Retention- und Churn-Benchmarks, wenn es keinen Kündigungsbutton gibt

# Retention- und Churn-Benchmarks, wenn es keinen KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ündigungsbutton gibt

„Unsere Repeat Rate liegt bei 38%. Ist das gut?" Diese Frage ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen →öffnet jedes FMCG-Review-Deck und lässt sich in dieser Form nicht beantworten. Über welchen Zeitraum, in einer Kategorie, die wöchentlich oder zweimal im Jahr gekauft wird, auf welcher Penetrationsbasis? Loyalität bei Konsumgütern bedeutet nur als Satz von vier Zahlen etwas: Penetration, Kauffrequenz, Repeat Rate und die Beziehung zwischen ihnen, die die Forscher des Ehrenberg-Bass Institute als Double Jeopardy bezeichnet haben. Hier ist dieses Benchmark-Set, wie „gut" je Kategorie aussieht, und die Artefakte, die eine gesunde Marke wie eine undichte Stelle wirken lassen.

Warum Churn-Mathematik nach Subscription-Muster hier nicht funktioniert

Eine KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ündigung hat ein Datum. Eine Shopperin, die Ihr Shampoo nicht mehr kauft, sagt es niemandem: Sie greift zu einer anderen Flasche, und der Abstand zwischen ihren KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufen war ohnehin nie fix. Ein Haushalt kauft Waschmittel alle fünf Wochen oder alle elf, je nach Promotions und Schrankplatz.

Retention wird hier aus Wiederkaufmustern in Panel- und Kundenkartendaten abgeleitet, nicht beobachtet. Damit wird eine Entscheidung wichtiger als jede Formel: die Länge des Messfensters. Verbreitern Sie es, steigt die Repeat Rate mechanisch, weil jeder Haushalt mehr Gelegenheiten zur Rückkehr bekommt. Eine Suppenmarke kann ehrlich 15% Repeat über vier Wochen und 55% über zwölf Monate berichten. Beides ist korrekt, und keines ist mit dem anderen oder mit einem Wettbewerber vergleichbar, der ein anderes Fenster nennt. Legen Sie eine Konvention fest, rollierende 12 Monate für die Planung und Quartal gegen Quartal für das laufende Tracking, und halten Sie sie durch.

Wiederkaufrate: der zentrale Retention-Proxy

Die Wiederkaufrate (Repeat Purchase Rate, RPR) ist der Anteil der KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer aus Periode 1, die die Marke in Periode 2 erneut kaufen.

RPR = (Käufer, die in Periode 1 UND Periode 2 gekauft haben) / (Käufer, die in Periode 1 gekauft haben)

Rechenbeispiel: Eine Marke für lagerfähige Suppen verkauft im Q1 an 100.000 Haushalte, und 38.000 von ihnen kaufen im Q2 erneut. RPR = 38%.

Ob 38% gut sind, hängt vom Kaufzyklus der Kategorie ab, dem durchschnittlichen Abstand zwischen den KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufen. Toilettenpapier hat Zyklen von Wochen. Eine Spezialmarinade wird vielleicht zweimal im Jahr gekauft, womit ein Quartalsfenster für sie nahezu bedeutungslos wird. RPR über Kategorien hinweg zu vergleichen, ohne die Zykluslänge zu berücksichtigen, ist der häufigste Analystenfehler in diesem Feld.

Benchmarks (Schätzungen, Stand 2025 bis 2026)

Repeat Rate, Quartal gegen Quartal:

• Verpackte Grundnahrungsmittel (nach Nielsen- und Kantar-Panel-Kommentaren, zusammengefasst in der Fachpresse): Eine gesunde Haushaltsmarke liegt oft bei 40 bis 60%.
• Personal Care (Shampoo, Hautpflege): häufig 25 bis 40%. Die Wechselkosten liegen nahe null, die Neugier auf Neues ist hoch.
• Handelsmarken: in Value-Kategorien häufig über vergleichbaren Herstellermarken, weil der Wechselauslöser (Preis) schon geklärt ist, sobald eine Shopperin die Eigenmarke des Händlers adoptiert.

