Digitales Marketing

Kohortenanalyse im Marketing: Kundenbindung mit GA4 messen

Talha Aslan 16 Minuten Lesezeit 1 Aufrufe

Kurze Antwort

Was ist eine Kohortenanalyse im Marketing?

Eine Kohortenanalyse ist eine Methode, die Nutzer mit demselben Startereignis im selben Zeitraum als eine Gruppe behandelt und dann misst, ob diese Gruppe in den folgenden Wochen oder Monaten zurückkehrt. Im Marketing zeigt sie Kundenbindung, Wiederkäufe und Kanalqualität ohne verzerrte Durchschnittswerte.

Alle Details und Beispiele finden Sie weiter unten im Beitrag

Eine Kohortenanalyse teilt Ihre Kunden in Gruppen, die zur gleichen Zeit gestartet sind, und verfolgt dann das Verhalten jeder Gruppe über Wochen oder Monate. Eine durchschnittliche Wiederkaufrate verschleiert oft die Wahrheit. Die Kohortensicht zeigt dagegen, welcher Monat, welcher Kanal und welche Kampagne wirklich treue Kunden gebracht haben. In diesem Leitfaden zeigen Talha Aslan und Team, wie wir Kohortentabellen in GA4 aufbauen, lesen und in Entscheidungen übersetzen.

Zum Beispiel bilden alle Kunden mit Erstbestellung im März eine Kohorte. Kunden mit Erstbestellung im April bilden eine weitere. Sie vergleichen die beiden Gruppen also im gleichen Alter, nicht im gleichen Kalendermonat. Anders gesagt: Sie sehen nebeneinander, was einen Monat nach der Erstbestellung in jeder Gruppe passiert ist.

Das wird vor allem wichtig, sobald das Werbebudget wächst. Denn die Zahl der Neukunden kann steigen, während ältere Kunden leise verschwinden. Ein Umsatzdiagramm verdeckt dieses Muster. Eine Kohortentabelle macht es dagegen sichtbar, und zwar konkret pro Gruppe.

Warum ist eine Kohortenanalyse genauer als eine durchschnittliche Wiederkaufrate?

Ein Durchschnitt mischt Kunden, die zu sehr unterschiedlichen Zeiten kamen. Folglich heben sich neue und alte Kunden gegenseitig auf. In einem schnell wachsenden Unternehmen dominieren immer die Neuen. Deshalb spiegelt der Durchschnitt vor allem die Begeisterung der ersten Wochen.

Die Kohortensicht bewertet dagegen jede Gruppe in ihrem eigenen Alter. Somit lassen sich diese Fragen beantworten:

  • Springen neuere Kunden schneller ab als ältere?
  • Hat die Kohorte nach einer Preisänderung schwächer abgeschnitten?
  • Bringt ein neuer Werbekanal Volumen, aber weniger Qualität?
  • Hat eine Treuekampagne die Zweitbestellung tatsächlich erhöht?

Kurz gesagt beantwortet der Durchschnitt die Frage nach dem Wieviel, die Kohorte dagegen die Frage nach dem Wer, Wann und Warum. Wenn Sie Abwanderung als einzelnen Prozentwert verfolgen, erklärt unser Beitrag Churn Rate berechnen, wie dieser Wert entsteht. Die Kohortenanalyse zerlegt ihn anschließend in Gruppen.

Wie lesen Sie eine Kohortentabelle?

Eine klassische Kohortentabelle hat die Form eines Dreiecks. Die Zeilen zeigen Kohorten, also Startzeiträume. Die Spalten zeigen die Zeit seit dem Start: Woche 0, Woche 1, Woche 2 und so weiter.

Lesen Sie eine Zeile von links nach rechts, dann sehen Sie, wie eine Gruppe mit der Zeit schrumpft. Lesen Sie eine Spalte von oben nach unten, vergleichen Sie verschiedene Gruppen im gleichen Alter. Zudem hilft der Blick entlang der Diagonale. So erkennen Sie ein Ereignis, das alle Kohorten in derselben Kalenderwoche getroffen hat, etwa einen Ausfall der Website.

