Kohortenanalyse: Definition, Anwendungsfälle und Beispiel

Retention Rate Kohorte wiederkauf

Wie verhält sich Ihr Kunde im Laufe der Zeit? Und noch wichtiger: Warum? Wenn Sie diese Fragen beantworten wollen, reicht es nicht aus, Ihre wichtigsten KPIs im Laufe der Zeit zu verfolgen. Genauso wenig hilft Ihnen ein einmaliger Querschnitt Ihres Kundenbestands. Das Verfahren, das hier Antworten liefert, ist die Kohortenanalyse.

In diesem Artikel zeigen wir Ihnen was die Kohortenanalyse ist, an einem Beispiel wie Sie eingesetzt wird und welche Vor- und Nachteile diese Kundenanalyse hat.

Definition: Was ist eine Kohortenanalyse?

Eine Kohortenanalyse ist eine Methode der Kundenanalyse, bei dem Kunden in Gruppen zusammengefasst und gemeinsam betrachtet werden, die ein bestimmtes Ereignis in einem bestimmten Zeitraum gemeinsam haben – z.B. das Datum des Erstkaufs.

Solche Gruppen werden als „Kohorten“ bezeichnet, im Gegensatz zu „Segmenten“: Ein Segment kann jede Gruppe von Kunden mit einem gemeinsamen Merkmal sein.

In der Kohortenanalyse wird das Verhalten dieser Gruppen über verschiedene Zeitpunkte hinweg verfolgt. Mit Verhalten kann Verschiedenes gemeint sein. Im E-Commerce reden wir von Kennzahlen wie Umsatz pro Kunde, Kaufaktivität, Online-Aktivität oder Kundenabwanderung.

Zu jedem Beobachtungszeitpunkt kann aus der Kohorte des Kunden sein „Alter“ (wie z.B. die Zeit seit dem Erstkauf) abgeleitet werden. Folgende Grafik zeigt die Folgekäufer aller Kohorten in den Monaten nach dem Erstkauf.

In Blau: Die Kohorte der Kunden aus dem Juni 2019 wird über die Folgemonate hinweg betrachtet
In Gelb: In den gelb markierten Zellen stehen jeweils Käufe, die Kunden im „Alter“ von 5 Monaten tätigen.

Welche Effekte können untersucht werden?

Erkennt man im Verhalten zeitliche Unterschiede, kann dies auf drei Arten von Effekten zurückgehen. Das Ziel der Kohortenanalyse ist, diese voneinander zu trennen:

  • Alterseffekte: Effekte, die sich auf das Alter des Kunden zurückführen lassen. (Beispiel: Alle Kunden zeigen ca. 4 Monate nach dem Erstkauf einen Umsatzeinbruch.)
  • Kohorteneffekte: Effekte, durch die sich bestimmte Kohorten auszeichnen. (Beispiel: Die Kunden mit Erstkauf im April 2018 haben einen dauerhaft höheren Umsatz als andere.)
  • Periodeneffekte: Effekte, die sich auf die Periode, also den Erfassungszeitpunkt zurückführen lassen. (Beispiel: Die Einführung eines neuen Webshops am 01. Januar 2018 hat den Umsatz sprunghaft erhöht.)

Hintergrund: Die Kohortenanalyse stammt als statistisches Verfahren ursprünglich aus der Demographie-Forschung. Ziel war es, bei sich verändernden Kennzahlen wie z.B. der Geburtenrate die Auswirkungen von Alter, Jahrgang und Erhebungszeitpunkt zu schätzen. Sie wird heute häufig in epidemiologischen Studien angewandt (z.B. Untersuchung der Auswirkung von jahrzehntelangem Rauchen), als Ergänzung zu kontrollierten klinischen Tests.

Abgrenzung zu einer Querschnittsanalyse

Querschnittsanalyse: bei einer Querschnittsanalyse werden verschiedene Gruppen zum gleichen Zeitpunkt untersucht. Stellt man hier zum Beispiel Unterschiede zwischen verschiedenen Altersgruppen fest, ist nicht klar, ob es sich um Alterseffekte oder Kohorteneffekte handelt.

Das kann nur mit der Kohortenanalyse beantwortet werden.

