Kohortenanalyse: Warum Kunden bleiben oder gehen
Die Kohortenanalyse enthüllt Bindungsmuster, die in Ihren aggregierten Zahlen verborgen sind. So lesen, erstellen und nutzen Sie diese für Maßnahmen.
Ihre Gesamtbindungsrate liegt bei 78 %. Ist das gut? Das hängt vollständig davon ab, welche Kunden bleiben und welche gehen – und genau das kann Ihre aggregierte Bindungszahl nicht zeigen. Ein Unternehmen mit 78 % Bindungsrate könnte seine wertvollsten Kunden erfolgreich binden, während es die neuesten verliert, oder es könnte an einem alten Kundenstamm festhalten, während die neuesten Kohorten schnell abwandern. Die Aggregierung verbirgt beide Geschichten. Die Kohortenanalyse enthüllt sie.
Eine Kohorte ist einfach eine Gruppe von Kunden, die zur gleichen Zeit begonnen haben – die im gleichen Monat angemeldet wurden, ihren ersten Kauf im gleichen Quartal getätigt haben oder in der gleichen Woche ein Upgrade durchgeführt haben. Indem Sie jede Kohorte unabhängig über die Zeit verfolgen, können Sie sehen, wie sich Bindungsmuster in verschiedenen Phasen Ihrer Unternehmensgeschichte verändern. Das Ergebnis ist eine der leistungsstärksten Diagnosemethoden für Produkt- oder Geschäftsteams.
So lesen Sie eine Kohorten-Bindungstabelle
Eine Standard-Kohorten-Bindungstabelle hat Akquisitionskohorten in den Zeilen (Januar, Februar, März ...) und Monate seit der Akquisition in den Spalten (Monat 0, Monat 1, Monat 2 ...). Monat 0 ist immer 100 % – das ist der Ausgangspunkt. Die Zahlen in jeder Zeile zeigen, welcher Prozentsatz dieser Kohorte im jeweiligen Folgemonat noch aktiv war.
| Kohorte | Monat 0 | Monat 1 | Monat 2 | Monat 3 | Monat 4 | Monat 5 | Monat 6 |
|---|---|---|---|---|---|---|---|
| Januar | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Februar | 100% | 71% | 55% | 43% | 41% | 39% | — |
| März | 100% | 76% | 62% | 51% | 49% | — | — |
| April | 100% | 79% | 65% | 61% | — | — | — |
| Mai | 100% | 82% | 69% | — | — | — | — |
| Juni | 100% | 84% | — | — | — | — | — |
Diese Tabelle erzählt eine klare Geschichte: Die Bindungsrate hat sich jeden Monat erheblich verbessert. Die Januar-Kohorte behielt bis Monat 6 nur 34 %, während neuere Kohorten in den ersten zwei Monaten bei 69–84 % liegen. Irgendetwas hat sich verändert – wahrscheinlich eine Produktverbesserung, ein besserer Onboarding-Ablauf oder eine Änderung des Akquisitionskanals, der besser passende Kunden einbrachte. Die aggregierte Bindungszahl hätte dies vollständig verdeckt.
Die drei Muster, nach denen Sie suchen müssen
Sobald Sie eine Kohortentabelle haben, suchen Sie nach drei spezifischen Mustern. Jedes weist auf ein anderes Problem hin und erfordert eine andere Lösung.
Ein steiler früher Abfall: Wenn die Bindungsrate von Monat 0 zu Monat 1 konsistent unter 50 % liegt, haben Sie ein Onboarding-Problem. Kunden melden sich an und finden nicht schnell genug einen Wert, um zu bleiben. Dies ist das häufigste Muster in frühem SaaS und das behandelbarste – besseres Onboarding, schnellere Zeit bis zum Wert und proaktiveres frühes Engagement helfen alle.
Kontinuierlicher Rückgang über alle Kohorten: Wenn die Bindungsrate monatlich über alle Kohorten hinweg gleich stark abnimmt, haben Sie ein Produktwertproblem. Kunden probieren das Produkt aus, einige bleiben zunächst, aber es gibt nicht genug laufenden Wert, um sie zu binden. Keine Verbesserung des Onboardings wird das beheben – das Produkt selbst muss mehr Gründe zur Rückkehr liefern.