Die rechte untere Ecke bleibt leer. Der Grund: Neuere Kohorten haben dieses Alter noch nicht erreicht. Werten Sie die Lücke nicht als Problem, denn sie zeigt nur, dass die Zeit noch fehlt.

Beim ersten Lesen empfehlen wir drei Prüfpunkte. Erstens, wie stark der Rückgang von Periode null zu Periode eins ausfällt. Zweitens, wo die Kurve abflacht. Drittens, ob sich die jüngsten Kohorten von den älteren absetzen.

Wo finden Sie die Kohortenanalyse in GA4 und wie richten Sie sie ein?

In GA4 liegt die Kohortenansicht nicht in den Standardberichten, sondern unter den Vorlagen im Bereich Explorative Datenanalyse. Laut der Google Analytics Hilfe dient die Kohortenanalyse dazu, das Verhalten von Nutzergruppen mit einem gemeinsamen Merkmal über die Zeit zu untersuchen. Menübezeichnungen können sich ändern; suchen Sie daher in Ihrer Property nach der passenden Vorlage.

Gehen Sie in dieser Reihenfolge vor:

  1. Öffnen Sie eine neue Kohortenanalyse im Bereich Explorative Datenanalyse.
  2. Wählen Sie das Aufnahmekriterium: Mit welchem Ereignis gelangt ein Nutzer in die Kohorte?
  3. Wählen Sie das Rückkehrkriterium: Welches Ereignis zählt als Rückkehr?
  4. Legen Sie die Granularität fest: täglich, wöchentlich oder monatlich.
  5. Wählen Sie die Berechnungsart und fügen Sie bei Bedarf eine Aufschlüsselung hinzu.
  6. Bestimmen Sie im Feld für Werte den gewünschten Messwert.

Jede dieser sechs Einstellungen verändert das Ergebnis. Deshalb notiert unser Team die Begründung jeder Einstellung im Bericht. Sonst weiß drei Monate später niemand mehr, was die Tabelle eigentlich misst. Eine Auffrischung zu den Grundlagen bietet unser Beitrag Was ist GA4.

Wie wählen Sie Aufnahme und Rückkehrkriterium?

Die Google Hilfe nennt für die Aufnahme diese Optionen: erste Interaktion (Akquisitionsdatum), beliebiges Ereignis, beliebige Transaktion, beliebige Conversion sowie ein bestimmtes Ereignis. Beim Rückkehrkriterium gibt es ähnliche Optionen.

Die richtige Wahl hängt von Ihrer Geschäftsfrage ab. Ein Ratgeberportal kann zum Beispiel mit der ersten Interaktion aufnehmen und jedes Ereignis als Rückkehr zählen. Für einen Onlineshop wäre diese Einstellung allerdings irreführend. Denn Stöbern bedeutet noch keinen Kauf.

Unsere Faustregel lautet daher: Das Rückkehrkriterium sollte das Verhalten sein, mit dem Sie Geld verdienen. Bei einem Abomodell ist das etwa eine Verlängerungszahlung. Bei einem Dienstleister ist es eine Formularanfrage oder eine Angebotsanfrage. So beantwortet die Tabelle nicht nur, wie viele zurückkamen, sondern wie viele erneut Wert geschaffen haben.

Prüfen Sie außerdem, ob Ihre Ereignisse sauber ausgelöst werden. Fehlt das gewählte Ereignis teilweise, übernimmt die Kohortentabelle diese Lücke. Eine Checkliste dazu finden Sie in unserem Beitrag GA4 Conversions fehlen.

Tägliche, wöchentliche oder monatliche Kohorten: Was passt?