Kohortenanalyse im Marketing

Die Kohortenanalyse ist eine sehr beliebte Kundenanalyse im Marketing. Wie oben erklärt, kann man durch sie interessante Informationen und Erkenntnisse über Kundenverhalten generieren. Es gibt eine Vielzahl von Einsatzzwecken für Kohortenanalysen im Marketing. Ich möchte hier nur einige besonders häufige Anwendungsfälle vorstellen:

Anwendungsfälle der Kohortenanalyse

Analyse der Wiederkaufrate

Dabei wird untersucht, welcher Prozentsatz einer Kohorte in jeweils einer Periode einen weiteren Kauf getätigt hat.

  • Die Kohortenanalyse der Wiederkaufrate verrät z.B., zu welchen Zeitpunkten des Kundenlebenszyklus weitere Käufe stattfinden – neuralgische Punkte für gezielte Marketingmaßnahmen.
  • Alternativ können die Kohorten z.B. nach dem Akquisitionskanal oder dem Einstiegsprodukt unterteilt werden. Die Analyse verrät dann, welcher Kanal oder welches Produkt zu besonders hohen Wiederkaufraten führen. Mit diesem Wissen kann der Marketer dann gezielt Produkte mit einer hohen Wiederkaufrate bewerben, um Kunden langfristig an das Unternehmen zu binden.

Analyse der Retention Rate

Die Retention Rate misst den Anteil der ursprünglich aktiven Kunden, die zum Messzeitpunkt noch als „aktiv“ bezeichnet werden können. Im Abogeschäft sind das einfach Kunden mit weiterhin aktivem Abonnement, im eCommerce z.B. Kunden mit einem Kauf in den letzten 6 Monaten.

Die Kohortenanalyse verrät, zu welchem Zeitpunkt des Kundenlebenszyklus und für welche Kohorten eine besondere Kundenbindung besteht.

Analyse der Churn Rate

Die Churn Rate (Kundenabwanderungsrate) misst den Anteil der wirksam gekündigten Verträge oder Abos. Die Kohortenanalyse verrät, zu zu welchem Zeitpunkt, Vertriebskanal, Rabatt oder welchem Produkt welche Kundenabwanderung besteht. So kann im Rahmen von Churn Managament gezielt Churn Prevention betrieben werden.

Analyse von wiederkehrenden Websitebesuchern

Webaktivität: Für Betreiber von Webshops oder Apps sind nicht nur die Transaktionen der Nutzer von Interesse, sondern die gesamte Aktivität des Kunden. Kohortenanalysen sind dort beliebt für Metriken wie Sitzungen pro Nutzer, Seitenaufrufe pro Nutzer und Sitzungsdauer pro Nutzer.

Analyse von Umsatzeffekten

Wachstum vs. Engagement: Unterscheidet man in einer Kohortenanalyse Neukunden und Bestanskunden, kann man die Umsatzeffekte durch Wachstum (Neukundenumsatz) und durch Engagement (Entwicklung des Bestandskundenumsatzes) voneinander trennen.

Vorgehen bei der Kohortenanalyse

Die Durchführung einer Kohortenanalyse besteht aus den folgenden Schritten:

  1. Fragestelleung: Werden Sie sich darüber klar, welche Fragestellung mit der Analyse beantwortet werden soll.
  2. Definieren Sie Ihre Kohorten: Welches Ereignis in welchem Zeitraum. Die Beobachtungsperiode sollte dann dem Zeitraum der Kohortendefinition entsprechen. (Fasst z.B. jede Kohorte die Neukunden einer Woche zusammen, sollten die Statistiken in wöchentlichen abständen erfasst werden)
  3. Definieren Sie die Metrik, die zu jedem Zeitpunkt erfasst werden soll: die Wiederkaufrate? Der Umsatz pro Kunde?
  4. Der technische Part: Aufbereitung der Rohdaten und Aggregation der Zielmetrik nach Kohorte und Periode.
  5. Visualisierung: Zuletzt ist eine gute Visualisierung entscheidend, um Effekte sichtbar und als Entscheidungsbasis nutzbar zu machen.
KI-im-CRM Kopie

Whitepaper:
Wie künstliche Intelligenz das CRM verändert!

Trage deine E-Mail-Adresse ein, um die KI-Fallstudien zu erhalten:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.

Kohortenanalyse an einem Beispiel

Um die Kohorten zu berechnen, betrachten wir als Beispiel ein kleineres Unternehmen aus dem eCommerce. Das Unternehmen hat eine gut funktionierende Neukundengewinnung und generiert seit Januar 2019 ca. 300 Neukunden pro Monat. Allerdings kaufen viele Kunden nur ein einziges Mal.

