Kohortenanalyse
Was ist eine Kohortenanalyse?
Die Kohortenanalyse untersucht das Verhalten von Nutzergruppen, die ein gemeinsames Merkmal oder Startereignis teilen. Verglichen wird, wie sich Kennzahlen wie Wiederkehrrate, Conversion-Rate oder Umsatz dieser Gruppen über definierte Zeiträume entwickeln. Dadurch werden Veränderungen sichtbar, die aggregierte Durchschnittswerte verdecken können.
Kohortenanalyse einfach erklärt
Eine Kohortenanalyse, englisch: Cohort Analysis, teilt Nutzer anhand eines gemeinsamen Merkmals in Gruppen ein und verfolgt deren Verhalten im Zeitverlauf. Eine Kohorte kann beispielsweise aus allen Kunden bestehen, die im selben Monat erstmals gekauft, sich für einen Newsletter angemeldet oder eine bestimmte Landingpage besucht haben.
Der Zeitbezug unterscheidet die Kohortenanalyse von einer gewöhnlichen Segmentierung. Eine Segmentierung zeigt etwa, wie sich mobile und stationäre Nutzer insgesamt unterscheiden. Eine Kohortenanalyse prüft dagegen, wie sich die im Januar gewonnenen mobilen Nutzer in Woche eins, zwei und drei nach ihrem Erstkontakt verhalten.
Der zentrale Nutzen liegt in der Trennung von Nutzergruppen mit unterschiedlichen Ausgangsbedingungen. Steigt die durchschnittliche Conversion-Rate einer Website, kann das an einer leistungsstarken neuen Kohorte liegen, obwohl ältere Kunden seltener zurückkehren. Prüfe deshalb neben dem Gesamtwert immer, welche Kohorte die Veränderung verursacht.
So funktioniert die Kohortenanalyse
Eine aussagekräftige Kohortenanalyse benötigt ein eindeutiges Startmerkmal, ein beobachtbares Zielereignis und feste Zeitintervalle. Das Startmerkmal kann die erste Sitzung, Registrierung oder Bestellung sein. Als Zielereignis eignen sich beispielsweise ein erneuter Besuch, ein Kauf oder eine Vertragsverlängerung.
Die Zeitintervalle müssen zum Geschäftsmodell passen. Bei einer täglich genutzten Anwendung können Tage oder Wochen sinnvoll sein. Bei langlebigen Produkten mit seltenen Wiederkäufen liefern monatliche oder quartalsweise Abstände belastbarere Aussagen. Ein zu kurzes Zeitfenster bewertet Kunden möglicherweise, bevor ein erneuter Bedarf entstehen konnte.
Retention Rate nach Kohorten berechnen
Eine häufig verwendete Kennzahl ist die Retention Rate, also der Anteil einer Kohorte, der nach einer bestimmten Zeit erneut aktiv ist. Die vereinfachte Formel lautet: aktive Nutzer der Kohorte im betrachteten Zeitraum geteilt durch die ursprüngliche Kohortengröße, multipliziert mit 100.
Eine Retention Rate ist nur zwischen vergleichbaren Kohorten belastbar. Eine Dezember-Kohorte eines Onlineshops kann durch das Weihnachtsgeschäft anders zusammengesetzt sein als eine Februar-Kohorte. Vergleiche deshalb ähnliche Zeiträume und ergänze die Wiederkehrrate um Umsatz, Conversion-Rate oder Customer Lifetime Value, also den erwarteten Kundenwert über die gesamte Geschäftsbeziehung.