Die Granularität sollte zum Tempo Ihres Kaufzyklus passen. Bei schnell verbrauchten Produkten oder Apps sind tägliche und wöchentliche Ansichten sinnvoll. Bei Produkten, die Kunden nur wenige Male im Jahr kaufen, erzeugt die monatliche Ansicht weniger Rauschen.

Sehr feine Granularität erzeugt kleine Gruppen. In kleinen Gruppen kann ein einzelner Nutzer die Quote stark verschieben. Das führt folglich zu Fehlalarmen. Sehr grobe Granularität kann dagegen eine wichtige Veränderung einen ganzen Monat lang verbergen.

Wir arbeiten deshalb meist in zwei Ebenen. Zunächst erfasst eine Wochentabelle frühe Signale. Danach bestätigt eine Monatstabelle, ob sich das Muster hält. Kurz gesagt fragt die Wochenansicht, ob etwas passiert, die Monatsansicht dagegen, ob es ein echter Trend ist.

Beachten Sie zudem die Datenaufbewahrung. Explorative Berichte hängen von der Aufbewahrungseinstellung Ihrer Property ab. Prüfen Sie die aktuellen Optionen in den Verwaltungseinstellungen und auf der offiziellen Hilfeseite.

Was bedeuten Standard, rollierende und kumulative Berechnung?

Die Kohortenanalyse in GA4 bietet drei Berechnungsarten, und jede beantwortet eine andere Frage. Nach der offiziellen Dokumentation sieht der Unterschied so aus:

BerechnungsartWen zählt eine Zelle?Für welche Frage geeignet?
StandardNur Nutzer, die das Rückkehrkriterium in diesem Zeitraum erfüllt habenWie viele waren diese Woche aktiv?
RollierendNutzer, die das Kriterium in diesem und in jedem früheren Zeitraum erfüllt habenWie groß ist die Kerngruppe ohne Unterbrechung?
KumulativNutzer, die das Kriterium in irgendeinem Zeitraum bis dahin erfüllt haben, als laufende SummeWelchen Wert hat die Kohorte bisher aufgebaut?

Wählen Sie in einer Kaufkohorte zum Beispiel Umsatz mit kumulativer Berechnung, dann zeigt jede Zelle den bis zu diesem Alter aufgelaufenen Umsatz. Das liefert eine frühe Schätzung des Kundenwerts. Die rollierende Berechnung zeichnet dagegen für Abomodelle ein deutlich ehrlicheres Bild, weil dort die lückenlose Fortsetzung zählt.

Wie bauen Sie eine Kaufkohorte auf?

Eine Kaufkohorte gruppiert Kunden nach dem Datum ihrer Erstbestellung. Für E-Commerce und alle Geschäfte mit Wiederkäufen ist sie die wertvollste Kohortenart.

In GA4 können Sie als Aufnahmekriterium eine beliebige Transaktion verwenden. Das Rückkehrkriterium ist ebenfalls eine beliebige Transaktion. Somit zeigt die Tabelle, wie viele Kunden in jedem Zeitraum nach dem Erstkauf erneut bestellt haben.

Allerdings gibt es eine Grenze. GA4 erkennt Nutzer über Cookies und Nutzer IDs. Kommt ein Kunde mit einem anderen Gerät oder nach dem Löschen von Cookies zurück, zählt GA4 ihn womöglich als neuen Nutzer. Bauen Sie die Kaufkohorte daher nach Möglichkeit auch aus der Kundennummer Ihres Bestellsystems. Unser Team nutzt die GA4 Tabelle zur Orientierung und die Tabelle aus der Bestelldatenbank für Entscheidungen.

Die Umsatzkurve einer Kaufkohorte bildet außerdem die Grundlage für die Berechnung des Kundenwerts. Die Formel haben wir im Beitrag Customer Lifetime Value berechnen erklärt.

Welche Werbeentscheidung verändert eine Kohortenanalyse nach Kanal?

