, ist ein Service. Eine Woche zu früh ist sie Lärm. Kaffee, Kontaktlinsen und Hundefutter gehen nach einem Plan aus, den du ausrechnen kannst. Kleidung nicht, und dort geht es in einer Erinnerung um etwas Neues.

In Deutschland entscheidet das Gesetz gegen den unlauteren Wettbewerb (UWG), ob du solche Mails schicken darfst. Werbung per E Mail ohne vorherige ausdrückliche Einwilligung ist nach § 7 Abs. 2 Nr. 2 eine unzumutbare Belästigung. Für eigene Kunden gibt es eine Ausnahme, die Bestandskundenausnahme in § 7 Abs. 3. Sie gilt, wenn du die Adresse im Zusammenhang mit dem Verkauf einer Ware oder Dienstleistung vom Kunden selbst bekommen hast, nur eigene ähnliche Produkte bewirbst, der Kunde nicht widersprochen hat und du ihn bei der Erhebung der Adresse und in jeder Mail klar darauf hingewiesen hast, dass er jederzeit widersprechen kann, ohne dass mehr als die üblichen Übermittlungskosten anfallen.²

Eine Erinnerung zum Nachkaufen passt in der Regel gut dazu. Und seit dem Urteil des Europäischen Gerichtshofs zu Inteligo Media vom 13. November 2025 gilt: Wo die Bestandskundenausnahme greift, brauchst du für diese Nutzung der Adresse keine eigene Rechtsgrundlage nach Art. 6 Abs. 1 DSGVO, weil die Regel der ePrivacy Richtlinie, die § 7 Abs. 3 umsetzt, sie abschließend regelt.³ Für alle, die nicht gekauft haben, bleibt es bei der Einwilligung. Der Artikel über Einwilligung und Email Capture behandelt die Regeln vollständig.

Punkte, Abzeichen und Fortschrittsbalken sind ein weiterer Hebel und ein eigenes Thema: Loyalität und Earn und Burn.

Beispiel: Jonas' Erinnerung zum Nachkaufen

Jonas rechnet den Rhythmus aus. Eine typische Kundin trinkt zwei Tassen am Tag mit je etwa 12 g Kaffee, verbraucht also 24 g am Tag. Eine Tüte mit 500 g reicht

$$t = \frac{500}{24} = 20{,}8 \text{ Tage}$$

Dabei ist $t$ die Zahl der Tage, die eine Tüte reicht, 500 sind die Gramm in einer Tüte und 24 die Gramm pro Tag. Das ist eine umgedrehte Rate: Aus Gramm pro Tag werden Tage pro Tüte. Grundlagen: Verhältnisse und Raten

Also schickt er am 18. Tag nach der Lieferung eine kurze Mail: "Deine Bohnen vom Bohnenhafen gehen wahrscheinlich gerade zur Neige. Noch einmal dasselbe?" mit einem einzigen Button, der die letzte Bestellung wiederholt. Wer schon nachbestellt hat, bekommt nichts. Jede Mail enthält eine Abmeldung mit einem Klick, und schon im Checkout stand der Hinweis, dass man widersprechen kann, so wie § 7 Abs. 3 es verlangt.²

Zusammen mit den Karten zum Kaffeekochen steigt seine jährliche Retention im folgenden Jahr von 40 % auf 45 %. Das sind die 6.960 € im Jahr von oben, verdient mit einer Karte und einer gut getimten Mail.

Mit Referral werden Kunden zu einem Kanal, den du messen kannst

Referral macht aus einem Funnel einen Kreislauf: Eine Kundin bringt einen neuen Kunden, ohne Werberechnung. In nennenswertem Umfang passiert das selten von allein. Zwei Zahlen steuern es: die Referral Rate, also der Anteil der Neukunden, die über eine Empfehlung gekommen sind, und der virale Koeffizient, meist $k$ genannt, die Zahl der Neukunden, die jeder Kunde im Schnitt mitbringt.