Typische Arten der Kohortenanalyse
| Art der Kohorte | Gemeinsames Merkmal | Typische Fragestellung |
|---|---|---|
| Akquisitionskohorte | Zeitpunkt des ersten Kontakts | Welche Monatskohorte kehrt häufiger zurück? |
| Kanalkohorte | SEO, SEA, E-Mail oder Social Media | Welcher Kanal gewinnt langfristig aktive Kunden? |
| Verhaltenskohorte | Bestimmte Aktion oder Nutzung | Bleiben Nutzer nach einer Produktdemonstration länger aktiv? |
| Produktkohorte | Erstes gekauftes Produkt | Welche Einstiegsprodukte führen häufiger zu Folgebestellungen? |
Akquisitionskohorten eignen sich besonders für die langfristige Bewertung von Marketingmaßnahmen. Eine Kampagne mit niedrigen Kosten pro Erstkauf kann wirtschaftlich schwächer sein als eine teurere Kampagne, wenn ihre Kunden seltener wiederkommen oder geringere Folgeumsätze erzeugen.
Verhaltenskohorten beantworten dagegen produktbezogene Fragen. Ein Softwareanbieter kann Nutzer vergleichen, die während der ersten sieben Tage eine zentrale Funktion verwendet haben, mit Nutzern ohne diese Aktion. Der Vergleich zeigt eine Beziehung zwischen Verhalten und Bindung, beweist aber noch keine Ursache.
Kohortenanalyse für SEO, SEA und GEO
Im SEO zeigt eine Kohortenanalyse, ob organisch gewonnene Nutzer langfristig zurückkehren oder konvertieren. Sinnvolle Kohorten entstehen beispielsweise nach Einstiegsmonat, Landingpage-Gruppe oder Suchintention. Damit lässt sich prüfen, ob ein Ratgeber nur einmaligen Informationsbedarf deckt oder regelmäßig spätere Produktkontakte vorbereitet. Eine strukturierte SEO-Auswertung mit nachvollziehbaren Kennzahlen sollte solche Zeitverläufe getrennt von kurzfristigen Ranking-Veränderungen betrachten.
Im SEA können Kohorten nach Kampagne, Anzeigengruppe oder Monat des Erstkaufs gebildet werden. Der Vergleich ergänzt den kurzfristigen Return on Advertising Spend um Folgekäufe und Kundenbindung. Besonders im E-Commerce kann eine Kampagne trotz höherer Erstkaufkosten wirtschaftlich attraktiver sein, wenn ihre Kohorte über mehrere Monate mehr Umsatz erzielt. Weitere Zusammenhänge beschreibt der Ratgeber zu SEO- und SEA-Synergien.
Für GEO, also Generative Engine Optimization, kann eine Kohortenanalyse Nutzer nach dem ersten Kontakt über eine KI-Antwort gruppieren, sofern die Herkunft technisch messbar ist. Anschließend werden Engagement, Conversion und Wiederkehr mit anderen Zugangswegen verglichen. Direkte Verweise aus ChatGPT, Perplexity, Gemini oder Grok bilden jedoch nur einen Teil des Einflusses ab, weil nicht jeder KI-Kontakt einen eindeutig zuordenbaren Klick erzeugt.
Kohortenanalyse richtig messen
Messbar ist eine Kohortenanalyse zum Beispiel so: Lege ein dauerhaft gespeichertes Erstkontaktdatum fest, ordne jedem Nutzer genau eine Akquisitionskohorte zu und erfasse spätere Zielereignisse in gleich langen Intervallen. Ein Wechsel der Definition während des Analysezeitraums macht ältere und neuere Kohorten ungleich und sollte dokumentiert werden.
Für belastbare Marketingentscheidungen sollten Ereignisnamen, Zeiträume und Attributionsregeln kanalübergreifend übereinstimmen. Wird im SEO der erste Websitebesuch als Start verwendet, im SEA aber der erste Kauf, sind die Ergebnisse methodisch nicht direkt vergleichbar. Eine datenbasierte Online-Marketing-Beratung sollte deshalb zuerst Definitionen vereinheitlichen und danach Kampagnen oder Inhalte bewerten.
Typische Fehler bei Kohorten
Ein häufiger Fehler ist die Verwechslung von Korrelation und Kausalität. Wenn Nutzer nach dem Download eines Ratgebers häufiger kaufen, beweist die Kohortenanalyse nicht, dass der Download den Kauf ausgelöst hat. Möglicherweise laden bereits besonders interessierte Nutzer den Ratgeber herunter. Prüfe vermutete Ursachen zusätzlich durch kontrollierte Tests oder vergleichbare Kontrollgruppen.
