Skip to content

Kohortenanalyse — Kundenkohorten nach Akquisitionszeitraum analysieren

Die Kohortenanalyse gruppiert Kunden nach dem Zeitpunkt ihrer ersten Transaktion und verfolgt ihr Verhalten — Wiederkaufsrate, Retention, LTV — über aufeinander folgende Perioden. Sie macht sichtbar, ob neuere Kunden besser oder schlechter performen als ältere, und ist die Grundlage für fundierte CAC- und LTV-Entscheidungen in D2C-Unternehmen und SaaS-Businesses im DACH-Raum.

Was ist eine Kohortenanalyse?

Eine Kohortenanalyse ist eine Methode zur Gruppenbildung und Verhaltensanalyse von Kunden auf Basis eines gemeinsamen Eintrittsmerkmales — typischerweise des Monats oder Quartals, in dem sie erstmals einen Kauf getätigt oder einen Vertrag abgeschlossen haben. Statt alle Kunden in einem einzigen Durchschnittswert zusammenzufassen, isoliert die Kohortenanalyse jeden Einstiegsjahrgang und beobachtet dessen Verhalten über einen definierten Zeitraum separat.

Das entscheidende Merkmal der Kohortenanalyse ist die Zeitnormierung: Jede Kohorte beginnt in "Monat 0", unabhängig davon, wann sie tatsächlich akquiriert wurde. Eine Kohorte aus dem Januar 2024 und eine aus dem August 2024 werden beide ab ihrer jeweiligen Akquisitionswoche verglichen — nicht auf Basis des Kalenders. Dadurch sind Kohorten direkt vergleichbar, auch wenn sie zu unterschiedlichen Zeitpunkten gestartet sind.

Für D2C-Marken und SaaS-Unternehmen im DACH-Raum ist die Kohortenanalyse die zentrale Methode, um Fragen zu beantworten, die aggregierte Metriken nicht beantworten können: Werden unsere neueren Kunden schlechter? Hat sich die Kohortenqualität seit dem letzten Kanal-Shift verbessert oder verschlechtert? Wie lange dauert es, bis eine Kohorte ihren CAC amortisiert hat?

Aufbau und Lesart einer Kohortenmatrix

Die klassische Darstellung der Kohortenanalyse ist die Kohortenmatrix (auch: Retention-Heatmap). Ihr Aufbau folgt einer klaren Logik:

  • Zeilen: Einstiegsperioden (z. B. Jan 2024, Feb 2024, Mrz 2024 usw.). Jede Zeile repräsentiert eine Kohorte — alle Kunden, die in diesem Monat erstmals akquiriert wurden.
  • Spalten: Perioden nach dem Einstieg. Spalte 0 ist der Einstiegsmonat selbst, Spalte 1 ist der erste Monat danach, Spalte 2 der zweite Monat — und so weiter.
  • Zellwerte: Typischerweise der Prozentsatz der ursprünglichen Kohorte, der in der jeweiligen Periode noch aktiv war (Retention) oder erneut gekauft hat (Wiederbestellrate). Manche Varianten zeigen stattdessen kumulativen LTV oder Umsatz pro Kohorte.

Eine gesunde Retention-Kurve fällt in den ersten Perioden stark ab und flacht dann ab — das "Elbogen-Muster". Kohorten, die keinen stabilen Boden ausbilden (also kontinuierlich weiter abfallen), haben keine treue Kundenbasis. Kohorten, die einen höheren Boden ausbilden als ältere, zeigen eine Qualitätsverbesserung des Kundenstamms.

