fbpx

Wir leben in einer dynamischen und sich ständig verändernden digitalen Welt mit einer Vielfalt an Optionen und Auswahlmöglichkeiten. Während es bereits schwierig ist wettbewerbsfähig zu sein, um Kunden zu akquirieren, kann Kundenbindung als noch grössere Herausforderung wahrgenommen werden.

Eine Kohortenanalyse kann Unternehmen ein tieferes Verständnis für die Kundenbindung vermitteln, Unterschiede im Verhalten der Nutzer auf der Webseite aufzeigen und bei strategischen Entscheidungen sowie der Planung und Optimierung digitaler Marketingmassnahmen unterstützen. In diesem Beitrag erfahren Sie, wie Sie eine Kohortenanalyse mithilfe von Google Analytics 4 Properties durchführen und welche Erkenntnisse Sie daraus ziehen können.

Was ist eine Kohorte und wozu braucht es Kohortenanalysen?

Eine Kohorte bezeichnet eine Gruppe von Personen mit einem bestimmten Ereignis in einem definierten Zeitraum als gemeinsamen Unterscheidungsmerkmal. Beispielsweise kann als gemeinsames Ereignis eine Aktivität auf der Website, ein Online-Kauf oder ein Seitenaufruf bestimmt werden.

In der Kohortenanalyse wird das Verhalten der Kohorten über die Zeit beobachtet. Anhand der Zeitintervalle kann beispielsweise der langfristige Umsatz einzelner Kohorten gemessen werden. Ebenfalls bietet eine Kohortenanalyse die Möglichkeit die Erfolgsentwicklung einer Kampagne zu messen und Handlungspotentiale zu erkennen.

Kohortenanalyse im Google Analytics 4 Properties

Die Google Analytics 4 Properties Version (GA4) stellt Nutzern Templates für verschiedene Datenanalysen zur Verfügung. Um auf diese zuzugreifen müssen Sie sich zunächst in Ihren GA4-Account einloggen (vorausgesetzt, Sie haben bereits einen GA4-Account eingerichtet) und in der linken Leiste zu «Erkunden» navigieren. Unter den Vorlagen für explorativen Datenanalysen finden Sie das Template «explorative Kohortenanalyse».

Im Bericht finden Sie unter «in der Kohortenanalyse berücksichtigt» das Aufnahmekriterium von Usern in die Kohorten. Im Google Analytics werden Personen in Kohorten standardmässig basierend auf dem Akquisitions-Datum der Nutzer zugeteilt, d.h. Personen, welche am selben Tag zum ersten Mal die Website besucht haben, sind derselben Kohorte zugeordnet. Alternativ können Nutzer im GA4 auch nach beliebigen anderen Events, wie Konversionen oder dem Besuch einer bestimmten Landing Page zusammengefasst werden.

Mit dem Detaillierungsgrad der Kohortenanalyse kann die Grösse der Kohorte festlegt werden: Kohorten können täglich, wöchentlich oder monatlich erstellt werden. Wenn wir beim Erstkontaktereignis als Aufnahmekriterium in die Kohorte bleiben, so werden hier beim Detaillierungsgrad «täglich» jeden Tag Kohorten gebildet, und beim Detaillierungsgrad «wöchentlich» werden alle Nutzer einer Woche in eine Kohorte zusammengefasst. Durch die wöchentliche Zusammenfassung können beispielsweise die Schwankungen zwischen den verschiedenen Wochentage geglättet werden.

Nachdem die Kohorten definiert sind, ist es an der Zeit das «Rückkehrkriterium» zu bestimmen. Dieses bestimmt unter welchen Bedingungen die Nutzer weiter in der Kohorte berücksichtigt werden. Beispielsweise könnte gemessen werden, wie schnell User nach dem ersten Besuch der Webseite wieder auf die Website zurückkehren, um einen Kauf zu tätigen. In diesem Fall wäre das Rückkehrkriterium der Kaufabschluss auf der Website.

Veranschaulichung der Ergebnisse

Die Ergebnisse der Kohortenanalyse werden im GA4 als Tabelle dargestellt. Die verschiedenen Kohorten werden als Zeilen untereinander abgebildet. Die jüngste Kohorte steht dabei zuunterst.

