
Italienische Süßwarenmarke, 182 Wochen Umsatz, mit der Frage, ob eine neue Verpackung einen Rückgang von 7 % im Q1 verursacht hat.
Ein zusammengesetzter Fall, gebaut aus der Art von Datei, die wir fast jede Woche sehen. Eine italienische Süßwarenmarke, im Frühjahr Schokoladeneier und Colomba, den Rest des Jahres Kekse, rund 22 Mio. € Umsatz über den Lebensmittelhandel.
Im Januar 2025 bekam das Sortiment eine neue Verpackung. Im April kamen die Zahlen für Q1, und der Vertriebsleiter schrieb: „Q1 liegt 7 % unter dem Vorjahr. War es die neue Verpackung? Gehen wir zurück?“
Zurückzugehen hatte seinen Preis. Nachdruck und Neuetikettierung im alten Design waren mit rund 180.000 € angeboten, und es hätte den Sommer gekostet.
Wie die Datei aussah
182 Wochenzeilen, Januar 2022 bis Juni 2025. Umsatz, ein durchschnittlicher Preisindex, gewichtete Distribution und ein Kennzeichen für die Wochen mit einer Platzierung im Handzettel des Händlers. Preis und Distribution blieben über den Verpackungswechsel stabil. Nichts in der Datei sagte „Ostern“.
Das ist die Falle. Der Ostersonntag fiel auf den 17. April 2022, den 9. April 2023, den 31. März 2024 und den 20. April 2025. 2024 lag das gesamte Ostergeschäft, die zwei Wochen davor und die Woche selbst, im Q1. 2025 lagen alle drei Wochen im Q2.
Für eine Marke, die Schokoladeneier verkauft, sind diese drei Wochen die größten des Frühjahrs. Sie von einem Quartal ins andere zu verschieben, bewegt die Quartalszahlen stärker, als es irgendeine Verpackung könnte.
Was die Analyse gemacht hat
Saisonalität & Ereigniswirkung trennt den regelmäßigen Kalender von den datierten Ereignissen. Der regelmäßige Kalender ist die Form, die jedes Jahr teilt: das langsame Frühjahr, die Sommerdelle, der Anstieg im Herbst. Die datierten Ereignisse sind die, die sich verschieben. Ostern geht als Ereignis-Dummy ein, eine Spalte, die in den drei Osterwochen jedes Jahres, an ihren tatsächlichen Daten, 1 ist und überall sonst 0.
Weil Ostern in jedem der vier Jahre in einer anderen Woche lag, kann das Modell den Feiertag von der Kalenderwoche unterscheiden. Fiele Ostern immer in Woche 15, wären beide dieselbe Spalte, und nichts könnte sie trennen. Hier wandern die Daten über 21 Tage, und genau dieses Wandern macht die Wirkung bestimmbar.
Die Schätzung: Die drei Osterwochen liegen 38 % über einer gewöhnlichen Woche derselben Saison, mit einem 95-%-Intervall von 31 % bis 45 %. Der darunterliegende Trend war aus dem ersten Schritt der Story Entdeckung fixiert, wie im Fall des Kaffee-Abos, sodass sich der Feiertag kein Wachstum von ihm leihen konnte.

Die Quartalsgeschichte, neu erzählt
Mit Ostern aus beiden Jahren herausgenommen und dem Vergleich auf dem Rest neu gerechnet:
- Q1 2025 gegen Q1 2024: -7,2 % roh, +1,2 % ohne Ostern, Intervall -1,8 % bis +4,2 %;
- Q2 2025 gegen Q2 2024: +11,0 % roh, +2,0 % ohne Ostern, Intervall -1,0 % bis +5,0 %.
Der Rückgang in Q1 war Ostern, das das Quartal verließ. Der Boom in Q2, nach dem noch niemand gefragt hatte, war Ostern, das ankam. Unter beidem wuchs das Geschäft in jedem Quartal um ein bis zwei Prozent, und keines der beiden Intervalle schließt Stillstand aus.
Dieser letzte Punkt wurde laut ausgesprochen, denn er schneidet in beide Richtungen. Die Analyse zeigt nicht, dass die neue Verpackung funktioniert hat. Sie zeigt, dass die Daten keinen Beleg dafür enthalten, dass sie gescheitert ist, und dass der Rückgang um 7 % nie von der Verpackung zu erklären war.
Die Entscheidung, die sich geändert hat
Die Rückkehr wurde auf Eis gelegt, und die 180.000 € blieben im Budget.
Zwei kleinere Änderungen folgten. Die Vorlage für das Quartalsreporting trägt jetzt neben der rohen Zeile eine Zeile „bereinigt um Ostern“, damit der Vergleich eines frühen Osterns im nächsten Jahr, am 5. April 2026, mit einem späten nicht roh gelesen wird. Und das Bonusgespräch für Q2, das auf der Grundlage von +11 % begonnen hatte, wurde auf Basis von +2 % geführt.
Dieselbe Mechanik gilt für alles, was sich im Kalender verschiebt: Ramadan, das chinesische Neujahr, Black Friday gegen den Dezemberbeginn, ein Feiertag, der in einem Jahr auf einen Montag und im nächsten auf einen Donnerstag fällt. Jeder Vergleich fester Zeiträume über bewegliche Ereignisse hinweg ist ein Vergleich der Ereignisse, nicht des Geschäfts.
Die Lehre
Bevor Sie eine Vorjahreszahl lesen, listen Sie die datierten Ereignisse auf, die zwischen den beiden Zeiträumen ihre Lage geändert haben, und nehmen Sie sie als eigene Spalten in die Datei auf. Ein Quartal ist eine Grenze der Buchhaltung. Ihre Kunden wissen nicht, wo sie liegt.
tea, das Produkt
Ihre Datei, diese Frage
Fünfzehn Analysen auf einer CSV mit Wochendaten, mit Intervallen und Diagnosen offen gezeigt, und einem klaren Satz, wenn die Daten keine Antwort hergeben. Kostenlos während der Beta, auf Einladung.
Einen Platz in der Beta anfragen→tea, das Produkt
Fünfzehn ökonometrische Analysen auf Ihrer eigenen CSV: Saisonalität & Ereigniswirkung, Sättigungskurven, Elastizitäten, Budgetaufteilung. Intervalle und Diagnosen offen gezeigt, und ein klarer Satz, wenn die Datei keine Antwort hergibt.
Kostenlos während der Beta, auf Einladung.
Einen Platz in der Beta anfragen →Hat es Ihnen gefallen? Probieren Sie es mit Ihren eigenen Daten.
tea führt Saisonalität & Ereigniswirkung und vierzehn weitere Analysen auf jeder CSV mit Wochendaten aus, in Minuten. Kostenlos während der Beta, auf Einladung.
Die Story Entdeckung
- Trendanalyse mit Strukturbruch, und warum eine Linie lügt
- Abo-Wachstum durch Marketing, oder ein Trend, der schon da war
- Ostern, Vorjahresvergleiche und das Quartal, das nicht fiel
- Kollinearität von TV und Brand Search hebelt die Regression aus
- Absatzspitze den Influencern zugeschrieben, nach Treibern zerlegt
- Wie hoch wäre der Umsatz ohne Marketing? Das kontrafaktische Jahr (erscheint am 22. Oktober 2026)
- Basis vs. Inkrementell nach einem Launch, ohne Basis in den Daten (erscheint am 27. Oktober 2026)