.jpeg)
Die klassische Situation: Ein Redesign geht live. Drei Tage später steigen die Conversions um 12%. Alle freuen sich. Aber war es das Redesign? Oder war es die Retargeting-Kampagne, die gleichzeitig angelaufen ist? Oder die saisonale Nachfrage im Februar?
Ohne saubere Methodik ist jede Antwort darauf Bauchgefühl. Mit einer strukturierten Change Impact Analyse bekommt man stattdessen Zahlen.
Eine Change Impact Analyse (CIA) ist kein kompliziertes Modell. Das Prinzip ist simpel: Du markierst einen Zeitpunkt – den Moment, an dem eine Änderung live gegangen ist – und misst, wie sich definierte Metriken davor und danach entwickelt haben.
Das Entscheidende ist der kontrollierte Vergleichszeitraum. Nicht "letzter Monat vs. diesen Monat", sondern der exakte Zeitraum vor dem Event, verglichen mit dem exakt gleich langen Zeitraum danach. So eliminierst du Saisonalität und allgemeine Trends so gut wie möglich.
Typische Fragen, die man damit beantwortet:
In bchic Analytics ist die Change Impact Analyse ein eigener Bereich unter Business Intelligence. Die Idee dahinter: Statt manuell Zeiträume zu vergleichen, trägst du einmal ein Change Event ein und das Dashboard übernimmt die Arbeit.
Schritt 1: Ein Change Event anlegen
Je präziser der Zeitpunkt, desto schärfer die Trennung in den Daten. Wer ein Deployment um 14:32 Uhr eingespielt hat, sollte genau das eintragen nicht "irgendwann am Dienstag".
Schritt 2: Die Impact-Karte lesen
Sobald das Event angelegt ist, generiert bchic automatisch eine Scorecard. Diese zeigt:
Das macht den Unterschied zwischen 'sieht gut aus' und 'ist nachweislich besser' sichtbar. Alles zur Change Impact Analyse → Zur Feature-Seite · Technische Dokumentation
bchic bietet zwei Messmethoden, die sich für unterschiedliche Fragen eignen.
Intervall (Phasen-Vergleich) betrachtet exakt die Phase vom Start der Änderung bis zum nächsten Change Event. Ideal, wenn man mehrere Deployments im Monatsrhythmus hat und wissen will, wie sich Version A gegen Version B schlägt – isoliert, ohne dass der nächste Release das Ergebnis verwässert.
Kumulativ (Gesamtwirkung) summiert den Effekt seit dem Startzeitpunkt kontinuierlich auf. Sinnvoll, wenn man die absolute Ausbeute einer Kampagne messen will: Wie viele zusätzliche Conversions hat uns dieser Kampagnenstart über die gesamte Laufzeit gebracht?
Damit man nicht jedes Mal von Null anfangen muss, gibt es in bchic vorgefertigte Templates:
Das Intervall-Template legt automatisch wiederkehrende Marker an – z.B. wöchentlich oder monatlich. Praktisch für Teams, die regelmäßige Performance-Reviews machen und nicht jeden Dienstag manuell Events nachtragen wollen.
Das Kampagnen-Template ist besonders nützlich: Es analysiert die historischen UTM-Daten des letzten Jahres und erkennt Kampagnenstarts automatisch. Man wählt einfach aus einer Liste aus, welche Kampagnen man analysieren will – und das System erstellt die Impact-Marker. So kann man auch rückwirkend auswerten, ob eine Kampagne von vor drei Monaten wirklich etwas gebracht hat.
Eine unterschätzte Funktion: Der Goal-Vergleich. Damit lassen sich zwei unterschiedliche Conversion-Ziele direkt nebeneinanderlegen also ein echtes A/B-Testing direkt in der Change Impact Analyse, ohne ein separates Experiment-Tool.
So geht es:
Nach einem Change Event sieht man sofort, ob Variante A oder B stärker profitiert hat.
Hat das Redesign die Nutzerbindung verbessert?
Change Event anlegen mit Kategorie Design. Als Metrik "Durchschn. Besuchszeit" oder "Engagement-Rate" wählen. Ein stabiler positiver Wert über mehrere Tage nach dem Launch – kein einmaliger Ausreißer – ist ein verlässliches Signal.
Lohnt sich die bezahlte Kampagne?
Kampagnenstart als Marketing-Event markieren. Messmethode auf "Kumulativ" stellen, Metrik "Besucher" wählen. Den Total-Wert (absolute Zahl zusätzlicher Besucher) mit den Ad-Ausgaben vergleichen – so bekommt man einen groben CPA ohne Drittanbieter-Integration.
Performance nach Deployment überwachen
Nach jedem Release ein Technical-Event anlegen. Bounce Rate und Aufrufe beobachten. Ein plötzlicher Anstieg der Bounce Rate direkt nach dem Event ist oft ein Frühindikator für technische Probleme – 404-Seiten, fehlende Assets oder broken Redirects – bevor der Kundensupport anfängt zu klingeln.
Wir sind das einzige deutsche Analytics-Tool, das diese Analyse cookieless und ohne Consent-Banner ermöglicht. Das bedeutet, die Datenbasis ist vollständig, nicht nur die 50-60% der Besucher die einem Banner zugestimmt haben. Eine Change Impact Analyse auf lückenhaften Daten ist wie ein A/B-Test mit der halben Stichprobe. Und weil bchic DSGVO-first gebaut ist, braucht kein Datenschutzbeauftragter die BI-Funktionen erst freizugeben. Einfach nutzen.
Wer bchic über die MCP-Integration mit einem KI-Assistenten verbindet, kann Change Events direkt aus dem Chat heraus anlegen ohne das Dashboard zu öffnen. „Trag ein Deployment von heute 14 Uhr ein, Kategorie Technical, Titel Homepage Redesign v2" und bchic erstellt den Marker automatisch.
Kombiniert mit der Abfrage-Funktion entsteht ein vollständiger Workflow: Event anlegen, ein paar Tage warten, dann fragen „Was hat das Redesign auf die Conversion Rate gebracht?" alles ohne Tool-Wechsel.
