Kohortenanalyse
Was ist eine Kohortenanalyse?
Eine Kohortenanalyse ist eine Methode zur Untersuchung des Verhaltens von Nutzergruppen, die ein gemeinsames Merkmal oder Startdatum teilen. Statt alle Nutzer gemeinsam auszuwerten, vergleicht sie klar definierte Gruppen über einen bestimmten Zeitraum. Dadurch werden Entwicklungen bei Kundenbindung, Conversion, Umsatz und Abwanderung sichtbar.
Kohortenanalyse einfach erklärt
Die Kohortenanalyse teilt Nutzer in Gruppen mit einem gemeinsamen Ausgangspunkt ein. Eine typische Kohorte umfasst beispielsweise alle Kunden, die im selben Monat erstmals bestellt, ein Abonnement abgeschlossen oder eine Website über eine bestimmte Kampagne besucht haben. Anschließend wird gemessen, wie sich ihr Verhalten in den folgenden Tagen, Wochen oder Monaten entwickelt.
Die Methode verhindert, dass Durchschnittswerte wichtige Veränderungen verdecken. Eine stabile Conversion-Rate kann beispielsweise darüber hinwegtäuschen, dass neue Kunden seltener zurückkehren als frühere Kundengruppen. Der Vergleich einzelner Kohorten zeigt, wann eine Entwicklung begonnen hat und welche Nutzer davon betroffen sind.
Wie funktioniert eine Kohortenanalyse?
Eine belastbare Auswertung beginnt mit einer klaren Fragestellung. Möchtest du die Kundenbindung messen, kann das Datum der ersten Bestellung den Startpunkt bilden. Möchtest du Marketingkanäle vergleichen, gruppierst du Nutzer nach ihrem ersten Kontakt über SEO, Google Ads, E-Mail-Marketing oder einen anderen Kanal.
Der Ablauf besteht aus vier Arbeitsschritten:
Kohorten nach Zeit und Verhalten
Zeitbasierte Kohorten gruppieren Nutzer nach einem gemeinsamen Startzeitpunkt. Dazu gehören beispielsweise alle Neukunden aus dem Januar oder alle Newsletter-Abonnenten einer bestimmten Woche. Diese Einteilung eignet sich besonders für die Messung von Kundenbindung und langfristiger Umsatzentwicklung.
Verhaltensbasierte Kohorten beruhen auf einer gemeinsamen Aktion oder Eigenschaft. Eine Gruppe kann aus Nutzern bestehen, die ein bestimmtes Produkt gekauft, eine Landingpage besucht, einen Gutschein eingesetzt oder eine Funktion genutzt haben. Damit lässt sich untersuchen, welche Handlungen mit einer höheren Conversion oder Kundenbindung verbunden sind.
Retention einer Kohorte berechnen
Die Retention-Rate gibt an, welcher Anteil einer ursprünglichen Nutzergruppe nach einem definierten Zeitraum noch aktiv ist. Als aktive Nutzer gelten je nach Geschäftsmodell beispielsweise wiederkehrende Käufer, angemeldete Software-Nutzer oder Leser mit einem erneuten Websitebesuch.
Eine Kohortenmatrix richtig lesen
Die Ergebnisse werden häufig als Kohortenmatrix dargestellt. Jede Zeile steht für eine Gruppe, während die Spalten die Zeit seit dem jeweiligen Startpunkt zeigen. Die erste Spalte entspricht meist dem Zeitraum null und enthält deshalb 100 Prozent der ursprünglichen Nutzer.
| Kohorte | Start | Monat 1 | Monat 2 | Monat 3 |
|---|---|---|---|---|
| Januar | 100 % | 42 % | 31 % | 25 % |
| Februar | 100 % | 48 % | 37 % | 30 % |
| März | 100 % | 55 % | 43 % | 36 % |
In diesem Beispiel verbessert sich die Kundenbindung von Kohorte zu Kohorte. Die März-Gruppe weist nach drei Monaten eine Retention-Rate von 36 Prozent auf, während die Januar-Gruppe bei 25 Prozent liegt. Eine solche Entwicklung kann auf bessere Produkte, passendere Kampagnen, optimierte Einstiegsprozesse oder eine veränderte Zielgruppe zurückgehen.