Die Kohortenanalyse nach Kanal trennt Kunden nach dem Kanal, über den sie zuerst kamen, und vergleicht, wie wertvoll die Kunden jedes Kanals mit der Zeit werden. In GA4 fügen Sie dazu die erste Nutzerquelle oder die Standardkanalgruppe als Aufschlüsselung hinzu.

Diese Sicht dreht oft die Rangfolge in Ihrem Werbebericht um. Ein Kanal liefert zum Beispiel günstige Erstbestellungen, doch diese Käufer kommen nie wieder. Ein anderer Kanal kostet pro Erstbestellung mehr, aber seine Kunden kaufen monatelang nach. Wer nur auf die Erstbestellung optimiert, verschiebt Budget zum ersten Kanal und verliert langfristig Geld.

Stellen Sie deshalb vor jeder Budgetverschiebung diese Fragen:

  • Wie viel kumulierten Umsatz hat die Kohorte jedes Kanals bis zum dritten Monat erzeugt?
  • Öffnet sich der Abstand zwischen den Kanälen im ersten Monat oder später?
  • Sind die Gruppen der Aufschlüsselung groß genug für eine Entscheidung?

Um diesen Umsatz den Akquisitionskosten gegenüberzustellen, hilft unser Leitfaden Kundenakquisitionskosten senken.

Wer sollte die Ergebnisse der Kohortenanalyse deuten?

Die Tabelle zu bauen ist zunächst einfach. Schwierig ist es, das Gesehene in gute Entscheidungen zu übersetzen. Wirkt die Kohorte eines Monats schwach, kann die Ursache Saison, Lagerbestand, Preis, Werbemittel oder ein Messfehler sein. Um diese Ursachen zu trennen, brauchen Sie Datenkenntnis und Praxiserfahrung.

Wenn in Ihrem Team niemand diese Aufgabe übernimmt, kann ein Online Marketing Experte die erste Tabelle mit Ihnen aufsetzen und einen festen Leserhythmus vereinbaren. Wir bei Talha Aslan und Team bauen Kohortentabellen nicht als isolierten Bericht, sondern als Entscheidungswerkzeug, das mit dem Werbe und Inhaltskalender verbunden ist.

Trotzdem können Sie selbst beginnen. Wählen Sie eine Frage, bauen Sie eine Kohortentabelle und schauen Sie jeden Monat am selben Tag darauf. Eine feste Routine lehrt also mehr als ein komplexes Dashboard.

Wie deuten Sie eine Beispieltabelle?

Die folgende Tabelle ist ausschließlich ein Beispielszenario. Sie stammt von keinem echten Kunden, und die Zahlen dienen nur als Leseübung. Stellen Sie sich die monatlichen Kaufkohorten eines Onlineshops vor und die Zahl der Kunden, die nach dem Erstkauf erneut bestellt haben.

Kohorte (Monat der Erstbestellung)NeukundenRückkehr Monat 1Rückkehr Monat 2Rückkehr Monat 3
Monat A400806052
Monat B4208463(noch offen)
Monat C (Rabattaktion)70070(noch offen)(noch offen)

Ein Diagramm der Neukunden würde Monat C als großen Erfolg zeigen. Die Kohortenzeile erzählt allerdings etwas anderes. Der Rückkehranteil im ersten Monat liegt bei Monat C etwa halb so hoch wie bei A und B. Die Rabattaktion hat also viele Einmalkäufer gebracht.

Die Schlussfolgerung lautet nicht, dass Rabatte schlecht sind. Sinnvoller ist eine Strecke, die bei der Rabattkohorte die Zweitbestellung fördert, und dann die Messung des Ergebnisses in der nächsten Kohorte.

Welche Fehler passieren bei der Kohortenanalyse am häufigsten?

Die meisten Fehler, die wir in der Praxis sehen, entstehen bei der Deutung, nicht bei der Einrichtung. Wer sie kennt, senkt das Risiko falscher Entscheidungen.

