Die Kohortenanalyse ist eine analytische Technik, die Nutzer oder Kunden anhand eines gemeinsamen Merkmals oder Erlebnisses innerhalb eines definierten Zeitraums in Segmente gruppiert, sogenannte Kohorten, am häufigsten nach dem Datum der Anmeldung, des ersten Kaufs oder der ersten Gewinnung über einen bestimmten Kanal. Anschließend verfolgt sie, wie sich das Verhalten jeder Kohorte in den folgenden Zeiträumen entwickelt. Das gängigste Ergebnis ist eine Kohorten-Retention-Tabelle oder Retention-Kurve. Sie zeigt, welcher Prozentsatz einer Kohorte in festgelegten Abständen nach dem Startpunkt, etwa nach 1 Woche, 1 Monat, 3 Monaten und 12 Monaten, noch aktiv ist, erneut kauft oder weiterhin abonniert. So können Analysten vergleichen, wie sich zu verschiedenen Zeitpunkten oder über verschiedene Kanäle gewonnene Kohorten im Verlauf ihrer jeweiligen Lebensdauer verhalten.
Die Kohortenanalyse ist wichtig, weil sie eine grundlegende Einschränkung aggregierter Zeitreihen-Kennzahlen behebt: Die gesamte Retention-Rate oder der durchschnittliche Umsatz pro Nutzer eines Unternehmens in einem bestimmten Monat vermischt Kunden in völlig unterschiedlichen Phasen ihrer Beziehung zum Produkt, einige, die im selben Monat dazugekommen sind, und andere, die schon Jahre zuvor eingestiegen sind. Dadurch können sich verschlechternde oder verbessernde Trends vollständig verdecken. So kann ein Nutzerstamm insgesamt gleichbleibende monatlich aktive Nutzer ausweisen, obwohl neuere Kohorten deutlich schneller abwandern als ältere. Dieses Warnsignal bliebe in der gemischten Kennzahl unsichtbar, wird aber sofort deutlich, wenn die Kohorten getrennt und nebeneinander in einer Retention-Kurve verglichen werden.
Kohorten lassen sich über das einfache Akquisitionsdatum hinaus nach mehreren Dimensionen definieren, darunter Verhaltenskohorten (gruppiert nach einer durchgeführten Handlung, etwa dem Abschluss des Onboardings oder dessen Ausbleiben), Akquisekanal-Kohorten (gruppiert danach, ob ein Nutzer über bezahlte Suche, organisch oder per Empfehlung kam) und Umsatzkohorten (gruppiert nach dem Wert des Erstkaufs). Analysten visualisieren diese Daten häufig als dreieckige Retention-Tabelle, in der die Zeilen Kohorten nach Startzeitraum und die Spalten die seit diesem Start vergangene Zeit darstellen. So lassen sich Muster, etwa die Unterperformance der Kohorte eines bestimmten Monats aufgrund einer Preisänderung, eines Fehlers oder einer Akquisekampagne geringerer Qualität, auf genau diesen Zeitraum eingrenzen, statt in Gesamtdurchschnitten unterzugehen. Tools wie Mixpanel, Amplitude und die nativen Kohorten-Explorationsberichte von GA4 werden häufig eingesetzt, um solche Analysen ohne individuelles Data Engineering zu erstellen.
Ein häufiger Fehler ist, Schlüsse aus Kohorten zu ziehen, die zu klein oder zu jung sind, um statistisch aussagekräftige Daten angesammelt zu haben. Eine Kohorte, die erst vor zwei Wochen gewonnen wurde, kann noch nichts über die Retention nach 6 oder 12 Monaten aussagen, und der Vergleich einer unreifen mit einer reifen Kohorte anhand dieser späteren Kennzahlen ergibt ein irreführendes Bild. Eine weitere typische Falle ist, externe Faktoren zu übersehen, die eine ganze Kohorte gleichzeitig beeinflussen, etwa einen saisonalen Anstieg der Akquisitionsqualität rund um eine Rabattaktion oder einen vorübergehenden Produktausfall. Sie können eine Kohorte ungewöhnlich stark oder schwach erscheinen lassen, und zwar aus Gründen, die nichts mit einer damals vorgenommenen gezielten Produkt- oder Marketingänderung zu tun haben.
Für eine Growth- oder CRO-Beratung ist die Kohortenanalyse besonders wertvoll, um zu beurteilen, ob Änderungen an Produkt, Onboarding oder Lifecycle-Marketing dauerhafte Verbesserungen bewirken und nicht nur kurzfristige Ausschläge. Eine Änderung, die die Anmeldungen zu Beginn steigert, die 30- oder 90-Tage-Retention innerhalb der betroffenen Kohorte aber nicht verbessert oder sogar verschlechtert, hat nicht zwangsläufig nachhaltigen Wert geschaffen. Sie ist zudem ein Standardwerkzeug, um die Qualität von Akquisekanälen im Zeitverlauf zu bewerten, da Kanäle nicht nur anhand der unmittelbaren Conversion-Rate oder der Kosten pro Akquisition verglichen werden können, sondern auch anhand der langfristigen Retention- und Lifetime-Value-Entwicklung der von ihnen erzeugten Kohorten. Oft zeigt sich dabei, dass ein Kanal mit höheren anfänglichen Akquisitionskosten tatsächlich profitabler ist, sobald das längerfristige Kohortenverhalten berücksichtigt wird.