Auch eine hohe Wiederkehrrate ist nicht automatisch positiv. Nutzer können zurückkehren, weil eine Bestellung unklar ist oder ein Prozess mehrere Besuche verlangt. Vergleiche die Retention Rate deshalb mit Conversion, Umsatz, Supportkontakten und der Qualität der Nutzerführung.
Abgrenzung zu verwandten Analysen
Der Unterschied zwischen Kohortenanalyse und Segmentierung liegt in der Zeitachse. Eine Segmentierung gruppiert Nutzer nach Eigenschaften wie Gerät, Region oder Kundentyp. Eine Kohortenanalyse verfolgt Gruppen ab einem gemeinsamen Startpunkt und vergleicht ihre Entwicklung nach gleich langen Zeitabständen.
Der Unterschied zwischen Kohortenanalyse und Funnelanalyse liegt im Analyseziel. Eine Funnelanalyse misst, wie viele Nutzer aufeinanderfolgende Schritte wie Produktansicht, Warenkorb und Kauf erreichen. Eine Kohortenanalyse prüft, wie sich definierte Nutzergruppen nach ihrem Einstieg über Tage, Wochen oder Monate entwickeln.
Ein A/B-Test untersucht die kausale Wirkung zweier Varianten unter kontrollierten Bedingungen. Eine Kohortenanalyse wertet vorhandene Gruppen und Zeitverläufe aus. Die Kohortenanalyse kann eine Hypothese liefern, während der A/B-Test prüft, ob eine gezielte Änderung die beobachtete Wirkung tatsächlich verursacht.
Häufige Fragen zur Kohortenanalyse
Was genau ist eine Kohorte?
Eine Kohorte ist eine Gruppe von Nutzern mit einem gemeinsamen Merkmal oder Startereignis. Das kann der Monat des Erstkaufs, die Registrierung oder der erste Kontakt über einen bestimmten Marketingkanal sein.
Wie groß sollte eine Kohorte sein?
Es gibt keine allgemeingültige Mindestgröße. Eine Kohorte sollte so viele Nutzer enthalten, dass einzelne Käufe oder Ausfälle das Ergebnis nicht übermäßig verändern. Kleine Gruppen sollten über längere Zeiträume zusammengefasst oder als unsicher gekennzeichnet werden.
Welcher Zeitraum eignet sich für eine Kohortenanalyse?
Der Zeitraum richtet sich nach dem üblichen Nutzungs- oder Kaufzyklus. Häufig genutzte Angebote lassen sich täglich oder wöchentlich analysieren, während Produkte mit langen Wiederkaufzyklen monatliche oder quartalsweise Intervalle erfordern.
Welche Kennzahlen werden nach Kohorten ausgewertet?
Typische Kennzahlen sind Retention Rate, Conversion-Rate, Umsatz, Wiederkaufsrate, Nutzungshäufigkeit und Customer Lifetime Value. Die Auswahl richtet sich danach, ob Nutzerbindung, Produktnutzung oder Wirtschaftlichkeit untersucht werden soll.
Kann eine Kohortenanalyse Ursachen beweisen?
Eine Kohortenanalyse zeigt Unterschiede und zeitliche Zusammenhänge, beweist aber allein keine Ursache. Für einen belastbaren Wirkungsnachweis sind kontrollierte Tests, Vergleichsgruppen oder zusätzliche Daten erforderlich.
Wie oft sollte man Kohorten auswerten?
Die Auswertung sollte mindestens dem gewählten Zeitintervall folgen. Wöchentliche Kohorten werden sinnvollerweise wöchentlich aktualisiert, monatliche Kohorten nach Abschluss jedes Monats. Definitionen und Messregeln sollten während des Vergleichs unverändert bleiben.
Wenn du Kohorten, Kanäle und Conversion-Daten zu einer belastbaren Marketingauswertung verbinden möchtest, kannst du deine Ausgangslage unverbindlich prüfen lassen.
Sie haben noch Fragen?