Eine „Lächelkurve", die sich abflacht: Die besten Bindungskurven flachen nach einem anfänglichen Abfall ab. Kunden, die die ersten zwei oder drei Monate überleben, neigen dazu zu bleiben. Das Ziel ist, die Anzahl der Kunden zu maximieren, die diesen Wendepunkt erreichen. Wenn Ihre Kurve sich nie abflacht – wenn die Bindungsrate in Monat 6 genauso stark sinkt wie in Monat 1 – haben Sie keine stabile Kundenbasis, und LTV-Berechnungen auf Basis dieser Kohorte werden irreführend sein.
Die wichtigste Zahl in einer Kohortentabelle ist nicht der Prozentsatz in Monat 6 – es ist der Verlauf zwischen Monat 0 und Monat 2. Dort gehen die meisten Kunden verloren, und dort haben die meisten Interventionen den größten Hebel.
Kohorten segmentieren: Wo die echten Erkenntnisse liegen
Die Kohortenanalyse wird wirklich leistungsstark, wenn Sie Kohorten nach Akquisitionskanal, Preisstufe, Kundengröße oder Geografie segmentieren. Eine Kohortentabelle, die eine Gesamtbindungsrate von 60 % nach drei Monaten zeigt, könnte enthüllen, dass Kunden aus der organischen Suche 75 % erreichen, während Kunden aus bezahlten sozialen Medien 40 % erreichen. Diese eine Erkenntnis verändert die gesamte Marketingbudget-Diskussion.
Die wertvollste erste Segmentierung ist fast immer nach Akquisitionskanal. Kunden, die Sie durch Empfehlungen, Inhalte oder organische Suche finden, binden sich typischerweise deutlich besser als solche, die durch breite bezahlte Kampagnen akquiriert werden. Wenn Ihre Kohortendaten dieses Muster zeigen – und das tun sie in der Regel – ist das ein starkes Argument für Investitionen in Inhalte und Empfehlungsprogramme, auch wenn bezahlte Akquisition günstiger erscheint, wenn man nur den Kosten-pro-Akquisition-Basis betrachtet. CAC sieht günstig aus, bis Sie die Bindung in das Modell einbauen.
Was zu tun ist, wenn eine Kohortentabelle rückläufig ist
Wenn Ihre neuesten Kohorten schlechter binden als ältere, ist das ein dringendes Signal. Es bedeutet, dass sich etwas an Ihrem Produkt, Ihrer Akquisition oder Ihrem Onboarding verschlechtert hat – und zwar kürzlich. Prüfen Sie, was sich geändert hat. Haben Sie einen neuen Akquisitionskanal geöffnet, der weniger qualifizierte Kunden bringt? Haben Sie eine Funktion ausgeliefert, die einen bestehenden Arbeitsablauf störte? Haben Sie die Preisgestaltung so geändert, dass nicht gut passende Kunden angezogen wurden?
Die Verbesserung der Kohortenbindung ist fast immer zuerst ein Produkt- und Onboarding-Problem, bevor es ein Marketingproblem ist. Die Interventionsreihenfolge, die tendenziell funktioniert: Identifizieren Sie zunächst die Aktionen, die gebundene Kunden in ihren ersten zwei Wochen ausführen, die abgewanderte Kunden nicht ausführen. Dann überarbeiten Sie das Onboarding, um diese Aktionen früher anzutreiben. Nutzen Sie dann frühes Verhalten als Signal, um gefährdete Kunden zu identifizieren und einzugreifen, bevor sie abwandern, nicht danach.
Langfristige Kohorten sehen großartig aus, weil die gebliebenen Kunden per Definition Ihre zufriedensten und am besten passenden Kunden sind. Wenn Sie die Bindungsrate von Monat 24 einer zwei Jahre alten Kohorte betrachten, sehen Sie eine Population, die bereits stark durch Abwanderung gefiltert wurde. Verwenden Sie das Verhalten langfristig gebundener Kunden nicht als Modell dafür, was neue Kunden tun werden – sie sind eine ausgewählte Stichprobe, keine repräsentative.
Die Kohortenanalyse ist am nützlichsten, wenn sie regelmäßig überprüft wird, anstatt einmal durchgeführt und dann vergessen zu werden. In FabricLoop führen Produkt- und Wachstumsteams oft monatlich eine Notiz in ihrer gemeinsamen Gruppe mit einem aktualisierten Kohortenüberblick – die Tabelle aktualisiert mit den neuesten Daten, einem Absatz mit der Interpretation was sich verändert hat und warum, und einer Aufgabenliste der Interventionen, die gegen gefährdete Kohorten getestet werden. Wenn die Analyse neben den Aufgaben lebt, die auf sie reagieren, verringert sich der Abstand zwischen Erkenntnis und Maßnahme erheblich.