Frequenz und Penetration, über ein Jahr:

• In den meisten Kategorien wird die durchschnittliche Marke zwei bis vier Mal pro Jahr je kaufendem Haushalt gekauft, und rund die Hälfte der Jahreskäufer einer Marke kauft sie genau einmal. Der Light Buyer ist die Norm, nicht der Abgang.
• Nur etwa 10 bis 20% der Jahreskäufer einer Marke sind ihr zu 100% treu, und diese Ein-Marken-Loyalisten sind überwiegend Light Buyer der Kategorie mit wenigen Gelegenheiten.
• Penetration hat eine harte Obergrenze. Kantars Brand Footprint hat Colgate mehrfach als weltweit meistgewählte Marke ausgewiesen, mit einer Reichweite von etwa 60% der Haushalte global bei rund drei bis vier KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufen pro Jahr. Das ist nahe am praktischen Maximum; die meisten Marken einer Kategorie liegen im einstelligen oder niedrigen zweistelligen Bereich.
• Frequenzobergrenzen setzt die Kategorie. Amul führt Kantars Indien-Rankings bei Consumer ReachReachDie Zahl der einzelnen Personen, die Ihre Botschaft in einem bestimmten Zeitraum gesehen haben. Anders als Impressions zählt Reach jede Person nur einmal, unabhängig davon, wie oft sie die Botschaft sieht.Vollständige Definition ansehen → Points weitgehend über die Frequenz: Milch, Butter und Joghurt werden dutzende Male im Jahr gekauft, Zahnpasta drei- oder viermal.
• Der Anteil am Kategoriebedarf erreicht selten das, was Marketer sich wünschen. Selbst Kategorieführer halten typischerweise ein Viertel bis 40% der Kategorieausgaben ihrer KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer. Über 50% deutet meist auf eine kleine KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äuferbasis oder eine Kategorie mit wenig Auswahl hin.

Öffentliche Referenz: Ehrenberg-Bass Institute, dessen „How Brands Grow"-Forschung dem FMCG-Marketing so nahe an einer empirischen Bibel zu Penetration und Loyalität kommt, wie es überhaupt möglich ist.

Category-Switching-Churn: die eigentliche Leakage-Kennzahl

Die RPR sagt, dass jemand wieder gekauft hat. Sie sagt nichts darüber, wohin die fehlenden 62% gegangen sind. Category-Switching-Churn teilt das auf:

Verlorene Käufer = Markenwechsler + Kategorie-Aussteiger

• Markenwechsler sind ein Marketingproblem: Preis, Promotion, Distribution, Regalpräsenz, Formulierung.
• Kategorie-Aussteiger sind strukturell: eine Lebensphase ist vorbei, die Kategorie schrumpft, ein Substitut hat die Gelegenheit übernommen.

Die Aufteilung verändert, was Sie tun kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen und was der Haushalt wert ist. Ein Wechsler lässt sich über Preis oder Verfügbarkeit zurückgewinnen. Ein Aussteiger nicht, und jedes Haushaltswertmodell, auch das aus der Schwesterlektion, setzt stillschweigend eine Kategoriedauer voraus, die für diesen Haushalt gerade geendet hat.

Kantar Worldpanel und Nielsen erzeugen diese Lesart, indem sie dieselben Haushalte über Perioden hinweg verfolgen und kodieren, was sonst im Warenkorb landete. Konkurrenzsuppe im Korb ist ein Wechsel. Nichts Suppenförmiges ist ein Ausstieg.

Penetration gegen Loyalität: der Diagnosetest

Der größte Teil des Markenwachstums im FMCG kommt aus Penetration, also mehr KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufern, nicht daraus, dass bestehende KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer mehr kaufen. Das Double-Jeopardy-Muster sagt: Größere Marken haben sowohl mehr KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer als auch leicht höhere Repeat Rates, und die Lücke bei der KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äuferzahl stellt die Loyalitätslücke in den Schatten.

Der Test:

1. Berechnen Sie den Share of Category Requirements (SCR): Welcher Anteil von allem, was der Haushalt in der Kategorie kauft, geht an Sie?

2. Berechnen Sie die Penetration: Welcher Anteil der Kategoriekäufer hat Sie überhaupt gekauft, auch nur einmal?

3. Lesen Sie beides gegen die Kategorie-Normlinie, die erwartete Beziehung zwischen beiden bei Ihrer Größe.

Zur Illustration:

• Marke A: 5% Penetration, 55% Repeat Rate.
• Marke B: 30% Penetration, 45% Repeat Rate.

Marke A sieht loyaler aus. Aber von einer Marke mit 5% Penetration wird eine *niedrigere* Repeat Rate erwartet als von einer mit 30%, also übertrifft A ihre Norm leicht, sitzt dabei aber auf einer winzigen Basis. Zwei Punkte Penetration bei B zu verlieren kostet mehr Volumen als alles, was innerhalb von A passiert.

Bevor Sie eine über der Norm liegende Repeat Rate der Zuneigung zuschreiben, prüfen Sie die Verfügbarkeit. Eine Marke mit 90% Distribution in drei Bundesländern und 4% national zeigt unter ihren KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufern eine überhöhte Loyalität, weil diese KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer in diesem Regal auf weniger Alternativen treffen. Abweichungen von der Normlinie erklären sich meist über Distribution, Packungsrange oder eine eigene Kaufgelegenheit.