$$k = i \times c$$

Dabei ist $k$ der virale Koeffizient, $i$ die durchschnittliche Zahl der Menschen, die jeder Kunde einlädt (in der Praxis: verschiedene neue Menschen, die seinen Empfehlungslink öffnen), und $c$ der Anteil dieser Eingeladenen, die Kunden werden. Beides ist ein Verhältnis aus zwei Zählungen. Grundlagen: Verhältnisse und Raten

Empfohlene Kunden empfehlen weiter, also erzeugt eine Startgruppe eine Kette. Liegt $k$ unter 1, wird die Kette mit jedem Schritt kürzer und summiert sich zu einer festen Gesamtzahl.

$$C_{\text{gesamt}} = C_0 \left(1 + k + k^2 + k^3 + \dots\right) = \frac{C_0}{1 - k}$$

Dabei ist $C_{\text{gesamt}}$ die Zahl aller Kunden, die eine Startgruppe am Ende hervorbringt, $C_0$ die Größe der Startgruppe und $k$ der virale Koeffizient von oben. Die Summe ist eine geometrische Reihe: Jedes Glied ist das vorige mal $k$, dieselbe wiederholte Multiplikation, die auch hinter dem Zinseszins steckt. Grundlagen: Zinseszins und Wachstum

Bei 1 oder darüber ist jede Generation größer als die vorige, und das meinen Leute, wenn sie von selbsttragendem Wachstum sprechen. Zwei Einschränkungen: $k$ hat immer einen Zeitraum (1,1 im Jahr ist viel langsamer als 1,1 in der Woche), und $k$ sinkt, sobald dir die Menschen ausgehen, die noch nie von dir gehört haben. Für einen Shop ist nach meiner Erfahrung 0,1 bis 0,2 ein gutes Ergebnis: ein Rabatt auf jeden Kunden, den du einkaufst, keine Rakete. Der Artikel über Referral und virale Mechaniken behandelt die Produkte, bei denen $k$ wirklich groß wird.

Beispiel: Jonas' Zahlen zur Empfehlung

Jonas gibt jedem Kunden einen persönlichen Empfehlungslink und Code. In einem Quartal öffnen 144 verschiedene neue Menschen die Links seiner 240 Neukunden, also ist $i = 144 / 240 = 0{,}6$. Von diesen 144 bestellen 22, also ist $c = 22 / 144 = 0{,}153$.

$$k = 0{,}6 \times 0{,}153 = 0{,}092$$

Dabei ist $k$ der virale Koeffizient von Jonas, $i = 0{,}6$ die Eingeladenen pro Kunde und $c = 0{,}153$ der Anteil davon, der bestellt. Grundlagen: Verhältnisse und Raten

Aus je 80 Kunden aus der Werbung werden also am Ende

$$C_{\text{gesamt}} = \frac{80}{1 - 0{,}092} = \frac{80}{0{,}908} = 88{,}1$$

Die Symbole sind dieselben wie in der Reihe oben, mit $C_0 = 80$. Grundlagen: Zinseszins und Wachstum

Das sind etwa acht zusätzliche Kunden im Monat, und seine echten Kosten pro Kunde sinken von 25 € auf $2.000 / 88{,}1 = 22{,}70$ €. Könnte er $k$ auf $0{,}184$ verdoppeln, würden aus denselben 80 Kunden $80 / 0{,}816 = 98{,}0$, und die Kosten pro Kunde fielen auf 20,40 €.

Empfohlene Kunden sind meist mehr wert, also kannst du dir eine faire Belohnung leisten

Empfohlene Kunden sind meist die besseren Kunden, nicht nur die günstigeren. Philipp Schmitt, Bernd Skiera und Christophe Van den Bulte haben rund 10.000 Kunden einer deutschen Bank fast drei Jahre lang beobachtet. Empfohlene Kunden hatten einen höheren Deckungsbeitrag (der Abstand wurde mit der Zeit kleiner), eine höhere Retention Rate (dieser Abstand blieb) und einen durchschnittlichen Wert, der mindestens 16 % über vergleichbaren Kunden ohne Empfehlung lag.⁴ Die Bank gab dem Empfehlenden einen Gutschein über 25 €, und die Autoren schätzen die Rendite auf diese Prämie über sechs Jahre auf rund 60 %.⁴

Das ist eine Bank, also würde ich die 16 % nicht in eine Prognose schreiben. Was zählt, ist die Richtung. Und was du zahlen kannst, ist Rechnen: Jede Belohnung bis zu deinen Werbekosten pro Neukunde ist immer noch ein besseres Geschäft als die Anzeige.

