Eine Kohortenanalyse fasst Nutzer oder Kunden zu Gruppen zusammen, die dasselbe Ereignis im selben Zeitraum erlebt haben, etwa den ersten Kauf im selben Monat. Danach verfolgt sie jede Gruppe für sich: Wie viele sind nach einer Woche, einem Monat oder einem Jahr noch aktiv?
Eine Kohortenanalyse verfolgt Gruppen mit gleichem Startzeitpunkt über die Zeit: Akquisitions- und Verhaltenskohorten, Retentionstabelle, Churn und GA4.
Was eine Kohortenanalyse bedeutet
Der Begriff kommt aus Demografie und Soziologie. Norman Ryder definierte eine Kohorte 1965 in der American Sociological Review als Gesamtheit der Personen, die innerhalb einer bestimmten Population dasselbe Ereignis im selben Zeitraum erlebt haben. Fast immer sei das bestimmende Ereignis bis dahin die Geburt gewesen, schrieb er, doch das sei nur ein Sonderfall.
Im Marketing ist das Ereignis meist der Beginn der Kundenbeziehung. Google Analytics beschreibt eine Kohorte als Gruppe von Nutzern mit einem gemeinsamen Merkmal, und nennt als Beispiel alle Nutzer mit demselben Akquisitionsdatum.
Man unterscheidet zwei Arten. Akquisitionskohorten gruppieren nach dem Zeitpunkt des ersten Kontakts, etwa dem ersten Besuch, der Anmeldung oder dem ersten Kauf. Verhaltenskohorten gruppieren nach einer Handlung. Amplitude beschreibt eine Verhaltenskohorte als Gruppe von Nutzern, die in einem bestimmten Zeitfenster eine bestimmte Handlung ausgeführt haben, zum Beispiel drei Folgen am Tag der Anmeldung angesehen. Die erste Art zeigt, ob neuere Kunden länger bleiben als ältere. Die zweite zeigt, ob ein bestimmtes Verhalten mit längerer Bindung einhergeht.
Wie es funktioniert
Das Ergebnis ist meist eine Retentionstabelle. Jede Zeile ist eine Kohorte, gekennzeichnet durch ihren Startzeitraum und ihre Größe. So beschreibt es auch Mixpanel: Die erste Spalte nennt den Tag, die Woche oder den Monat, in dem die Nutzer das Startereignis hatten, eine weitere die Zahl dieser Nutzer. Die folgenden Spalten zählen die Perioden seit dem Start. In Google Analytics steht etwa in der Spalte „Tag 1“ der Kohorte vom 1. Januar, wie viele dieser Nutzer am 2. Januar zurückkamen.
Ein Beispiel mit erfundenen Zahlen: Im Januar gewinnt ein Shop 400 Neukunden. Im Folgemonat kaufen 120 davon erneut, also 30 %. Von 500 Neukunden im Februar kaufen im Folgemonat 175 erneut, also 35 %.
Gelesen wird die Tabelle in zwei Richtungen. Entlang einer Zeile sieht man, wie schnell eine Kohorte schrumpft. Entlang einer Spalte vergleicht man Kohorten im gleichen Alter, im Beispiel die Januar- mit der Februar-Kohorte nach einem Monat. Steigt der Wert von Zeile zu Zeile, halten neuere Kunden besser. Zellen der jüngsten Kohorten sind oft noch nicht vollständig, weil der Zeitraum noch läuft. Mixpanel markiert solche Zellen eigens.
In GA4 steht dafür die explorative Kohortenanalyse bereit. Festgelegt werden dort das Aufnahmekriterium (zum Beispiel erster Besuch, erste Transaktion oder ein bestimmtes Ereignis), das Rückkehrkriterium und die Granularität: täglich, wöchentlich von Sonntag bis Samstag oder monatlich. Für die Berechnung gibt es drei Arten. Standard zählt in jeder Zelle die Nutzer, die das Rückkehrkriterium in genau dieser Periode erfüllen, unabhängig von den anderen Perioden. Fortlaufend (rolling) zählt nur die, die es in dieser und allen vorherigen Perioden erfüllen. Kumulativ zählt die, die es in irgendeiner Periode der Analyse erfüllen. Google nennt weitere Grenzen: höchstens 60 Kohorten, Kohorten nur auf Grundlage der Gerätedaten ohne User-ID, und Schwellenwerte bei demografischen Dimensionen, wenn eine Kohorte zu klein ist. Wie weit eine explorative Analyse zurückreicht, hängt außerdem von der Datenaufbewahrung ab. Für Daten auf Nutzerebene lässt sie sich in Standard-Properties auf 2 oder 14 Monate einstellen.
Beispiel mit erfundenen Zahlen aus dem Text, die übrigen Zellen ohne Wert
↓Spalte: Kohorten im gleichen Alter: Januar gegen Februar nach einem Monat, 30 % gegen 35 %. Steigt der Wert, halten neuere Kunden besser.
Schraffiert: Dieser Monat ist noch nicht vorbei
Ein Blick nach unten vergleicht Kunden gleichen Alters.