Die definierte Zeitspanne wird auf der horizontalen Achse abgebildet. Im GA4 wird der Tag, an dem die Kohorte gebildet wurde als Tag 0 bezeichnet. Wenn das Aufnahmekriterium für die Kohorte das Erstkontaktereignis ist, dann ist Tag 0 der Tag der Nutzer-Akquisition. Die darauffolgenden Tage werden als Tag 1, Tag 2, Tag 3 etc. gekennzeichnet und bilden die weiteren Spalten. Gemäss dem Detaillierungsgrad der Kohortenanalyse werden die Abschnitte in Tagen, Wochen oder Monaten gemessen.

Interpretation der Daten

Grundsätzlich sehen wir in der Auswertung, wie viele der Nutzer einer Kohorte nach dem Tag 0 auf die Website zurückkehren, um die Bedingung des Rückkehrkriteriums zu erfüllen. Beispielsweise sehen wir im Bild oben, dass die Kohorte vom 18. Oktober insgesamt 299 Nutzer beinhaltet. Das bedeutet, dass 299 Personen am 18. Oktober zum ersten Mal die Website besucht haben (Erstkontaktereignis als definiertes Kriterium für Kohortenbildung). Von diesen 299 haben 11 Nutzer am ersten Folgetag, also 19. Oktober, etwas auf der Website gekauft (Kauf als Rückkehrkriterium). Am 20. Oktober haben noch 9 Personen dieser Kohorte einen Kauf getätigt. Wir sehen, dass die Anzahl der Käufe auf der Webseite mit der Zeit abnehmend ist für eine Kohorte – ab Tag 4 kehren kaum noch Personen zurück für einen Kaufabschluss. Eine Schlussfolgerung daraus könnte sein, dass die meisten Nutzer Ihre Käufe auf der Website in den ersten 3 Tagen tätigen, nachdem sie die Website kennengelernt haben.

Mithilfe der Kohortenanalyse kann somit das Verhalten der Kohorte innerhalb eines definierten Zeitraums untersucht werden. Auch können verschiedene Segmente innerhalb der Kohorte analysiert und verglichen werden. Hierfür muss unter «Aufschlüsselung» eine Dimension ausgewählt werden. Im Beispiel unten werden die Daten in Bezug auf das Akquisitions-Medium differenziert.

Handlungsempfehlungen anhand der Analyse

Die Erkenntnisse aus Kohortenanalysen bieten wertvolle Insights für das Planen von Marketingaktivitäten, die Unternehmensstrategie und – Entwicklung.

  • Beispielsweise kann herausgefunden werden, an welchem der Folgetage oder an welchen Wochentagen am meisten Nutzer auf die Website zurückkehren. An diesen Tagen würden Marketingaktionen womöglich am besten funktionieren.
  • Umgekehrt kann ein steiler Rückgang von Rückkehrungen an einem bestimmten Folgetag darauf hinweisen, dass ab diesem Zeitpunkt Retargeting-Kampagnen effektiv sein könnten.
  • Wenn Kohorten differenziert nach einer Dimension untereinander vergleichen werden, können möglicherweise Unterschiede erkannt werden, welche für ein Verständnis des Kundenlebenszyklus relevant sind. Die erkannten Muster können dann in der Marketingstrategie berücksichtigt werden, um die Kundenbindung zu erhöhen.
  • Die Kohortenanalyse ermöglichen es, die Resultate von Änderungen am Produkt oder an der Vermarktungsstrategie zu beobachten und zu evaluieren. Auch Fragestellungen zum Produkt Lebenszyklus können beantwortet werden.
  • Schlussendlich können mithilfe der Kohortenanalyse Trends erkannt werden. Zum Beispiel kann der optimale Zeitpunkt für bestimmte Marketingkampagnen im Jahresverlauf bestimmt werden.

Schlusswort

Die Kohortenanalyse ist eine Methode, mehr über das Nutzerverhalten im Zeitverlauf zu erfahren. Dabei werden nicht nur die aktuellen Daten, sondern die Bindung des Kunden über die Zeit hinweg betrachtet, was die Erkenntnisse aus der Analyse besonders wertvoll macht. Auf Basis der gewonnenen Daten können Sie dann gezielt Ihre Marketingmassnahmen optimieren und somit Ihre Konversionen boosten.

Bleiben Sie auf dem Laufenden – Der Westhive Consulting Growth Newsletter

Unser Angebot

Wenn Sie Fragen haben oder Unterstützung im Bereich Google Analytics oder digitalem Marketing benötigen, stehen Ihnen unsere Experten gerne zur Verfügung.