Aus Daten aufbauen: eine einfache Struktur

Wenn Sie mit Kundenkarten- oder panelartigen Transaktionsdaten arbeiten, sieht die Berechnung in Pseudocode so aus:

# Transaktionen auf Haushaltsebene, eine Zeile pro Kauf
# Spalten: household_id, brand, category, period

period1_buyers = set(df[(df.brand == "OurBrand") & (df.period == "Q1")].household_id)
period2_buyers = set(df[(df.brand == "OurBrand") & (df.period == "Q2")].household_id)

repeat_buyers = period1_buyers & period2_buyers
rpr = len(repeat_buyers) / len(period1_buyers)

lapsed = period1_buyers - period2_buyers
still_in_category = set(df[(df.category == "Soup") & (df.period == "Q2")].household_id)

brand_switchers = lapsed & still_in_category
category_dropouts = lapsed - still_in_category

Absichtlich einfach. Echte Panel-Analytik ergänzt Gewichtung (Panels sind Stichproben, die auf den Gesamtmarkt projiziert werden) und Glättung über mehrere Perioden, damit eine schwache Woche das Bild nicht verzerrt.

Achten Sie auf diese Fallen

• Saisonalität, die sich als Churn tarnt. Sonnenschutz „lapst" jeden Winter. Vergleichen Sie Jahr gegen Jahr, nicht nur aufeinanderfolgende Quartale.
• Packungsgrößeneffekte. Ein Haushalt, der auf ein größeres Multipack umsteigt, kauft seltener und sieht in einer naiven Zählung abgewandert aus, während das Volumen hält oder wächst.
• Promotionsgetriebene Scheinloyalität. Repeat Rates, die während tiefer Rabatte aufgebaut wurden, brechen bei Preisrücksetzung ein. Lesen Sie RPR zu Vollpreis und in Aktion getrennt.
• Regression zur Mitte in Loyalitätsprogrammen. Sprechen Sie die schwersten KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer des Vorjahres an, und sie werden dieses Jahr weniger kaufen, fast unabhängig davon, was Sie tun, weil extremes Verhalten in einer Periode in der nächsten zurückgeht. Bewerten Sie das Programm gegen eine gematchte Kontrollgruppe, nicht gegen die eigene Historie der Teilnehmer.
• Budget auf den falschen Tail gerichtet. Wenn die Hälfte Ihrer KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer einmal im Jahr kauft, adressiert ein Retention-Plan für Heavy User eine Minderheit des Volumens, und die Kosten pro inkrementellem Haushalt, die die Akquisitionslektion bepreist, sind meist der fairere Vergleich.

🎬 [VIDEO: „How Brands Grow: Byron Sharp explains the laws of marketing" - youtube.com - eine komprimierte Erklärung der Ehrenberg-Bass-Ergebnisse zu Penetration und Loyalität, die dieser Lektion zugrunde liegen]

Die wichtigsten Punkte

• Retention wird aus der Wiederkaufrate abgeleitet, und die Zahl ist bedeutungslos, solange Sie Fenster und Kaufzyklus nicht nennen. Gleiche Marke: 15% über vier Wochen, 55% über ein Jahr.
• Richtungsweisende Repeat-Benchmarks: Grundnahrungsmittel 40 bis 60% pro Quartal, Personal Care 25 bis 40%, Handelsmarken in Value-Kategorien typischerweise über Herstellermarken. Prüfen Sie die aktuellen Berichte von Kantar Worldpanel oder Nielsen, bevor Sie sie zitieren.
• Loyalitätsnormen liegen niedriger, als die meisten Decks annehmen: zwei bis vier KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufe pro Jahr je kaufendem Haushalt, etwa die Hälfte der KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer kauft einmal, 10 bis 20% Ein-Marken-Loyalisten, Führende halten ein Viertel bis 40% der Kategorieausgaben ihrer KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer.
• Die Obergrenze liegt bei der Penetration. Colgates Haushaltsreichweite von rund 60% global ist nahe am Maximum, und Double Jeopardy sagt für kleine Marken niedrigere Repeat Rates voraus, also lesen Sie Repeat und Penetration gemeinsam gegen die Normlinie.
• Teilen Sie verlorene KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer in Markenwechsler (über Preis, Promo, Distribution behebbar) und Kategorie-Aussteiger (strukturell), und schließen Sie Saisonalität, Packungsgrößenverschiebungen, Rabattinflation und Regression zur Mitte aus, bevor Sie etwas Churn nennen.