Cohort Analysis
Auch: Cohort Retention Analysis, Customer Cohort Analysis
Die Cohort Analysis gruppiert Nutzer nach einem gemeinsamen Startmerkmal oder Zeitpunkt (etwa dem Anmeldemonat) und verfolgt ihr Verhalten über die Zeit, um Retention- und Lifecycle-Muster sichtbar zu machen.
Was es ist
Cohort Analysis ist eine Analysetechnik, die Nutzer oder Kunden anhand eines gemeinsamen Merkmals oder Ereignisses innerhalb eines definierten Zeitfensters in Gruppen (Cohorts) segmentiert und dann misst, wie sich jede Gruppe in den folgenden Perioden verhält. Die häufigste Gruppierung ist die Acquisition Cohort: Nutzer werden nach der Periode zusammengefasst, in der sie sich erstmals angemeldet, gekauft oder aktiviert haben. Behavioral Cohorts gruppieren Menschen stattdessen nach einer Aktion, die sie ausgeführt haben (zum Beispiel Nutzer, die ein bestimmtes Feature verwendet haben).
Anders als eine einzelne Momentaufnahme verfolgt die Cohort Analysis dieselbe Gruppe von Menschen über die Zeit. So lässt sich der Effekt davon, *wann* jemand dazugekommen ist, vom Effekt davon trennen, *wie lange* er schon dabei ist.
Warum es zählt
Aggregierte Metriken verdecken Trends. Eine flache Gesamt-Retention kann verbergen, dass neuere Cohorts schneller churnen, während ältere loyal bleiben. Die Cohort Analysis legt diese Dynamik offen, sodass Teams:
- Echte Retention und Churn ohne Survivorship Bias messen können.
- Erkennen, ob Produkt- oder Marketingänderungen das Verhalten neuer Nutzer tatsächlich verbessert haben.
- Lifetime Value (LTV) und Payback-Perioden genauer prognostizieren.
- Acquisition-Kanäle nach der *Qualität* der Nutzer vergleichen, die sie bringen, nicht nur nach Volumen.
Wie es in der Praxis eingesetzt wird
1. Cohort-Key definieren: meist die Periode der Anmeldung oder des ersten Kaufs (wöchentlich oder monatlich).
2. Metrik definieren: Retention, Umsatz, Bestellungen, aktive Tage oder Feature-Nutzung.
3. Zeitachse definieren: Perioden seit Start der Cohort (Monat 0, Monat 1 und so weiter).
4. Grid aufbauen: Zeilen sind Cohorts, Spalten sind vergangene Perioden, Zellen enthalten die Metrik.
5. Muster lesen: Spalte nach unten lesen, um Cohorts im gleichen Alter zu vergleichen, Zeile entlang lesen, um den Rückgang einer Cohort zu sehen.
Konkretes Beispiel
Eine Abo-App gruppiert Nutzer nach Anmeldemonat. Die Januar-Cohort hält in Monat 0 100 %, in Monat 1 45 % und in Monat 3 30 %. Nachdem im März ein überarbeiteter Onboarding-Flow gestartet ist, hält die März-Cohort in Monat 1 60 %. Liest man die Spalte Monat 1 nach unten, zeigt sich: die Verbesserung ist echt und nicht saisonal, was die Investition ins Onboarding rechtfertigt.
Tipps: Halten Sie die Cohort-Größen groß genug, um statistisch aussagekräftig zu sein, und nennen Sie Metrik und Zeiteinheit immer klar.
Siehe auch
Häufige Fragen
Was ist Cohort Analysis?
Cohort Analysis gruppiert Nutzer oder Kunden nach einem gemeinsamen Startpunkt (meist der Monat der Anmeldung oder des ersten Kaufs) und verfolgt dann für jede Gruppe eine Metrik über die folgenden Perioden. Weil dieselben Menschen über die Zeit verfolgt werden, trennt sie den Effekt davon, wann jemand dazugekommen ist, vom Effekt davon, wie lange er schon Kunde ist. Aggregierte Metriken können diese Unterscheidung nicht leisten.
Was ist der Unterschied zwischen einer Acquisition Cohort und einer Behavioral Cohort?
Eine Acquisition Cohort gruppiert Menschen nach der Periode ihres Eintritts: Anmeldemonat, erster Kauf, Aktivierungsdatum. Eine Behavioral Cohort gruppiert sie nach einer Aktion, die sie ausgeführt haben, zum Beispiel alle, die ein bestimmtes Feature genutzt haben. Acquisition Cohorts beantworten, ob sich Neuzugänge über die Zeit besser verhalten; Behavioral Cohorts beantworten, ob eine bestimmte Aktion mit dem Bleiben korreliert.
Warum verdeckt eine flache Gesamt-Retention ein Problem?
Weil sie Cohorts unterschiedlichen Alters mittelt. Eine Gesamt-Retention kann stabil bleiben, während neuere Cohorts schneller churnen und ältere, loyale Cohorts das ausgleichen. Splittet man nach Cohort und liest eine einzelne Spalte nach unten (alle Gruppen im gleichen Alter), wird die Verschlechterung sichtbar, die der aggregierte Wert verdeckt.
Wie liest man ein Cohort-Grid?
Zeilen sind Cohorts, Spalten sind die vergangenen Perioden seit Start der Cohort (Monat 0, Monat 1 und so weiter), und jede Zelle enthält die Metrik. Lesen Sie eine Zeile entlang, um den Rückgang einer Cohort über ihre Lebensdauer zu sehen; lesen Sie eine Spalte nach unten, um verschiedene Cohorts im gleichen Alter zu vergleichen. So unterscheiden Sie eine echte Verbesserung von einem saisonalen Effekt.
Was muss ich definieren, bevor ich eine Cohort Analysis aufbaue?
Vier Dinge: den Cohort-Key (meist die Periode der Anmeldung oder des ersten Kaufs, wöchentlich oder monatlich), die Metrik (Retention, Umsatz, Bestellungen, aktive Tage, Feature-Nutzung), die Zeitachse in Perioden seit Start der Cohort und Cohort-Größen, die groß genug sind, um statistisch aussagekräftig zu sein. Nennen Sie Metrik und Zeiteinheit immer explizit, sonst sind zwei Grids nicht vergleichbar.