Warum Kohortenanalyse für DACH-D2C und SaaS unverzichtbar ist

Im DACH-D2C-Kontext sind Kohortenanalysen besonders relevant, weil sie die einzige Methode sind, um folgende Fragen zuverlässig zu beantworten:

  • CAC-Amortisation: Wann hat eine Kohorte ihren eigenen Akquisitionskosten zurückgespielt? Bei D2C-Marken mit niedrigem Erstbestellmargin ist diese Frage überlebenswichtig. Kohorten-LTV zeigt, ob und wann der Break-even erreicht wird.
  • Kanal-Qualitätsvergleich: Kunden aus organischem SEO, bezahlten Meta-Kampagnen und Influencer-Kooperationen können in derselben Periode akquiriert worden sein — aber völlig unterschiedliche Retention-Profile haben. Die Kohortenanalyse nach Akquisitionskanal trennt diese Signale.
  • Saisonale Kohortenverzerrungen: November-Kohorten (Black Friday / Cyber Monday) verhalten sich in der Regel anders als Juni-Kohorten. Sie kaufen häufig mit hohem Rabatt, haben niedrigere Wiederbestellraten und geringeren LTV. Ohne Kohortenanalyse vermischen sich diese "Rabattkäufer" mit regulären Kunden und verzerren alle Aggregat-Metriken.

Für SaaS-Unternehmen im DACH-Raum ist die Kohortenanalyse die Grundlage für Net Revenue Retention (NRR) und Churn-Reporting: Sie zeigt, ob Churn in neueren Kohorten steigt oder sinkt, und ob Expansions-Revenue die Losses kompensiert.

Wie man Kohortenanalysen berechnet

Die grundlegende Berechnung für eine monatliche Retention-Kohorte:

Retention Monat N = (Aktive Kunden der Kohorte in Monat N) ÷ (Gesamtgröße der Kohorte bei Einstieg) × 100

Für eine LTV-Kohorte:

Kumulativer Kohorten-LTV Monat N = Gesamtumsatz der Kohorte bis Monat N ÷ Anzahl Kunden in der Kohorte

Wichtige Definitionen beim Aufbau von Kohortenanalysen:

  • Einstiegsdefinition: Was gilt als Einstieg? Erste Bestellung, Registrierung, Abo-Start? Für D2C ist die erste Bestellung der Standard. Für SaaS häufig der Vertragsstart oder Free-Trial-Beginn. Die Wahl der Einstiegsdefinition beeinflusst alle Folgeberechnungen erheblich.
  • Aktivitätsdefinition: Was gilt als "aktiv" in einer Periode? Für D2C typischerweise "mindestens eine Bestellung in diesem Monat". Für Subscriptions "aktives Abo in diesem Monat".
  • Periodengranularität: Wöchentliche Kohorten sind für hochfrequente Kategorien (Lebensmittel, Supplements) sinnvoll. Monatliche Kohorten sind der Standard für die meisten D2C-Kategorien. Quartalsweise Kohorten für Unternehmen mit langen Kaufzyklen.

Wie Fairview die Kohortenanalyse trackt

Fairview berechnet Akquisitions-Kohorten automatisch aus den Bestelldaten, die direkt über API-Verbindungen aus Shopify, Shopware, WooCommerce oder anderen Shop-Systemen gezogen werden. Sie müssen keine Tabelle anlegen und keine manuellen Berechnungen durchführen.

Im Fairview-Dashboard sehen Sie Retention-Kurven und kumulativen Kohorten-LTV für jeden Einstiegsmonat — aufgeschlüsselt nach Akquisitionskanal, Produktkategorie und Geografischer Region. Die Kohortenansicht zeigt automatisch, welche Kohorten den Branchenmedian übertreffen und welche unter dem Break-even-LTV liegen. Alerts benachrichtigen Sie, wenn eine neuere Kohorte in Monat 3 schlechter performt als der Durchschnitt der letzten sechs Kohorten — bevor das in Aggregat-KPIs sichtbar wird.

Für SaaS-Unternehmen kombiniert Fairview die Kohortenansicht mit MRR-Movements (New MRR, Expansion MRR, Churned MRR) je Kohorte, sodass Net Revenue Retention auf Kohortenebene direkt ablesbar ist.

Häufige Fragen

Was ist der Unterschied zwischen Kohortenanalyse und Segmentanalyse?