  1. Winzige Gruppen vergleichen: Eine Aufschlüsselung mit wenigen Dutzend Nutzern lässt Zufall wie einen Trend aussehen.
  2. Unreife Kohorten mit älteren vergleichen: Leere Zellen einer neuen Kohorte sind keine Nullen.
  3. Das Rückkehrkriterium auf beliebige Ereignisse stellen: Ein einzelner Seitenaufruf ist keine Treue.
  4. Eine Messänderung für eine Verhaltensänderung halten: Ein Tag Update, eine neue Einwilligungslösung oder ein Relaunch kann die Tabelle brechen.
  5. Die Saison ignorieren: Kohorten aus der Weihnachtszeit verhalten sich von Natur aus anders.

Ist zudem der Anteil nicht zugeordneter Zugriffe hoch, wird die Kanalaufschlüsselung unzuverlässig. In diesem Fall empfehlen wir, zuerst den Unassigned Traffic in GA4 zu beheben.

Wie hängen Kohortenanalyse, Churn und CLV zusammen?

Diese drei Begriffe zeigen dasselbe Bild aus verschiedenen Blickwinkeln. Die Churn Rate gibt den Anteil verlorener Kunden in einem Zeitraum als eine Zahl an. Der Customer Lifetime Value schätzt den Gesamtwert, den ein Kunde während der Beziehung hinterlässt. Die Kohortenanalyse zeigt, wie beide Zahlen in den einzelnen Gruppen entstehen.

Ihre Churn Rate kann zum Beispiel stabil wirken, während neuere Kohorten schneller abwandern. Ältere, treue Kunden halten den Durchschnitt oben. Die einzelne Zahl bleibt also ruhig, die Kohortentabelle warnt dagegen früh.

Auch für die Schätzung des Kundenwerts ist die Kohortenkurve nützlich. Der Punkt, an dem die kumulierte Umsatzkurve abflacht, zeigt, wann der Großteil des Kundenwerts entsteht. Damit planen Sie realistischer, wie lange sich Akquisitionskosten amortisieren. Auf der Marketingseite greifen die Strecken aus unserem Beitrag Kundenbindung im Marketing genau an dieser Kurve an.

Welche Maßnahmen sollten aus einer Kohortenanalyse folgen?

Ohne Maßnahme bleibt eine Kohortentabelle nur eine hübsche Heatmap. Wir empfehlen, aus jeder Durchsicht mindestens eine Testidee abzuleiten. Diese Zuordnungen bewähren sich in der Praxis:

  • Starker Rückgang nach Periode null: eine Willkommensmail, eine Einrichtungshilfe oder eine kurze Erinnerung nach der Erstbestellung.
  • Schwache Kohorte aus einem Kanal: Ausrichtung und Werbeversprechen dieses Kanals mit dem Erlebnis auf der Website abgleichen.
  • Neuere Kohorten schlechter als ältere: jüngste Änderungen bei Produkt, Preis oder Lieferung hinterfragen.
  • Kurve flacht nach einem bestimmten Monat ab: ein Treueangebot für Kunden, die diese Schwelle überschreiten.

Zahlen allein erklären nicht, warum Kunden bleiben oder gehen. Die Formulierungen in Bewertungen und Supportanfragen beantworten diese Frage. Mehr dazu lesen Sie in unserem Leitfaden Voice of Customer: Texte aus Bewertungen.

Mit welchen Daten gelingt eine Kohortenanalyse außerhalb von GA4?

GA4 bietet einen schnellen Einstieg, muss aber nicht Ihre einzige Quelle sein. Auch Ihr Bestellsystem, Ihr CRM oder Ihre Newsletterplattform speichern genug Daten für Kohorten.

Die einfachste Methode ist eine Tabellenkalkulation. Zunächst ziehen Sie für jeden Kunden das Datum der Erstbestellung und die späteren Bestelldaten. Danach gruppieren Sie die Kunden nach dem Monat der Erstbestellung und berechnen, wie viele Monate nach dem Erstkauf jede Bestellung kam. Schließlich erstellen Sie das Dreieck mit einer Pivottabelle.