Kohortenanalyse im Marketing 2026
Im Online-Marketing verbindet die Kohortenanalyse Akquisitionsdaten mit dem späteren Kundenverhalten. Sie beantwortet nicht nur, welcher Kanal kurzfristig Conversions erzielt, sondern auch, welche Kampagnen Kunden mit wiederkehrenden Käufen, höheren Warenkörben oder längeren Vertragslaufzeiten gewinnen.
Kohorten in SEO und Content
Für SEO kannst du Nutzer nach ihrer ersten organisch besuchten Landingpage, nach Seitentyp oder Suchintention gruppieren. Damit lässt sich prüfen, ob Besucher von Ratgeberseiten später zu Produktseiten zurückkehren, Anfragen stellen oder Käufe auslösen. Eine reine Betrachtung von Rankings und Traffic würde diese zeitversetzte Wirkung häufig nicht vollständig zeigen.
Eine Kohortenauswertung ergänzt deshalb klassische Kennzahlen aus einem SEO-Dashboard. Besonders bei langen Entscheidungsprozessen im B2B kann zwischen dem ersten organischen Besuch und einer Anfrage ein längerer Zeitraum liegen. Kohorten machen diesen Verlauf messbar, sofern die benötigten Ereignisse sauber erfasst werden.
Kohorten für SEA-Kampagnen
Im SEA können Nutzer nach Kampagne, Anzeigengruppe, Keyword, Endgerät oder Monat des Erstkaufs gruppiert werden. Der Vergleich zeigt, ob niedrige Akquisitionskosten tatsächlich mit langfristigem Umsatz verbunden sind. Eine Kampagne mit höheren Kosten pro Neukunde kann wirtschaftlicher sein, wenn ihre Kohorte häufiger erneut kauft.
Diese Auswertung liefert eine fundiertere Grundlage für Budgetentscheidungen als eine isolierte Betrachtung des ersten Kaufs. Weitere Zusammenhänge zwischen bezahlter und organischer Suche zeigt der Beitrag zu SEO und SEA im Vergleich.
Kohorten für GEO und KI-Traffic
GEO bedeutet Generative Engine Optimization und umfasst Maßnahmen für die Präsenz in Antworten von KI-Systemen. Nutzer aus erkennbaren KI-Verweisen können als eigene Kohorte betrachtet werden. So lässt sich untersuchen, ob diese Besucher andere Inhalte aufrufen, häufiger wiederkehren oder eine andere Conversion-Rate als Nutzer aus klassischen Suchmaschinen erreichen.
Die Auswertung von KI-Traffic benötigt eine konsistente Datenbasis, weil Herkunftsinformationen nicht bei jedem Besuch vollständig übertragen werden. Ergänzend lässt sich die Präsenz in KI-Antworten messen, um Veränderungen bei Empfehlungen und Websitebesuchen gemeinsam zu bewerten.
Unterschied zu Segmentierung und Funnel
Der Unterschied zwischen Kohortenanalyse und Segmentierung liegt in der zeitlichen Betrachtung. Eine Segmentierung teilt Nutzer anhand von Eigenschaften wie Region, Gerät oder Kundentyp ein. Eine Kohortenanalyse verfolgt definierte Gruppen zusätzlich über gleich lange Zeiträume seit einem gemeinsamen Startpunkt.
Der Unterschied zwischen einer Kohortenanalyse und einer Funnel-Analyse liegt im Untersuchungsziel. Ein Funnel misst, wie viele Nutzer aufeinanderfolgende Schritte wie Produktaufruf, Warenkorb und Kauf abschließen. Eine Kohortenanalyse zeigt dagegen, wie sich das Verhalten bestimmter Gruppen nach ihrem Einstieg langfristig entwickelt.
