Cohort

Warum Kohorten zählen

Eine einzelne Retention-Zahl wie „70 % Ein-Jahres-Retention“ versteckt weit mehr, als sie verrät. Die 70 % vermischen Kunden, die vor fünf Jahren gewonnen wurden (als Produkt, Marke und Zielgruppe andere waren), mit Kunden, die letzten Monat gewonnen wurden. Trends sind unsichtbar, weil jede Periode mit jeder anderen gemittelt wird.

Kohortenanalyse behebt das. Gruppiere Kunden danach, wann sie dazukamen, tracke das Verhalten jeder Gruppe getrennt über die Zeit, und die Trends springen heraus. Die Januar-Kohorte hält vielleicht besser als die Juni-Kohorte, weil das Produkt besser wurde. Die Q3-Kohorte hält vielleicht schlechter, weil ein Paid-Acquisition-Push Kunden geringerer Qualität gebracht hat.

Fast jede interessante Frage zum Kundenverhalten ist eine Kohortenfrage.

Wie Kohorting funktioniert

Die klassische Form ist eine Kohortentabelle:

Kohorte    M0    M1    M2    M3    M4
Jan 2026   100   62    48    41    37
Feb 2026   100   65    52    45    -
Mär 2026   100   68    55    -     -
Apr 2026   100   71    -     -     -

Jede Zeile ist eine Kohorte (Akquisemonat). Jede Spalte sind Monate seit der Akquise. Die Werte sind typischerweise % gehalten, % aktiv, durchschnittlicher Umsatz oder eine andere getrackte Metrik.

Die Diagonale zu lesen und die Spalte nach unten zu lesen, sagt dir Unterschiedliches:

• Entlang einer Zeile = wie sich das Verhalten einer Kohorte entwickelt
• Eine Spalte nach unten = wie jede aufeinanderfolgende Kohorte im selben Lebenszyklus-Stadium abschneidet

Die Sicht „Spalte nach unten“ deckt die Trends auf. Wenn die M3-Retention von Jan 2026 bei 41 % und die M3-Retention von Apr 2026 bei 50 % liegt, wirst du besser.

Kohorting-Dimensionen jenseits des Akquisemonats

Die gängigste Kohorte ist der Akquisezeitraum, aber Kohorten lassen sich über jedes Merkmal definieren:

• Akquisekanal, über Meta gewonnene vs. organisch gewonnene Kohorten haben oft eine völlig unterschiedliche Retention
• Erstkauf-Produkt, Abonnenten vs. Einmalkäufer
• Region, DACH- vs. US-Kohorten können sich strukturell unterscheiden
• Kohorte × Kohorte, Jan 2026 × über Meta gewonnen vs. Jan 2026 × organisch

Mehrdimensionales Kohorting wird schnell mächtig. Es wird auch schnell verrauscht, achte darauf, dass jede Zelle genug Kunden hat, um aussagekräftig zu sein.

Gängige Kohorten-Use-Cases

• Retention-Monitoring. M30-, M60-, M90-Retention pro Kohorte tracken und auf Trendverschiebungen achten.
• LTV-Forecasting. Frühe Kohorten (mit voller Historie) nutzen, um den LTV für aktuelle Kohorten (noch in Entwicklung) zu extrapolieren.
• Bewertung der Kanalqualität. Nach Akquisekanal aufgeteilte Kohorten zeigen, welche Kanäle gesunde Kunden bringen und welche Churner.
• Wirkung von Produktänderungen. Kohorten vor vs. nach dem Launch zeigen, ob eine Produktänderung das Kundenverhalten bewegt hat.

Häufige Fehler

• Blended-Retention-Reporting. Versteckt genau das, was du sehen musst.
• Kohorten zu klein, um aussagekräftig zu sein. Eine Wochenkohorte mit 30 Kunden sagt dir nicht viel. Aggregiere hoch.
• Kohorten in unterschiedlichen Lebenszyklus-Stadien vergleichen. Die „60 % Retention“ einer jungen Kohorte ist im Vergleich zur „60 % Retention“ einer reifen Kohorte bedeutungslos, wenn die eine bei M3 und die andere bei M24 steht.

FAQ zu Kohorte

Was ist eine Kundenkohorte?

Eine Kohorte ist eine Gruppe von Kunden, die ein gemeinsames Merkmal teilen, typischerweise den Zeitraum, in dem sie gewonnen wurden. Die Kohortenanalyse trackt das Verhalten jeder Kohorte getrennt über die Zeit, um Trends aufzudecken, die Blended-Zahlen verstecken.

Warum ist Kohortenanalyse besser als Mitteln?

Blended-Durchschnitte mischen vor Jahren gewonnene Kunden mit letzten Monat gewonnenen, Trends werden unsichtbar. Kohorten zeigen, ob die Retention steigt, ob sich die Kanalqualität verschiebt und ob Produktänderungen das Kundenverhalten bewegt haben.

Wie groß sollten meine Kohorten sein?

Groß genug, um statistisch aussagekräftig zu sein. Tageskohorten sind meist zu klein. Wochen- oder Monatskohorten funktionieren für die meisten E-Commerce-Businesses. Bei mehrdimensionalen Kohorten (z. B. Monat × Kanal) musst du besonders darauf achten, dass jede Zelle genug Kunden hat.