Die Bank hat nur den Empfehlenden belohnt.⁴ Ich belohne meistens beide Seiten. In den Shops, an denen ich gearbeitet habe, gibt eine Belohnung für die Freundin einen Grund, jetzt zu handeln, und eine geteilte Belohnung nimmt dem Empfehlenden das Gefühl, er verkaufe an seine Freunde. Das ist meine Erfahrung, keine bewiesene Regel, also teste es.

Frag, wenn die Kundin am zufriedensten ist: nach der zweiten Bestellung oder nachdem sie das Produkt wirklich benutzt hat. Die Bestätigungsseite der ersten Bestellung ist zu früh.

Beispiel: Jonas' Belohnung

Die Obergrenze für Jonas sind seine 25 € Werbekosten. Er entscheidet sich für 5 € Rabatt auf die erste Bestellung der Freundin und 5 € Guthaben für den Empfehlenden, also 10 € pro empfohlenem Kunden, und zwar nur, wenn wirklich einer kommt.

Seine 22 empfohlenen Kunden im Quartal kosten ihn $22 \times 10 = 220$ € an Belohnungen. Dieselben 22 über Werbung zu gewinnen, hätte $22 \times 25 = 550$ € gekostet. Selbst wenn er sie nur wie normale Kunden bewertet, bringen die 22 $22 \times 94{,}29 = 2.074{,}38$ € Wert.

Er verlegt die Bitte in die Mail nach der zweiten Lieferung und auf die Karte zum Kaffeekochen. Eine Regel hält es fair: Die Freundin muss neu sein, mit einer neuen Lieferadresse.

Das deutsche Recht entscheidet, wie du um Empfehlungen und Bewertungen bitten darfst

Zwei Fragen musst du in Deutschland klären: wer die Mail an die Freundin auslöst, und wie du mit Bewertungen umgehst.

Die erste beantwortet der Bundesgerichtshof. Im Urteil vom 12. September 2013 (I ZR 208/12, Empfehlungs E Mail) ging es um eine Funktion auf einer Website, mit der Nutzer eine Empfehlungsmail an eine Adresse ihrer Wahl schicken konnten. Der BGH hat diese Mails dem Unternehmen zugerechnet, das die Funktion anbietet, weil sie auf sein Angebot aufmerksam machen sollen. Ohne Einwilligung des Empfängers waren sie unzulässige Werbung, und das Unternehmen haftete selbst, obwohl ein Nutzer die Adresse eingetippt und den Versand ausgelöst hatte.⁵ Die Vorschrift dafür steht heute in § 7 Abs. 2 Nr. 2 UWG.² Die Bestandskundenausnahme hilft hier nicht, denn die Freundin hat bei dir nie etwas gekauft, und eine ausdrückliche Einwilligung von ihr bekommst du vorher praktisch nicht.

Eine ausdrückliche Aussage eines deutschen Gerichts oder einer Behörde dazu, wann du gar nicht mehr verantwortlich bist, habe ich nicht gefunden. Ich halte mich deshalb an das, was das Urteil trägt: Der Shop sammelt keine Adressen von Freunden, schreibt keiner Freundin, bevor sie von selbst zu ihm kommt, und formuliert keine fertige Nachricht vor, die der Kunde nur noch abschicken muss. Der Kunde bekommt seinen Code, und wie und mit wem er ihn teilt, entscheidet er selbst.

Die zweite Frage betrifft Bewertungen, und dafür stehen klare Regeln im UWG. Die EU hat sie mit der Omnibus Richtlinie eingeführt, die Mitgliedstaaten wenden sie seit dem 28. Mai 2022 an.⁶ Verboten ist, gefälschte Bewertungen abzugeben oder in Auftrag zu geben, und verboten ist, Bewertungen falsch darzustellen, um zu verkaufen. Verboten ist auch, zu behaupten, die Bewertungen stammten von Menschen, die das Produkt gekauft oder genutzt haben, ohne angemessen zu prüfen, ob das stimmt.⁷ Wer Bewertungen zeigt, muss außerdem sagen, ob und wie er sicherstellt, dass sie von echten Käufern oder Nutzern stammen.⁸ Und wer für eine Bewertung etwas gibt, gibt ihr einen kommerziellen Zweck, der nach § 5a Abs. 4 UWG kenntlich sein muss.⁹ Nur die guten Bewertungen zu zeigen und die schlechten zu löschen, ist für mich eine falsche Darstellung.

Bei der Bitte um eine Bewertung ist Deutschland strenger, als viele denken. Der BGH hat am 10. Juli 2018 (VI ZR 225/17) entschieden, dass eine Bitte um Bewertung in einer Mail Werbung ist, selbst wenn dieselbe Mail die Rechnung enthält. Ohne Einwilligung und ohne den Hinweis auf den Widerspruch nach § 7 Abs. 3 war sie unzulässig.¹⁰ Die Bitte um eine Bewertung schickst du also nur an Kunden, bei denen die Bestandskundenausnahme sauber eingerichtet ist, oder an Menschen, die eingewilligt haben.

Halte Belohnungen für Empfehlungen und Bewertungen strikt auseinander.

Der Ablauf läuft von oben nach unten. Entscheidend ist, wer was tut: Das Unternehmen schreibt nur seinen eigenen Kunden, und die Freundin kommt aus eigener Entscheidung.

Beispiel: Jonas prüft seinen Ablauf

Jonas hatte ein Formular "Empfiehl uns drei Freunden" geplant, das jeder Freundin eine Mail schickt. Genau so eine Funktion hat der BGH beanstandet,⁵ also streicht er sie.

Der Code steht jetzt im Kundenkonto und auf der Karte zum Kaffeekochen, und seine Mail an die eigenen Kunden erwähnt das Programm in einer Zeile, ohne fertige Nachricht zum Weiterleiten.

Für Bewertungen bekommt jeder Kunde zwei Wochen nach der Lieferung dieselbe Mail mit der Bitte um eine ehrliche Bewertung. Keine Belohnung, keine Auswahl nur der Zufriedenen, jede Bewertung wird veröffentlicht. Die Mail geht nur an Kunden mit sauberer Bestandskundenausnahme und enthält, wie jede seiner Mails, den Hinweis auf den Widerspruch.²¹⁰ Unter den Bewertungen steht ein Satz dazu, wie er prüft: Den Link zur Bewertung bekommt nur, wer bestellt hat.⁸

Auch Partner können Kunden empfehlen, wenn beide Seiten mitzählen

Ein Unternehmen mit denselben Kunden und einem anderen Produkt kann dir Kunden schicken, die schon warm sind: eine Bäckerei und eine Rösterei, ein Fahrradladen und ein Bike Fitter. Gib jedem Partner einen eigenen Code und schreib auf, was du zahlst.

Und denk daran: Bekommt der Partner pro Kunde Geld, sind seine Beiträge über dich Werbung. Nach § 5a Abs. 4 UWG muss der kommerzielle Zweck kenntlich sein, und wer für ein fremdes Unternehmen handelt, bei dem wird eine Gegenleistung sogar vermutet, bis er das Gegenteil glaubhaft macht.⁹ Online kommt § 6 Abs. 1 Nr. 1 des Digitale Dienste Gesetzes (DDG) dazu, nach dem kommerzielle Kommunikation klar als solche erkennbar sein muss,¹¹ und § 22 Abs. 1 des Medienstaatsvertrags, nach dem Werbung in Telemedien klar erkennbar und vom übrigen Inhalt getrennt sein muss.¹² Der Bundesgerichtshof hat das am 9. September 2021 in drei Urteilen zu Influencerinnen (I ZR 90/20, I ZR 125/20 und I ZR 126/20) durchdekliniert: Wer für einen Beitrag über ein fremdes Produkt bezahlt wird, muss ihn als Werbung kennzeichnen. Ohne Gegenleistung für ein fremdes Produkt fand der BGH keinen Verstoß.¹³ Entscheiden musste er noch nach den alten Vorschriften (§ 5a Abs. 6 UWG und dem Telemediengesetz), die Linie gilt aber weiter. Für deinen Partner heißt das: Er bekommt Geld, also schreibt er "Werbung" oder "Anzeige" über seinen Beitrag.