Der Customer Lifetime Value schätzt den wirtschaftlichen Wert eines Kunden über die gesamte Geschäftsbeziehung. Kohortendaten können diese Berechnung verbessern, weil sie Wiederkäufe, Umsatz und Abwanderung getrennt nach Akquisitionszeitpunkt oder Kanal sichtbar machen. Grundlagen zur wirtschaftlichen Bewertung findest du im Beitrag über den ROI im Online-Marketing.
Typische Fehler bei Kohortendaten
Eine Kohortenanalyse liefert nur dann belastbare Erkenntnisse, wenn Definitionen und Messzeiträume einheitlich sind. Wird ein aktiver Nutzer in einer Kohorte durch einen Login und in einer anderen durch einen Kauf definiert, lassen sich die Ergebnisse nicht sinnvoll vergleichen.
In der Projektpraxis erweisen sich einfache Kohorten häufig als aussagekräftiger als zahlreiche kleinteilige Gruppen. Beginne beispielsweise mit dem Erstkaufmonat und dem Akquisitionskanal. Zusätzliche Merkmale solltest du erst ergänzen, wenn jede Gruppe weiterhin genügend Daten für einen stabilen Vergleich enthält.
Kohorten systematisch auswerten
Eine gute Auswertung endet mit einer konkreten Entscheidung. Sinkt die Retention einer neuen Kundengruppe, prüfst du Änderungen an Kampagnen, Landingpages, Preisen, Produkten und der Kommunikation nach dem Kauf. Verbessert sich eine Kohorte, dokumentierst du die betroffenen Maßnahmen und testest, ob sich der Effekt bei späteren Gruppen wiederholt.
Für regelmäßige Analysen sollten Tracking, Zeiträume und Kennzahlen verbindlich definiert sein. Automatisierte Berichte reduzieren manuelle Übertragungsfehler und machen Entwicklungen früh sichtbar. Eine mögliche Grundlage dafür sind automatisierte SEO-Reportings mit zentralen Leistungsdaten.
Wenn du Marketingkanäle, Kundenbindung und Conversion gemeinsam bewerten möchtest, kann ein strukturierter Potenzialcheck die relevanten Datenquellen und Messlücken klären.
Häufige Fragen zur Kohortenanalyse
Was ist eine Kohorte im Marketing?
Eine Kohorte ist eine Gruppe von Nutzern mit einem gemeinsamen Merkmal oder Startpunkt. Dazu können alle Kunden gehören, die im selben Monat erstmals bestellt oder über dieselbe Kampagne eine Website besucht haben.
Welche Daten braucht man für eine Kohortenanalyse?
Benötigt werden mindestens eine eindeutige Nutzerkennung, ein Startdatum und ein messbares Folgeereignis. Je nach Fragestellung kommen Kanal, Kampagne, Umsatz, Kaufdatum, Login oder Seitennutzung hinzu.
Wie groß sollte eine Kohorte sein?
Eine allgemeingültige Mindestgröße gibt es nicht. Die Gruppe muss jedoch groß genug sein, damit einzelne Nutzer oder zufällige Ereignisse das Ergebnis nicht übermäßig verzerren.
Wie oft sollte man Kohorten auswerten?
Die Häufigkeit richtet sich nach dem Geschäftsmodell und dem Kaufzyklus. Bei häufig genutzten Angeboten können wöchentliche Analysen sinnvoll sein, während bei langen B2B-Entscheidungen monatliche oder quartalsweise Vergleiche meist aussagekräftiger sind.
Kann man eine Kohortenanalyse in einer Tabellenkalkulation erstellen?
Ja, einfache Kohorten lassen sich mit einer Tabellenkalkulation erstellen. Bei großen Datenmengen, mehreren Ereignissen und laufender Aktualisierung sind Analysewerkzeuge oder ein zentrales Data Warehouse meist effizienter.
Was zeigt eine negative Retention?
Eine sinkende Retention bedeutet, dass im Zeitverlauf weniger Nutzer einer Kohorte aktiv bleiben. Ob Handlungsbedarf besteht, hängt vom Geschäftsmodell, vom üblichen Kaufabstand und von der Definition eines aktiven Nutzers ab.
Sie haben noch Fragen?