Als erste Marketingmaßnahme erhalten deshalb seit August 2019 alle Neukunden einen Gutschein für einen zweiten Kauf, mit einer Gültigkeit von einem Monat.

Eine Kohortenanalyse soll nun Aufschluss über die Effektivität der Maßnahme bringen. Gehen wir die Schritte nun durch:

  1. Unsere Fragestellung ist: Hat sich die Wiederkaufrate der Neukunden ab August 2019 verändert?
  2. Als Kohorten werden alle Kunden mit dem Erstkauf innerhalb eines Kalendermonats zusammengefasst.
  3. Unsere Metrik ist die Zahl der aktiven Kunden pro Kohorte und davon abgeleitet die Wiederkaufrate
  4. Wir erfassen die Anzahl aktiver Kunden pro Monat und Kohorte (Abbildung 1). Anstelle des Kaufmonats halten wir dann jeweilige Alter der Kohorte fest. Zuletzt berechnen wir die Wiederkaufrate = ANZAHL_KÄUFER/KOHORTENGRÖSSE.
  5. Als Visualisierung wählen wir die bedingte Formatierung von Excel
Kaufaktivität nach Kohorten

Abbildung 2: Kaufaktivität der Kohorten, abgetragen gegen ihr jeweiliges Alter.
Kohortendiagramm: Die Wiederkaufrate in einer Form, in der Kohorteneffekte und Alterseffekte unmittelbar abgelesen werden können.
Abbildung 3: Die Wiederkaufrate in einer Form, in der Kohorteneffekte und Alterseffekte unmittelbar abgelesen werden können.

An diesem Ergebnis können wir einiges ablesen:

  • Erstens steigt die Wiederkaufrate im ersten Monat für die Kohorten ab August 2019 deutlich an. Die Maßnahme zeigt also Wirkung.
  • Außerdem sehen wir, dass die Wiederkaufrate im 6. Monat nach dem Erstkauf des Kunden für alle Kohorten besonders hoch ist. Es gibt also scheinbar einen zyklischen Effekt, der mit Marketingmaßnahmen verstärkt ausgenutzt werden könnte.

Wir haben dieses Beispiel vollständig in Excel durchgerechnet. Sie können das Excel Sheet hier herunterladen und natürlich auch mit ihren eigenen Zahlen anpassen.

Welche Vor- und Nachteile hat eine Kohortenanalyse?

Die Kohortenanalyse ist ein etabliertes Werkzeug im Marketing und Bestandskundenmanagement. Im folgenden gehe ich auf die Vor- und Nachteile ein:

Vorteile

  • Sie erlaubt wertvolle Einblick in den Kundenlebenszyklus.
  • Deshalb ist sie unerlässlich, um das Kundenverhalten im Zeitverlauf zu verstehen.
  • Sie ist flexibel für verschiedenste Fragestellungen anpassbar, mit beliebig detaillierten Kohorten.
  • Einmal definiert, können Sie die Analyse leicht automatisieren und für regelmäßige Reportings aufbereiten.

Nachteile

  • Die Flexibilität: Man muss schon zuvor recht genau wissen, welche Fragestellung man untersuchen will – außer man nutzt out-of-the-box Lösungen wie die Kohortenanalyse in Google Analytics.
  • Sie liefert keine „eindeutige Antwort“ wie z.B. ein RFM-Score, denn das Ergebnis müss Sie interpretieren.

Fazit

Kohortenanalysen sind ein Werkzeug, das jeder Marketing Manager parat haben sollte. Sie ist essenziell für das Verständnis von Kundenverhalten und des Kundenlebenszyklus. Die Berechnung der Kohorten ist einfach und liefert schnell wichtige Erkenntnisse.

Dabei bleibt die Kohortenanalyse eine rein beschreibende Analyse. Wenn Sie individuelles Kundenverhalten nicht nur verstehen, sondern vorhersagen wollen, braucht es den Schritt zur Predictive Analytics – den Schritt zur KI.

Weitere Quellen:

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

Laurenz Wuttke datasolut Gmbh
Ich freue mich, wenn Sie sich zu unserem Newsletter anmelden.

Jetzt zum Newsletter anmelden!

Ihr Mehrwert:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.

KI-im-CRM Kopie

Whitepaper:
Wie künstliche Intelligenz das CRM verändert!

Trage deine E-Mail-Adresse ein, um die KI-Fallstudien zu erhalten: