Wie funktioniert eine Kohortenanalyse?
Sie gruppieren Nutzer danach, wann sie zum ersten Mal aufgetaucht sind – die Anmeldungen aus dem Januar, die aus dem Februar – und messen dann für jede Gruppe dasselbe Verhalten im selben relativen Alter: Tag 1, Tag 7, Tag 30. Das Ergebnis ist meist ein Raster, in dem jede Zeile eine Kohorte und jede Spalte ein Alter ist. Wer eine Spalte von oben nach unten liest, beantwortet die Frage, die ein gemischter Durchschnitt nicht beantworten kann: Ist die Retention neuerer Kohorten besser als die älterer, oder tritt das Produkt auf der Stelle, während die Akquise wächst?
Wie liest man eine Retention-Kurve?
Tragen Sie die Retention-Rate einer Kohorte gegen die Zeit seit der Anmeldung auf, und Sie erhalten eine Kurve, die bei 100 % beginnt und fällt. Die Form zählt mehr als jeder einzelne Punkt. Eine Kurve, die immer weiter Richtung null rutscht, bedeutet, dass jeder Nutzer irgendwann geht – Wachstum füllt einen undichten Eimer nach, und Ihre Churn-Rate holt die Akquise ein. Eine Kurve, die abflacht, bedeutet, dass sich ein Kern von Nutzern eingerichtet hat. Growth-Praktiker lesen eine abflachende Kurve häufig als Signal für Product-Market-Fit; das ist eine Faustregel, kein formaler Test, aber eine, der viele vertrauen.
Warum das für ein Zwei-Personen-Team zählt
Gemischte Kennzahlen schmeicheln wachsenden Produkten: Wenn die Anmeldungen dieses Monats die des letzten Jahres übertreffen, wird der Durchschnitt von Nutzern dominiert, die zu neu sind, um schon gegangen zu sein. Kohorten entfernen diese Verzerrung mit einer einzigen Gruppierung – und die Abfrage ist einfach genug, um sie per SQL auf Ihren eigenen Events laufen zu lassen. Legen Sie die Spalte für Tag 30 neben Ihre Aktivierungsrate, um zu prüfen, ob Änderungen am Onboarding wirklich halten. Was zu tun ist, wenn eine Kohorte absackt – Rückgewinnungs-Journeys, Lifecycle-Nachrichten –, behandelt der Leitfaden zu Retention- und Rückgewinnungs-Flows.
Was sind die häufigsten Fehler bei der Kohortenanalyse?
Drei Fehler kehren immer wieder. Kohorten, die zu klein für ein Signal sind – in einer Kohorte mit 20 Nutzern verschiebt eine Person die Retention um fünf Punkte, also lesen Sie den Trend über mehrere Kohorten statt eine einzelne. Kohorten in unterschiedlichem Alter vergleichen – eine zwei Monate alte Kohorte sieht in Monat zwölf immer besser aus als eine zwölf Monate alte, weil sie dort noch keine Daten hat. Und „aktiv“ zu locker definieren – wenn das Öffnen einer E-Mail als Retention zählt, schmeichelt Ihnen die Kurve. Knüpfen Sie „aktiv“ an die Aktion, die den Kernnutzen Ihres Produkts liefert, nicht an einen Login.