Beispiel: Jonas und eine Bäckerei in Leipzig

Eine Bäckerei in Leipzig verkauft die Bohnen von Jonas tütenweise und gibt jedem Käufer eine Karte mit dem Code BAECKEREI10, der 10 % auf die erste Bestellung im Onlineshop bringt. Jonas zahlt der Bäckerei 3 € für jeden Neukunden, der den Code benutzt. Weil sie Geld bekommt, steht über jedem Beitrag der Bäckerei zu Jonas' Kaffee das Wort "Werbung".

In drei Monaten benutzen 31 Neukunden den Code. Jonas zahlt $31 \times 3 = 93$ € und verschenkt 10 % auf 31 erste Bestellungen zu 24 €, das sind $31 \times 2{,}40 = 74{,}40$ €. Zusammen 167,40 €, also 5,40 € pro Kunde, gegenüber 25 € über Werbung.

Mundpropaganda, die du nicht tracken kannst, lässt sich trotzdem messen

Codes erfassen nur einen Teil der Mundpropaganda. Viele hören beim Kaffee von dir, suchen nach deinem Namen und kaufen ohne Link. Das taucht in $k$ nie auf. (Um Teilen, das du gar nicht sehen kannst, geht es im Artikel über Dark Social.)

Ich nutze drei Messungen, weil keine allein reicht. Die erste ist Fragen: ein freiwilliges "Wie hast du von uns erfahren?" im Checkout, der direkteste Hinweis, den du bekommen wirst.

Die zweite ist die Suche nach deiner Marke. Der Leistungsbericht der Google Search Console zeigt die Suchanfragen, über die Menschen auf deine Website gekommen sind, mit Klicks und Impressionen für jede.¹⁴ Suchen nach deinem Namen sind ein Zeichen, dass über dich geredet wird, außer eine Kampagne erklärt sie.

Die dritte ist der Net Promoter Score (NPS). Er fragt "Wie wahrscheinlich ist es, dass du uns einem Freund oder Kollegen empfiehlst?" auf einer Skala von 0 bis 10 und zieht den Prozentsatz der Kritiker (0 bis 6) vom Prozentsatz der Promotoren (9 oder 10) ab.¹⁵ Er misst, was Menschen sagen, dass sie tun würden, nicht, was sie tun. Ich behandle ihn deshalb als Rauchmelder, nicht als Zählung von Empfehlungen.

Beispiel: Jonas' Faktor für Mundpropaganda

In einem Quartal beantworten 300 Neukunden die Frage im Checkout, und 54 (18 %) sagen, eine Freundin, ein Freund oder die Familie habe sie geschickt. Über Codes erfasst hat er 22. Auf jede getrackte Empfehlung kommen also $54 / 22 = 2{,}5$ Kunden, die sagen, sie seien empfohlen worden (eine Obergrenze, weil einige der 54 einen Code benutzt haben).

Auf der waagrechten Achse stehen die Antworten, auf der senkrechten die Zahl der Neukunden, die sie gegeben haben, von 300. Freunde und Familie sind die zweitgrößte Quelle, mehr als doppelt so viel, wie die Codes zeigen. Das echte $k$ von Jonas liegt also über $0{,}092$, und ein sichtbarerer Code würde eine Gewohnheit erfassen, die es schon gibt. Die Klicks auf Suchen nach seinem Namen sind im selben Quartal um etwa ein Fünftel gestiegen, bei gleicher Werbung.

Erst Retention, dann Referral, jeden Monat gleich gemessen

Referral vervielfacht, was du hast. Referral auf einem undichten ersten Monat bringt also vor allem mehr Menschen herein, die wieder gehen. Repariere den Schritt von der ersten zur zweiten Bestellung, und frag dann dort, wo zufriedene Kunden es sehen.