Der Vorteil dieser Methode ist die eindeutige Kundenzuordnung. Andererseits erfordert es Zusatzarbeit, Kanaldaten in die Bestelldaten zu übertragen. Wir empfehlen daher beide Quellen zu kombinieren: GA4 für Kanalfragen, Bestelldaten für Treuefragen.

Entfernen Sie Namen und Kontaktdaten, bevor Sie Dateien mit personenbezogenen Daten teilen. Für eine Kohorte genügen nämlich Kundennummer und Datum, denn Identität spielt keine Rolle. Markieren Sie außerdem Retouren und Stornierungen in einer eigenen Spalte. Sonst wirkt eine Kohorte mit vielen Retouren treuer, als sie ist.

Wie funktioniert eine Kohortenanalyse im B2B und bei Dienstleistern?

Im B2B und bei Dienstleistern sind Wiederkäufe selten, deshalb ändert sich die Definition der Kohorte. Statt der Erstbestellung können Sie die erste Anfrage, das erste Gespräch oder den Vertragsbeginn nutzen.

Gruppieren Sie zum Beispiel Unternehmen, die ein Angebotsformular ausgefüllt haben, in Monatskohorten. Verfolgen Sie dann, wie viele davon zu einem Termin und wie viele zu einem Vertrag gelangen. Das ist also im Grunde Ihr Funnel auf einer Zeitachse.

Somit wird die echte Länge Ihres Vertriebszyklus sichtbar. Eine Kampagne wirkt im ersten Monat vielleicht schwach und reift bis zum dritten Monat. Ohne Kohortensicht riskieren Sie, sie zu früh abzuschalten.

Bei kleinen Volumina funktionieren Quartalskohorten besser als Monatskohorten. Sonst enthält jede Zelle nur eine Handvoll Unternehmen, und die Tabelle trägt keine Entscheidung.

Wie beeinflusst die Einwilligung nach DSGVO die Kohortenanalyse?

Lehnen Nutzer Analysecookies ab, behandelt GA4 sie anders. Folglich zeigt Ihre Kohortentabelle nur den messbaren Teil der Kunden, nicht alle. Das macht die Tabelle nicht wertlos. Es erinnert Sie aber daran, Verhältnisse und Trends zu lesen statt absoluter Zahlen.

Nach einer Änderung am Cookie Banner kann sich das Kohortenverhalten plötzlich verschieben. Diese Verschiebung betrifft also die Messung, nicht die Kunden. Halten Sie deshalb jede Änderung an der Einwilligung mit Datum fest.

Halten Sie zudem personenbezogene Daten aus Kohortenberichten heraus. Eine Kohorte braucht Gruppenverhalten, keine Identität. Die rechtlichen Grundlagen fasst unser DSGVO Leitfaden für Websites zusammen. Dieser Inhalt ist keine Rechtsberatung.

Wann lohnt sich eine Aufschlüsselung nach Gerät oder Kampagne?

Der Kanal ist die häufigste Aufschlüsselung, aber nicht die einzige. Gerätekategorie, Landingpage oder Kampagnenname eignen sich ebenfalls. Zudem prüft jede davon eine andere Hypothese.

Liegt etwa die Zweitkaufquote der mobilen Kohorte deutlich unter der vom Desktop, steckt das Problem womöglich im Checkout. Wirkt die Kohorte einer bestimmten Landingpage schwach, passt das Versprechen der Seite vielleicht nicht zum Produkterlebnis.

Die Regel ist einfach: Nutzen Sie immer nur eine Aufschlüsselung. Zwei Dimensionen gleichzeitig verkleinern die Zellen sehr schnell. Beginnen Sie mit der stärksten Hypothese, bestätigen Sie sie und gehen Sie dann zur nächsten Dimension. So bleibt die Tabelle lesbar, und das Team einigt sich auf eine Schlussfolgerung.

