Kohortenanalyse, im Tracking-Kontext.
Die Kohortenanalyse gruppiert Nutzer nach Eintrittszeitpunkt und verfolgt ihr Verhalten über Wochen. Sie zeigt echte Bindung statt einzelner Momentaufnahmen.
Bei einer Kohortenanalyse werden Nutzer oder Kunden nach einem gemeinsamen Startereignis gruppiert, meist nach dem Monat des ersten Kaufs oder der ersten Registrierung, und danach über die Zeit verfolgt. Sichtbar wird, wie viel Prozent einer Gruppe nach vier, acht oder zwölf Wochen noch aktiv sind oder erneut kaufen. Nutzen: Sie erkennen, ob eine Produktänderung tatsächlich Bindung erzeugt, statt nur kurzfristig Zahlen zu heben. Grenzen: Kleine Kohorten schwanken stark, und Saisonalität kann Effekte vortäuschen. Datenschutz: Die Analyse braucht eine dauerhafte Kennung je Person. Pseudonyme IDs aus dem eigenen System sind dabei sauberer als Werbe-Cookies und lassen sich mit Löschfristen verbinden.
Beispiele aus dem Mittelstand
- Ein Abo-Anbieter für Bürobedarf sieht, dass Kunden aus Rabattaktionen nach drei Monaten deutlich seltener nachbestellen als Kunden aus der organischen Suche.
- Ein Softwarehaus vergleicht Testkonten vor und nach dem neuen Onboarding und erkennt an der Kohorte, dass die Aktivierung in Woche zwei stabil höher liegt.
Folge-Fragen
Wie groß muss eine Kohorte sein?
Faustregeln ersetzen keine Rechnung. Je kleiner die Gruppe, desto breiter das Konfidenzintervall, deshalb gehört zu jeder Kohortenzahl eine Angabe der Fallzahl.
Wofür lohnt sich die Analyse im Mittelstand?
Überall dort, wo Wiederkauf oder Vertragsverlängerung zählt: Abo-Modelle, Wartungsverträge, Verbrauchsmaterial, Serviceleistungen.
Brauche ich dafür ein teures Werkzeug?
Nein. Bestell- oder Vertragsdaten aus dem eigenen System reichen meist aus, ein Tabellenblatt genügt für die ersten Erkenntnisse.
Welche Datenschutzfrage stellt sich hier?
Die dauerhafte Kennung. Sie braucht Zweckbindung, ein Löschkonzept und im Zweifel eine Einwilligung, wenn die Daten aus Website-Tracking und nicht aus dem Vertragsverhältnis stammen.
Kohortenanalyse in der Praxis.
Wo dieser Begriff in deinem Geschäft konkret wird, beginnt die Arbeit. Wir nennen klar, ob die Idee in unser Studio passt.
Data Science