Kohorten-Analyse (Analytics)

Definition: Die Kohorten-Analyse ist eine analytische Methode im Web Analytics, die eine Gruppe von Nutzern, die ein gemeinsames Merkmal oder ein gemeinsames Erstereignis zu einem bestimmten Zeitpunkt teilen (die sogenannte Kohorte), über einen definierten Beobachtungszeitraum hinweg verfolgt und ihr Verhalten in regelmäßigen Abständen misst. Das häufigste Kohortenkriterium ist der Zeitpunkt des Erstbesuchs auf der Website: Alle Nutzer, die in einer bestimmten Woche oder einem bestimmten Monat erstmals die Seite besucht haben, bilden eine Kohorte. In den folgenden Wochen oder Monaten wird dann gemessen, welcher Anteil dieser Kohorte zurückkehrt, Conversions durchführt oder andere definierte Aktionen vollzieht. Die Kohorten-Analyse liefert Einblicke in die Nutzerbindung (Retention), den Kundenwert über die Zeit und die Langzeitqualität verschiedener Akquisitionskanäle. Sie ist damit ein unverzichtbares Instrument für alle digitalen Geschäftsmodelle, bei denen Wiederkehr und Langzeitengagement entscheidend sind, insbesondere für Abonnement-Dienste, Apps, E-Commerce-Plattformen und Medienangebote. In Google Analytics 4 steht die Kohorten-Exploration im Bereich Explore als eigener Analysebaustein zur Verfügung.

Erläuterung

Der grundlegende Gedanke hinter der Kohorten-Analyse ist, dass Nutzer, die zu verschiedenen Zeitpunkten gewonnen wurden, sich möglicherweise sehr unterschiedlich verhalten – und dass aggregierte Durchschnittswerte diese Unterschiede unsichtbar machen. Beispiel: Wenn eine Website im Januar eine aggressive Kampagne mit niedrigschwelligem Traffic-Angebot schaltet und im Februar auf hochwertigere Zielgruppen setzt, werden die gewonnenen Nutzer höchstwahrscheinlich unterschiedliche Retention-Muster zeigen. Die Kohorten-Analyse macht diese Unterschiede sichtbar, indem sie die Januar-Kohorte und die Februar-Kohorte separat über die folgenden Monate hinweg beobachtet.

In der Praxis zeigt die Kohorten-Analyse typischerweise ein Muster sinkender Rückkehrquoten: Von Woche 0 (dem Erstbesuch) sinkt der Anteil aktiver Nutzer in Woche 1, Woche 2 und Woche 3 kontinuierlich ab. Eine gesunde Retention-Kurve flacht sich nach einigen Wochen auf einem stabilen Niveau ein – das ist der Kern der treuen Stammnutzerschaft. Sinkt die Kurve dagegen kontinuierlich auf null, ohne sich einzupegeln, fehlt es an einem substanziellen Kundenbindungsmechanismus.

In Google Analytics 4 bietet die Kohorten-Exploration im Explore-Bereich flexible Konfigurationsmöglichkeiten: Als Kohortenmerkmal kann der Erstbesuch oder ein beliebiges Erstereignis gewählt werden (z. B. das erste Mal, dass ein Nutzer ein Produkt kaufte). Als Rückkehrbedingung können ebenfalls verschiedene Ereignisse definiert werden. Der Beobachtungszeitraum ist in Tagen, Wochen oder Monaten konfigurierbar. Zusätzlich können Segmente angewendet werden, um Kohorten nach Akquisitionskanal, Gerätekategorie oder anderen Dimensionen zu vergleichen.

Aufbau und Interpretation einer Kohorten-Tabelle

Kohorten-Zeile: Jede Zeile repräsentiert eine Kohorte – typischerweise eine Woche oder ein Monat des Erstbesuchs. Die erste Zahl in der Zeile (Woche 0 oder Monat 0) zeigt die Gesamtzahl der Nutzer in dieser Kohorte.
Retention-Spalten: Die folgenden Spalten (Woche 1, Woche 2, ...) zeigen den Anteil der Kohorte, der in dieser Periode zurückgekehrt ist. Ein Wert von 20 % in Woche 2 bedeutet, dass 20 % aller Nutzer der Kohorte in der zweiten Woche nach ihrem Erstbesuch wieder aktiv waren.
Farbkodierung: GA4 visualisiert die Retention-Werte mit einer Farbskala – höhere Werte erscheinen dunkler. So lassen sich Muster und Ausreißer auf einen Blick erkennen.
Vergleich von Kohorten: Unterschiede in der Rückkehrquote zwischen verschiedenen Kohorten können auf Produktveränderungen, saisonale Effekte oder Qualitätsunterschiede bei der Akquise hinweisen.
Metriken-Auswahl: Neben aktiven Nutzern können auch Umsatz, Conversions oder benutzerdefinierte Ereignisse als Rückkehr-Metrik gewählt werden, um den monetären Wert der Retention zu messen.

Anwendungsfälle und strategische Insights

Kanal-Qualitätsbewertung: Durch die Kombination von Kohorte und Akquisitionskanal-Segment lässt sich vergleichen, ob Nutzer aus organischer Suche eine höhere Langzeit-Retention aufweisen als Nutzer aus bezahlten Social-Kampagnen – ein entscheidender Faktor für die strategische Budgetallokation.
Produktänderungs-Auswirkung: Wenn ein Produktfeature geändert oder eine neue Onboarding-Sequenz eingeführt wird, zeigt der Kohortenvergleich vor und nach der Änderung, ob die Nutzerbindung verbessert oder verschlechtert wurde.
Saisonale Nutzer: Kohorten, die zu saisonalen Peaks (z. B. Weihnachten) gewonnen wurden, zeigen häufig geringere Retention-Werte, weil opportunistische Käufer keine langfristige Bindung aufbauen. Diese Erkenntnis relativiert den absoluten Traffic-Erfolg saisonaler Kampagnen.
Abonnement-Churn-Analyse: Für SaaS- und Abo-Modelle zeigt die Kohorten-Analyse, in welchem Monat nach dem Vertragsabschluss der höchste Churn-Anteil liegt – ein wichtiger Input für die Gestaltung von Onboarding-Programmen und Retention-E-Mails.
Lifetime-Value-Schätzung: Wenn Umsatz als Rückkehr-Metrik gewählt wird, lässt sich aus der Kohorten-Tabelle der kumulierte Umsatz je Kohorte über die Zeit ablesen – eine Annäherung an den tatsächlichen Customer Lifetime Value.

Praxistipp: Starten Sie in GA4 mit der Kohorten-Exploration und wählen Sie als Kohortenkriterium den Erstbesuch, als Rückkehrbedingung "aktive Nutzer" und als Granularität Wochen. Vergleichen Sie dann mindestens zwei Segmente: Nutzer aus Organic Search vs. Nutzer aus Paid Search. Zeigen organic Nutzer nach vier Wochen noch 15 % Retention, während Paid-Nutzer nur noch 5 % zeigen, rechtfertigt das eine intensivere SEO-Investition – auch wenn Paid Search kurzfristig mehr Traffic liefert.