Time-to-Conversion & Cycle Length Analytics
Definition: Time-to-Conversion & Cycle Length Analytics ist ein analytisches Verfahren zur Messung der Zeitspanne zwischen Erstkontakt und erfolgreicher Konversion. Es umfasst die Bestimmung der durchschnittlichen Zykluslänge, die Identifikation von Verzögerungsmustern sowie die Ableitung von Prognosen für Vertriebs- und Marketingprozesse. Diese Kennzahl dient als Steuerungsinstrument für Ressourcenallokation und Funnel-Optimierung.
Definition und Abgrenzung
Time-to-Conversion bezeichnet die Zeitdauer vom ersten Touchpoint bis zur abgeschlossenen Konversion. Cycle Length Analytics erweitert diese Einzelbetrachtung um Verteilungsmuster, Quantile und Trends über den gesamten Kundenzyklus. Was also misst die Kennzahl wirklich? Nicht den Anteil der Konversionen, sondern deren Dauer – und damit die Geschwindigkeit der Wertschöpfung.
Berechnung und Datengrundlagen
Die Ermittlung erfordert konsistente Zeitstempel entlang der Customer Journey. Typische Zeitstempel sind Erstkontakt, Lead-Qualifizierung, Angebotsstellung und Vertragsabschluss. Daraus lassen sich Kennzahlen ableiten: Median, Perzentile und Durchschnitt. Für die Praxis empfiehlt sich eine Segmentierung nach Kanal, Produktlinie oder Region.
| Kennzahl | Berechnung | Interpretation |
|---|---|---|
| Durchschnittliche Zykluslänge | Summe aller Zykluszeiten / Anzahl Konversionen | Empfindlich gegenüber Ausreißern |
| Median der Zykluszeit | Mittlerer Wert nach Sortierung | Robust bei Extremwerten |
| 90. Perzentil | Wert, unter dem 90 % der Fälle liegen | Zeigt Long-Tail-Verzögerungen |
| Time-to-Conversion je Kanal | Mittelwert der Dauer je Quelle | Aufdeckung von Kanalunterschieden |
Eine sinkende Time-to-Conversion ist kein Wert an sich; sie muss stets im Kontext von Deal-Größe, Produktkomplexität und Customer Lifetime Value interpretiert werden.
Anwendungsfälle und Entscheidungsrelevanz
Die Analyse versetzt Vertriebssteuerung in die Lage, Engpässe zu lokalisieren. Dauern bestimmte Phasen ungewöhnlich lange, deutet dies auf Reibungsverluste hin – etwa fehlende Informationen im Qualifizierungsprozess. Gleichzeitig unterstützt die Prognose künftiger Zykluszeiten die Ressourcenplanung. Das Framing der Kennzahl gegenüber dem Vertriebsteam beeinflusst dabei deren Reizschwelle: absolute Zeitvorgaben wirken als Priming für Priorisierung, relative Benchmark-Vergleiche setzen einen anderen Fokus.
Grenzen und Fallstricke
Datenqualität entscheidet über die Aussagekraft. Unvollständige Touchpoint-Erfassung oder manuelle Updates verzerren die Zeitmessung. Auch kausale Verzerrungen drohen: Konversionen mit kurzer Zyklusdauer dominieren den Durchschnitt, während langsame Deals überrepräsentiert erscheinen. Hier hilft die Heuristik, stets zusätzlich Median und Perzentile zu berichten. Nur so bleiben Entscheidungen auf belastbarer Grundlage.
« Back to Glossary Index