Webanalyse

Kohortenanalyse: Definition und praktischer Leitfaden

Guillaume Sallé

Leiter Analytics-Content & Glossar

Aktualisiert am February 22, 2026

Kurzdefinition

Die Kohortenanalyse ist eine analytische Methode, bei der Nutzer mit einem gemeinsamen Merkmal zu einem bestimmten Zeitpunkt gruppiert werden, um anschliessend die Entwicklung ihres Verhaltens im Zeitverlauf zu beobachten und Retention, Churn oder generierten Wert zu messen. Die Kohortenanalyse ist die Standardtechnik zur Bewertung der langfristigen Gesundheit eines Produkts oder einer Kundenbeziehung.

Wie es funktioniert

Die Kohortenanalyse ist eine longitudinale Analysetechnik, die Nutzergruppen (Kohorten) im Zeitverlauf verfolgt. Sie basiert auf zwei Elementen: dem Definitionsereignis der Kohorte (erster Besuch, erste Anmeldung, erster Kauf) und dem Retention-Ereignis (Rückkehr auf die Website, aktive Nutzung, Abonnementverlängerung). Das klassische Ergebnis ist eine Kohortentabelle: Jede Zeile repräsentiert eine Kohorte (z. B. die im Januar 2026 gewonnenen Nutzer), jede Spalte einen späteren Zeitraum (Woche 1, Woche 2, Monat 1, Monat 2), und jede Zelle gibt den Prozentsatz der zu diesem Zeitpunkt noch aktiven Nutzer an. Diese Visualisierung ermöglicht den Vergleich der Loyalität aufeinanderfolgender Kohorten, die Erkennung, ob Produktverbesserungen oder Akquise-Änderungen die Retention verbessern, sowie die Vorhersage zukünftiger Churns. Die Kohortenanalyse kann auch auf den Umsatz angewendet werden: Statt zu messen, wie viele Nutzer aktiv bleiben, wird gemessen, wie viel Umsatz jede Kohorte im Zeitverlauf erzeugt, was in die Berechnung des LTV (Lifetime Value) einfliesst.

Warum es wichtig ist

Die Kohortenanalyse ist unverzichtbar, um gesundes Wachstum von künstlichem Wachstum zu unterscheiden, das einen hohen Churn verbirgt. Sie zeigt, ob Ihre Akquise-Bemühungen treue oder kurzlebige Nutzer hervorbringen. Insbesondere für SaaS ist Retention der Hauptmotor langfristigen Wachstums: Eine Verbesserung der 3-Monats-Retention einer Kohorte von 30 % auf 40 % kann den LTV jedes gewonnenen Kunden verdoppeln. Die Kohortenanalyse ist ausserdem das zuverlässigste Werkzeug, um die tatsächliche Auswirkung einer Produktverbesserung auf das Nutzerverhalten zu messen.

Wie verbessern oder nutzen

Definieren Sie zunächst klar Ihre Kohorten- und Retention-Ereignisse, bevor Sie die Analyse starten. Analysieren Sie zuerst monatliche Kohorten für einen Makro-Überblick und gehen Sie dann auf wöchentliche Granularität für detaillierte Analysen. Vergleichen Sie Retention-Kurven zwischen Kohorten unterschiedlicher Akquise-Quellen, um Ihre qualitativ hochwertigsten Kanäle zu identifizieren. Nutzen Sie diese Erkenntnisse, um Onboarding- und Reaktivierungsoptimierungen zu priorisieren.

Mit Sublim

Sublim integriert die Kohortenanalyse direkt in seine Oberfläche, mit vollständigen, nicht stichprobenbasierten und DSGVO-konformen Daten. Durch die Datenhaltung in Europa und den Verzicht auf Cookies bietet Sublim eine repräsentativere Kohortenanalyse als GA4, insbesondere für europäische Zielgruppen, die für das Thema Einwilligung sensibilisiert sind.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Kohortenanalyse und Retention-Analyse?

Die Retention-Analyse ist das Ziel der Kohortenanalyse: messen, wie viele Nutzer im Zeitverlauf aktiv bleiben. Die Kohortenanalyse ist die Methode, um diese Messung präzise durchzuführen, indem Nutzer nach Akquise-Periode gruppiert werden, um den Zeiteffekt auf ihr Verhalten zu isolieren.

Benötigt man viele Daten für eine Kohortenanalyse?

Ja, eine Kohortenanalyse erfordert ein ausreichendes Nutzervolumen pro Kohorte, um statistisch signifikant zu sein. In der Regel wird eine Kohorte von mindestens 100 Nutzern empfohlen. Darunter können zufällige Schwankungen die Schlussfolgerungen verfälschen. Für kleine Zielgruppen ermöglichen quartalsweise statt monatliche Kohorten ein ausreichendes Volumen.

Kann man eine Kohortenanalyse auf den Umsatz statt auf die Aktivität anwenden?

Ja, die Umsatz-Kohortenanalyse (oder LTV-Analyse pro Kohorte) misst, wie viel Umsatz jede Kohorte im Zeitverlauf akkumuliert. Sie ist besonders nützlich für SaaS mit Abonnements und für E-Commerce mit wiederkehrenden Käufen, da sie den realen Wert offenbart, der von jeder Kundengeneration generiert wird.