Warum es zählt
Eine Gesamtzahl mischt alte und neue Kunden. Wenn die Abwanderungsrate eines Monats steigt, kann das an schlechteren Neukunden liegen, an einer Preisänderung für alle oder daran, dass in diesem Monat besonders viele junge Kunden im Bestand waren, falls junge Kunden häufiger gehen. Die Kohortenanalyse trennt diese Fälle, weil sie jede Gruppe in ihrem eigenen Alter zeigt.
Ebenso hängt der Customer Lifetime Value davon ab, wie lange Kunden bleiben. Die Retentionstabelle liefert die Anteile, die nach jeder Periode noch aktiv sind, und zwar je Startmonat oder je Kanal getrennt. Damit lässt sich prüfen, ob Kunden aus einer bestimmten Kampagne nach drei Monaten noch kaufen oder nur einmal kamen.
Wichtig ist der Unterschied zwischen Rückkehr und Bindung. In der Standardberechnung von GA4 kann ein Nutzer in Woche 2 fehlen und in Woche 3 wieder auftauchen. Wer in einer Periode nicht zurückkehrt, hat also nicht gekündigt. Für eine Aussage über Churn passt die fortlaufende Berechnung besser oder eine Auswertung aus dem eigenen CRM, in der Kündigungen als Ereignis stehen.
Best Practices
Legen Sie vor der Auswertung fest, welches Ereignis eine Kohorte startet und was als Rückkehr zählt.
Vergleichen Sie Anteile, nicht absolute Zahlen, wenn die Kohorten unterschiedlich groß sind.
Wählen Sie die Granularität passend zum Kaufrhythmus: täglich für Apps, monatlich für seltene Käufe.
Lassen Sie unvollständige Zellen junger Kohorten aus dem Vergleich heraus.
Trennen Sie Kohorten nach Kanal oder Kampagne, wenn Sie Akquisition bewerten wollen.
Prüfen Sie die Datenaufbewahrung in GA4, bevor Sie Kohorten über mehr als zwei Monate auswerten.
Häufige Fehler
Rückkehr in einer Periode mit Bindung gleichsetzen.
Die Werte der jüngsten Kohorte mit denen älterer vergleichen, obwohl ihr Zeitraum noch läuft.
Kohorten aus wenigen Dutzend Kunden als Trend lesen.
Übersehen, dass GA4-Kohorten auf Geräten beruhen und User-ID nicht berücksichtigen.
Einen Rückgang der Gesamtbindung als Verschlechterung lesen, ohne die Kohorten getrennt anzusehen.
Manuel Riveiro RodriguezCEO & Digital Strategist
Eine technische Prüfung sieht sich das und alles Weitere in einem Durchgang an.
Eine Kohortenanalyse fasst Nutzer oder Kunden zu Gruppen zusammen, die dasselbe Ereignis im selben Zeitraum erlebt haben, etwa den ersten Kauf im März. Danach zeigt sie für jede Gruppe getrennt, wie viele nach jeder Woche oder jedem Monat noch aktiv sind. So lassen sich ältere und neuere Kunden fair vergleichen.
Was ist der Unterschied zwischen Akquisitions- und Verhaltenskohorten?
Akquisitionskohorten gruppieren nach dem Zeitpunkt des ersten Kontakts, etwa nach dem Monat der Anmeldung oder des ersten Kaufs. Verhaltenskohorten gruppieren nach einer Handlung, zum Beispiel alle, die in der ersten Woche eine bestimmte Funktion genutzt haben. Die erste Art vergleicht Jahrgänge, die zweite zeigt, welches Verhalten mit längerer Bindung zusammenhängt.
Wie liest man eine Retentionstabelle?
Jede Zeile ist eine Kohorte, jede Spalte eine Periode seit dem Start. Entlang einer Zeile sieht man, wie schnell eine Gruppe schrumpft. Entlang einer Spalte vergleicht man Kohorten im gleichen Alter, also etwa alle nach dem dritten Monat. Die jüngsten Zeilen enthalten oft noch unvollständige Zellen, weil ihr Zeitraum nicht abgeschlossen ist.
Wie hängen Kohortenanalyse und Churn zusammen?
Die Kohortenanalyse zeigt, wann Kunden gehen, und das je Startmonat oder Kanal getrennt. Eine einzige Abwanderungsrate für den ganzen Bestand verdeckt das, weil sie alte und neue Kunden mischt. Wer in einer Periode nicht zurückkommt, hat aber nicht unbedingt gekündigt. In GA4 kann ein Nutzer später wieder auftauchen.
Wie erstellt man eine Kohortenanalyse in GA4?
Im Bereich Explorationen öffnen Sie laut Google-Hilfe die Vorlagengalerie und wählen die explorative Kohortenanalyse. Dort legen Sie das Aufnahmekriterium, etwa den ersten Besuch, das Rückkehrkriterium, die Granularität und die Berechnungsart Standard, fortlaufend oder kumulativ fest. Google begrenzt die Analyse auf 60 Kohorten und bildet sie aus Gerätedaten, ohne User-ID.