Die Schritte laufen von oben nach unten. Bei der Entscheidung landen nach meiner Erfahrung die meisten Shops bei Ja, und genau deshalb kommt Retention vor Referral.

Beispiel: Jonas' Jahr

Zwölf Monate später zahlt Jonas unverändert 2.000 € im Monat für Werbung. Die Retention liegt bei 45 %, also ist jeder Neukunde 101,54 € wert statt 94,29 €. Die Bäckerei schickt ihm etwa zehn Kunden im Monat, und Empfehlungen machen aus je 80 Kunden aus der Werbung 88.

Nichts davon war raffiniert: eine Definition, eine Kohortentabelle, eine Karte im Paket, eine Mail am 18. Tag, ein Code an der richtigen Stelle, jeden Monat gleich gezählt. Halte die Kunden, die du hast, und gib ihnen dann einen einfachen, ehrlichen Weg, ihre Freunde mitzubringen.

Footnotes

1. Amplitude, Retention analytics: retention analytics for stopping churn in its tracks, Amplitude, https://amplitude.com/guides/retention-analytics

2. Bundesministerium der Justiz, Gesetz gegen den unlauteren Wettbewerb (UWG), § 7 Unzumutbare Belästigungen, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/uwg_2004/__7.html

3. Gerichtshof der Europäischen Union, Urteil vom 13. November 2025, C-654/23, Inteligo Media, Tenor, EUR Lex, 2025, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:62023CJ0654

4. Philipp Schmitt, Bernd Skiera und Christophe Van den Bulte, Referral programs and customer value, Journal of Marketing, Band 75, Heft 1, Seiten 46 bis 59, American Marketing Association, 2011, https://faculty.wharton.upenn.edu/wp-content/uploads/2012/04/Schmitt-Skiera-vandenBulte-2011-Referral-Programs-Customer-Value.pdf

5. Bundesgerichtshof, Urteil vom 12. September 2013, I ZR 208/12 (Empfehlungs E Mail), dejure.org, 2013, https://dejure.org/2013,29233

6. Europäisches Parlament und Rat, Richtlinie (EU) 2019/2161 zur besseren Durchsetzung und Modernisierung der Verbraucherschutzvorschriften der Union, Artikel 7 Abs. 1, EUR Lex, 2019, https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32019L2161

7. Bundesministerium der Justiz, Gesetz gegen den unlauteren Wettbewerb (UWG), Anhang zu § 3 Abs. 3, Nr. 23b und 23c, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/uwg_2004/anhang.html

8. Bundesministerium der Justiz, Gesetz gegen den unlauteren Wettbewerb (UWG), § 5b Abs. 3 Wesentliche Informationen, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/uwg_2004/__5b.html

9. Bundesministerium der Justiz, Gesetz gegen den unlauteren Wettbewerb (UWG), § 5a Abs. 4 Irreführung durch Unterlassen, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/uwg_2004/__5a.html

10. Bundesgerichtshof, Urteil vom 10. Juli 2018, VI ZR 225/17, dejure.org, 2018, https://dejure.org/2018,28246

11. Bundesministerium der Justiz, Digitale Dienste Gesetz (DDG), § 6 Besondere Pflichten bei kommerziellen Kommunikationen, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/ddg/__6.html

12. Medienstaatsvertrag (MStV), § 22 Werbung, Sponsoring, Gewinnspiele, Bayern.Recht, 2026, https://www.gesetze-bayern.de/Content/Document/MStV-22

13. Bundesgerichtshof, Bundesgerichtshof zur Pflicht von Influencerinnen, ihre Instagram Beiträge als Werbung zu kennzeichnen, Pressemitteilung Nr. 170/2021, 9. September 2021, https://www.bundesgerichtshof.de/SharedDocs/Pressemitteilungen/DE/2021/2021170.html

14. Google, Leistungsbericht (Google Suchergebnisse): Übersicht und grundlegende Einrichtung, Search Console Hilfe, https://support.google.com/webmasters/answer/7576553?hl=de

15. Bain and Company, Measuring your Net Promoter Score, Net Promoter System, https://www.netpromotersystem.com/about/measuring-your-net-promoter-score/