Was Kohortenanalyse und Retention-Kurven sind
Eine Kohortenanalyse gruppiert Nutzer nach einem gemeinsamen Start-Event – meist der Woche oder dem Monat ihrer Anmeldung – und verfolgt jede Gruppe über die Zeit. Eine Retention-Kurve nimmt eine Kohorte und zeigt den Anteil, der in jedem Zeitraum nach diesem Start noch aktiv ist: Woche 0, Woche 1, Woche 2 und so weiter. Die Form dieser Linie erzählt die Geschichte.
Warum Kohorten Retention vom Wachstumsmix trennen
Ihre Gesamtzahl aktiver Nutzer mischt alle Kohorten zusammen, sodass eine Welle neuer Anmeldungen ein Retention-Problem darunter verdecken kann. Teilen Sie dieselben Nutzer in wöchentliche Kohorten auf, und jede Kurve steht für sich. Wenn die März-Kohorte in Woche 8 noch 40 % hält und die April-Kohorte 28 %, hat sich zwischen beiden etwas verändert – eine Lücke, die Sie in der Gesamtzahl nie sehen würden. Deshalb passen Kohorten auch gut zur Kundensegmentierung: Vergleichen Sie die Retention nach Tarif, Kanal oder Aktivierungspfad, um herauszufinden, welche Gruppen wirklich bleiben – dieselben Aufteilungen, mit denen eine Engagement-Plattform wie Iterable Lifecycle-Flows gezielt ausspielt.
So lesen Sie eine Retention-Kurve
Achten Sie auf drei Dinge: die Höhe des ersten Abfalls, wo die Linie abknickt und ob sie abflacht. Fast jedes Produkt verliert zwischen Zeitraum 0 und Zeitraum 1 einen großen Anteil – das ist normal. Entscheidend ist, ob sich der Rückgang verlangsamt und auf einem stabilen Boden einpendelt oder weiter Richtung null rutscht. Eine Kurve, die nie abflacht, bedeutet, dass jede Kohorte irgendwann vollständig abwandert. Unter So berechnen Sie die Churn-Rate finden Sie dieselbe Geschichte, erzählt als eine Zahl pro Zeitraum.
Eine abflachende Kurve als Signal für Product-Market-Fit
Growth-Praktiker sehen eine Retention-Kurve, die in eine waagerechte Asymptote übergeht, als Signal für Bindung – Andrew Chen zählt abflachende Kohortenkurven zu seinen groben Anzeichen für Product-Market-Fit, und Reforge vermittelt dieselbe Denkfigur „Smile or Flatten“. Behandeln Sie das als Signal, nicht als Beweis. Die Höhe des Bodens zählt genauso wie seine Existenz: Eine Kurve, die bei 3 % abflacht, beschreibt einen winzigen treuen Kern, kein gesundes Produkt. Und eine abflachende Kurve sagt Ihnen, dass eine Gruppe bleibt, nicht warum – das ist eine Korrelation, die Sie untersuchen sollten, keine belegte Ursache.
N-Day- vs. Unbounded-Retention
| Methode | Zählt einen Nutzer an Tag N als gehalten, wenn er … | Ideal für |
|---|---|---|
| N-Day | genau an Tag N aktiv war (oder in einem festgelegten Zeitfenster darum herum) | Gewohnheitsprodukte mit täglichem oder wöchentlichem Rhythmus |
| Unbounded | an Tag N oder an einem beliebigen Tag danach zurückgekehrt ist | Produkte mit unregelmäßiger Nutzung; manche Tools nennen das Rolling |
| Range / Bracket | mindestens einmal innerhalb eines gleitenden Zeitfensters aktiv war | Rauschen glätten, wenn die Nutzung selten ist |
Wie Sie auf das reagieren, was die Kurve zeigt
Die Kurve sagt Ihnen, wo Sie hinschauen sollten, nicht was Sie beheben müssen. Ein steiler früher Abfall weist auf Onboarding und Aktivierung hin – die erste Sitzung liefert nicht schnell genug Nutzen. Eine Kurve, die niedrig abflacht, weist auf fehlenden langfristigen Nutzen oder die falsche Zielgruppe hin. Sobald Sie eine Hypothese haben, ändern Sie eine Sache und vergleichen dann die Kurve der nächsten Kohorte mit der letzten. Die Kohorte ist die Messeinheit für fast jedes Retention-Experiment: Bringen Sie die Änderung live, lassen Sie eine neue Kohorte altern und lesen Sie ab, ob sich ihr Boden verschoben hat.