Kohortenanalyse erklärt: So liest du Kohorten-Reports richtig
Die Kohorten-Matrix ist das mächtigste Analyse-Werkzeug im E-Commerce – wenn man sie lesen kann. Eine praxisnahe Anleitung ohne Statistik-Studium.
Was ist eine Kohortenanalyse?
Eine Kohorte ist eine Gruppe von Kunden mit einem gemeinsamen Startpunkt – im E-Commerce fast immer: alle Neukunden eines Monats. Die Kohortenanalyse verfolgt jede dieser Gruppen getrennt über die Zeit und beantwortet die Frage, wie sich Kundenverhalten nach dem Erstkauf entwickelt.
Der entscheidende Unterschied zu klassischen Reports: Umsatz pro Monat vermischt Neukunden, Bestandskunden und Reaktivierte zu einer Zahl. Die Kohortenanalyse trennt diese Effekte – und macht dadurch sichtbar, ob dein Geschäftsmodell von wiederkehrenden Kunden getragen wird oder jeden Monat neu gekauft werden muss.
Die Kohorten-Matrix lesen
Der klassische Kohorten-Report ist eine Matrix: Jede Zeile ist eine Monats-Kohorte, jede Spalte ein Zeitfenster nach dem Erstkauf (Monat 1, 2, 3 …). In den Zellen steht entweder die Wiederkaufsrate oder der kumulierte Umsatz bzw. CLV-Uplift.
Gelesen wird in zwei Richtungen: Horizontal siehst du, wie sich eine einzelne Kohorte entwickelt – wo flacht die Kurve ab, wann ist der Wertzuwachs praktisch abgeschlossen? Vertikal vergleichst du Kohorten untereinander – werden deine Neukunden über die Monate besser oder schlechter?
Ein gesundes Muster: Die vertikale Entwicklung ist stabil oder steigend (die Akquise-Qualität hält), und die horizontale Kurve zeigt auch nach 90 Tagen noch nennenswerten Zuwachs (Kunden kommen wieder).
Typische Muster und was sie bedeuten
Muster 1 – Die abfallende Vertikale: Neuere Kohorten performen schlechter als ältere. Häufigste Ursachen: aggressivere Rabatt-Akquise, neue Kanäle mit schlechterer Kundenqualität oder Sortimentsverschiebung. Das ist das früheste Warnsignal für sinkende Profitabilität – Monate bevor es die P&L zeigt.
Muster 2 – Die flache Horizontale: Kohorten wachsen nach Monat 1 kaum noch. Dein Shop lebt von Einmalkäufen; jedes Umsatzwachstum muss teuer eingekauft werden. Hebel: Post-Purchase-Strecke, Folgekauf-Angebote, Replenishment.
Muster 3 – Der Ausreißer-Monat: Eine einzelne Kohorte performt deutlich über- oder unterdurchschnittlich. Fast immer lohnt der Blick auf die Akquise-Aktionen dieses Monats – hier versteckt sich entweder ein wiederholbarer Erfolg oder ein teurer Fehler.
Häufige Interpretationsfehler
Unvollständige Zeitfenster: Die jüngste Kohorte hatte erst 30 Tage Zeit – vergleiche sie nur mit dem 30-Tage-Wert älterer Kohorten, nie mit deren Endstand. Gute Tools blenden unvollständige Zellen aus; in Excel passiert genau dieser Fehler ständig.
Zu kleine Kohorten: Bei 40 Neukunden im Monat verschiebt ein einzelner Großkunde die ganze Zeile. Fasse kleine Monate zu Quartals-Kohorten zusammen, bevor du Trends interpretierst.
Umsatz- statt Kundenperspektive: Eine Kohorte kann im Umsatz wachsen, während die Wiederkaufsrate sinkt – wenige Heavy Buyer maskieren dann den Verlust der Breite. Betrachte beide Metriken nebeneinander.
Kohortenanalyse in der Praxis: drei Anwendungsfälle
Budget-Steuerung: Vergleiche den 90-Tage-CLV pro Akquise-Kanal auf Kohortenbasis und verschiebe Budget dorthin, wo Kunden nachhaltig wertvoll werden – nicht dorthin, wo der erste Kauf am billigsten ist.
Produkt-Strategie: Bilde Kohorten nach Einstiegsprodukt statt nach Monat. Du wirst feststellen, dass manche Produkte systematisch Stammkunden produzieren und andere fast nur Einmalkäufer – das verändert, was du in der Neukundenwerbung nach vorn stellst.
Retention-Timing: Die horizontale Kurve zeigt, wann der Wertzuwachs einer Kohorte abflacht – genau dort gehört dein Win-Back-Trigger hin (mehr dazu im Artikel über Churn-Prävention).
DataX baut CLV- und Wiederkaufs-Kohorten automatisch aus deinen Shop-Daten – inklusive Kohorten nach Einstiegsprodukt und eigenen Segmenten.