Wie präsentieren Sie eine Kohortenanalyse der Geschäftsführung?

Das rohe Dreieck in einem Führungsmeeting zu zeigen, verwirrt oft. Leiten Sie stattdessen aus der Tabelle eine Aussage mit zwei oder drei Sätzen ab und hängen Sie die Tabelle als Beleg an.

Wir nutzen in Präsentationen diese Struktur. Zuerst eine Erkenntnis in einem Satz. Dann die eine Zeile oder Spalte, die sie belegt. Schließlich der vorgeschlagene Test. Ein Satz wie „Die letzten zwei Kohorten kehren im ersten Monat seltener zurück; wir testen die geänderte Lieferzeit“ führt schneller zu einer Entscheidung als eine bunte Heatmap.

Vermerken Sie außerdem in jeder Präsentation, wie die Tabelle aufgebaut ist. Ohne Aufnahmekriterium, Rückkehrkriterium und Berechnungsart bleibt jede Deutung missverständlich.

Wie unterscheidet sich die Kohortenanalyse bei Abo und Wiederkauf?

Im Abomodell bleibt ein Kunde oder er geht; deshalb passt die rollierende Berechnung natürlich. Jede Zelle zeigt Kunden, die ohne Unterbrechung weiter bezahlt haben. Somit sehen Sie die echte Kerngruppe.

Im Wiederkaufmodell kann ein Kunde einen Monat aussetzen und im nächsten zurückkehren. Daher passt hier die Standardberechnung besser. Eine rollierende Berechnung würde bei diesem Modell einen unnötig harten Rückgang zeigen.

Gemischte Modelle mit Abos und Einzelverkäufen sollten zwei getrennte Tabellen aufbauen. Beide Verhaltensweisen in einer Tabelle zu mischen, verwischt beide. Zusammengefasst: Wer die Berechnungsart ohne Blick auf das Geschäftsmodell wählt, zieht aus richtigen Daten falsche Schlüsse.

Welche Kennzahl gehört neben die Kohortenanalyse?

Eine Kohortentabelle zeigt eine Richtung. Bedeutung gewinnt sie erst, wenn Sie sie mit dem Hauptziel des Unternehmens verbinden. Wir empfehlen daher, sie mit einer zentralen Kennzahl zu koppeln, die das ganze Team verfolgt.

Lautet Ihre zentrale Kennzahl etwa „Kunden mit mindestens einer Bestellung pro Monat“, zeigt die Kohortentabelle, welche Gruppen diese Zahl speisen. Das Konzept erklären wir im Beitrag zur North Star Metrik.

Beobachten Sie außerdem Frühsignale. Kleine Ereignisse wie Warenkorbaktionen, Kontoeröffnungen oder Besuche von Produktseiten deuten an, wie sich eine Kohorte später verhält. Wie Sie diese definieren, zeigt unser Leitfaden zu Micro Conversions in GA4.

Welche Checkliste hilft beim Start der Kohortenanalyse?

Wenn Sie Ihre erste Kohortentabelle noch diese Woche bauen möchten, gehen Sie diese Liste der Reihe nach durch. Jeder Punkt steht dabei für eine Entscheidung, deshalb zählt die Reihenfolge. Lassen Sie einen aus, beantwortet die Tabelle die falsche Frage.

  1. Schreiben Sie die eine Frage auf, die Sie beantworten wollen.
  2. Legen Sie Aufnahmeereignis und Rückkehrereignis fest.
  3. Wählen Sie eine Granularität, die zu Ihrem Kaufzyklus passt.
  4. Wählen Sie die Berechnungsart passend zur Frage.
  5. Fügen Sie eine einzige Aufschlüsselung hinzu, etwa Kanal oder Gerät.
  6. Notieren Sie das Datum Ihrer letzten Messänderung.
  7. Tragen Sie den Termin für die Durchsicht ein und notieren Sie die erste Testidee.