Eine Segmentanalyse gruppiert Kunden nach stabilen Merkmalen (z. B. Produktkategorie, Geografie, Bestellwert). Eine Kohortenanalyse gruppiert nach Einstiegszeitraum und verfolgt die Entwicklung über Zeit. Der entscheidende Unterschied: Segmentanalysen zeigen den Ist-Zustand; Kohortenanalysen zeigen die zeitliche Entwicklung. Für Retention- und LTV-Fragen ist die Kohortenanalyse die geeignetere Methode — weil sie den Zeitfaktor explizit einbezieht. In der Praxis werden beide Methoden kombiniert: z. B. Kohortenanalyse je Akquisitionskanal (Segment-Dimension) und Einstiegsmonat (Kohortenachse).

Wie groß muss eine Kohorte sein, um statistisch belastbar zu sein?

Als Faustformel gilt: Kohorten unter 30 Kunden sind für operative Entscheidungen zu klein — die Varianz einzelner Kundenverhalten verzerrt die Kurven zu stark. Für zuverlässige Retention-Analysen werden mindestens 100–200 Kunden je Kohorte empfohlen. Für statistische Signifikanztests (z. B. beim Vergleich zweier Kanäle) sind je nach angestrebtem Konfidenzniveau mindestens 200–500 Kunden je Gruppe erforderlich. Kleinere Unternehmen mit weniger als 100 Neukunden pro Monat sollten Kohorten auf Quartalsbasis aggregieren, um belastbare Aussagen zu erhalten.

Was ist ein typischer Retention-Boden für DACH-D2C-Marken?

Der "Retention-Boden" (die Rate, auf der sich Retention stabilisiert) variiert stark nach Produktkategorie. Richtwerte für DACH-D2C: Supplements und Konsumgüter — 20–35 % nach 6 Monaten. Mode und Accessoires — 8–15 % nach 6 Monaten. Haushalt und Wohnen — 5–10 % nach 6 Monaten. Lebensmittel und Getränke — 25–40 % nach 6 Monaten. Brands, die ihren Retention-Boden deutlich unter diesen Richtwerten haben, sollten Produkt, Post-Purchase-Experience und Lifecycle-Marketing vor weiterer CAC-Investition optimieren.

Wann sollte man Kohorten nach Kanal statt nach Zeit segmentieren?

Die Kanaldimension in der Kohortenanalyse ist besonders wertvoll, wenn Sie verschiedene Akquisitionskanäle gleichzeitig betreiben und herausfinden möchten, welcher Kanal die qualitativ hochwertigsten Kunden liefert. Wenn Meta-Kunden in Monat 6 eine doppelt so hohe Retention haben wie TikTok-Kunden (bei ähnlichem CAC), ist das eine direkt handlungsrelevante Erkenntnis für Ihre Budgetallokation. Zeitbasierte Kohorten und kanalbasierte Kohorten schließen sich nicht aus — sie können kombiniert werden: Kohortenmatrix für den Meta-Kanal separat von der für den Google-Kanal.

Wie hängen Kohortenanalyse und Kohorten-LTV zusammen?

Kohortenanalyse ist die Methode; Kohorten-LTV ist eine der zentralen Ausgabegrößen dieser Methode. Die Kohortenanalyse zeigt Retention-Kurven und Verhaltensmuster. Der Kohorten-LTV quantifiziert den monetären Wert dieser Muster — er summiert den kumulativen Umsatz je Kohorte und dividiert durch die Kohortengröße. Beide zusammen beantworten: Wie viel Umsatz erzeugen Kunden einer bestimmten Akquisitionsperiode über ihre gesamte Lebensdauer? Und: Ist dieser Wert hoch genug, um den CAC zu rechtfertigen?

Verwandte Begriffe

Kohortenanalysen automatisch berechnen — ohne manuelle Tabellen

Fairview verbindet Ihr Shop-System und berechnet Retention-Kurven und Kohorten-LTV automatisch — aufgeschlüsselt nach Kanal, Produktkategorie und Zeitraum.

Fairview erleben