Wenn Ihr Team den Kreislauf aus Einrichtung, Deutung und Maßnahme nicht dauerhaft tragen kann, beschleunigt ein Digital Marketing Experte diesen Ablauf. Wir bei Talha Aslan und Team planen jeden Schritt von der Messung bis zur Werbeentscheidung gemeinsam mit Ihnen. Ergebnisse garantieren wir nicht, aber wir legen die Daten hinter jeder Entscheidung offen.

Grundlagen: Was ist Online Marketing? Arten, Beispiele und Vorgehen auf einer Seite, mit einem interaktiven Film durch das Gehirn.

Häufig gestellte Fragen

Wie viele Kunden braucht eine Kohortenanalyse?
Eine feste Untergrenze gibt es nicht, allerdings braucht jede Zelle genug Personen. In Gruppen mit wenigen Dutzend Nutzern verschiebt ein einzelnes Verhalten die Quote stark. Nutzen Sie bei geringem Volumen deshalb monatliche oder quartalsweise Kohorten statt wöchentlicher und beschränken Sie sich auf eine Aufschlüsselung. So sinkt das Risiko, Zufall für einen Trend zu halten.
Ist die Kohortenanalyse in GA4 kostenlos?
Ja, die Kohortenanalyse gehört zu den Standardvorlagen der explorativen Datenanalyse in GA4 und kostet nichts extra. Allerdings hängen explorative Berichte von der Datenaufbewahrung Ihrer Property ab. Wenn Sie lange Zeiträume betrachten möchten, prüfen Sie zuerst die Aufbewahrungsdauer. Aktuelle Optionen bestätigen Sie auf der offiziellen Analytics Hilfeseite.
Was unterscheidet eine Kohorte von einem Segment?
Ein Segment gruppiert Nutzer mit einem gemeinsamen Merkmal, eine Kohorte dagegen Nutzer mit demselben Startereignis im selben Zeitraum. Die Zeitachse macht den Unterschied. Mobile Nutzer sind zum Beispiel ein Segment, mobile Nutzer mit Erstbestellung im März eine Kohorte. Beides lässt sich kombinieren, indem Sie das Segment als Aufschlüsselung nutzen.
Sind leere Zellen in der Kohortentabelle ein Problem?
Nein, leere Zellen zeigen nur, dass eine Kohorte dieses Alter noch nicht erreicht hat. Eine Kohorte vom letzten Monat hat zum Beispiel naturgemäß noch keine Daten für Monat drei. Werten Sie diese Zellen nicht als Nullen und vergleichen Sie neue Kohorten nur in gefüllten Spalten. Sonst wirken neue Gruppen zu Unrecht schwach.
Wie beeinflusst die Kohortenanalyse das Werbebudget?
Die Kohortenanalyse verteilt Budget nach dem Wert, den Kunden über die Zeit entwickeln, statt nur nach den Kosten der Erstbestellung. Kanäle mit günstigen Einmalkäufern trennen sich dann klar von Kanälen mit teureren, aber treuen Kunden. Damit vermeiden Sie Budgetverschiebungen auf Basis einer irreführenden kurzfristigen Rangfolge.
  • Kohortenanalyse
  • GA4
  • Kundenbindung
  • Churn
  • Customer Lifetime Value
  • Marketing Analytics
Teilen:
Talha Aslan

Google Partner und Experte für digitales Marketing. Seit 2012 praktisch in SEO, Google Ads, Webdesign und E-Commerce Projekten; jeder Beitrag hier stammt aus dieser Erfahrung.

Nächstes Projekt

Angebot für Ihr Projekt.

Ihre Anfrage geht direkt an Talha Aslan und Team: Strategie von Talha, Umsetzung durch ein erfahrenes Team. Wir melden uns am selben Tag und senden Umfang, Zeitplan und Preis innerhalb von 1 Werktag als schriftliches Angebot.