Was ist eine Kohortenanalyse?
Stell dir vor, dein Shop hat jeden Monat 30 % Wiederkäufer. Klingt stabil. Aber vielleicht kommen die Kunden vom letzten Jahr treu wieder, während die neuen kaum noch bleiben. In der Gesamtzahl siehst du das nicht — in der Kohortenanalyse schon.
Eine Kohorte ist eine Gruppe mit gemeinsamem Startpunkt: alle, die im Januar zum ersten Mal gekauft haben, oder alle, die in einer bestimmten Woche die App installiert haben. Google Analytics 4 beschreibt sie schlicht als Gruppe von Nutzern mit gemeinsamen Eigenschaften.
Die Analyse verfolgt dann jede Gruppe über die Zeit: Wie viele kommen im ersten, zweiten, dritten Monat wieder? Wie viel Umsatz bringen sie? So vergleichst du Gruppen gleichen Alters — die Januar-Kunden nach drei Monaten mit den Februar-Kunden nach drei Monaten.
So liest du eine Kohortentabelle
Jede Zeile ist eine Kohorte, jede Spalte ein Zeitraum nach dem Start. In den Zellen steht, wie viele aus der Kohorte in diesem Zeitraum wieder aktiv waren.
Retention je Kohorte
Retention in Periode n = Rückkehrer in Periode n ÷ Startgröße der Kohorte × 100
Beispiel: 200 Erstkäufer im Januar, 24 davon kaufen im Februar wieder → 12 %
Wichtig: Der Nenner bleibt immer die Startgröße, nicht die Zahl aus dem Vormonat. Ein Rechenbeispiel für einen Onlineshop:
Kohorte
Monat 1
Monat 3
Januar (200)
12 %
7 %
Februar (180)
18 %
11 %
Im Februar ist der neue Willkommens-Newsletter gestartet — und die Februar-Kunden kommen spürbar häufiger wieder. In einer Gesamtzahl über alle Kunden wäre der Effekt untergegangen. (Ausgedachte Zahlen.)
Wie viele bleiben normalerweise?
Weniger, als du denkst. Der Analyse-Anbieter Amplitude hat 2025 Daten von über 2.600 Unternehmen ausgewertet, vor allem digitale Produkte. Bei der Hälfte aller Produkte sind nach zwei Wochen über 98 % der neuen Nutzer nicht mehr aktiv.
Wer an Tag 7 noch 7 % einer Neukunden-Kohorte zurückholt, gehört dort zum besten Viertel. Und frühe Bindung sagt viel über die spätere: 69 % der Produkte mit der besten Tag-7-Retention waren auch nach drei Monaten noch vorne.
Für B2B-Software nennt Amplitude nach drei Monaten eine Retention von 2,5 % im Median und 15,6 % bei den besten Produkten. Das sind Anhaltspunkte aus Amplitudes Kundenstamm, keine Branchennorm — für Onlineshops gibt es keine vergleichbar sauber erhobenen Werte.
Kohortenanalyse in GA4 und Shopify
In GA4 findest du sie unter „Explorative Datenanalysen“ als eigene Vorlage. Die wichtigsten Einstellungen:
- Kohorteneinschluss: Was macht jemanden zum Mitglied? Zum Beispiel der erste Besuch oder die erste Transaktion.
- Rückkehrkriterium: Was zählt als Wiederkommen? Ein beliebiges Ereignis, ein Kauf oder ein bestimmtes Ereignis.
- Detaillierungsgrad: täglich, wöchentlich oder monatlich. Shops fahren mit Monaten meist besser, Apps eher mit Tagen oder Wochen.
- Berechnung: Standard zählt nur die Rückkehr in genau diesem Zeitraum, kumulativ zählt alles bis dahin.
GA4 zeigt höchstens 60 Kohorten und beruht auf Gerätedaten. Shopify bringt einen eigenen Bericht „Kundenkohortenanalyse“ mit: Kohorten nach Monat der ersten Bestellung, dazu Kundenbindungsrate, Umsatz und durchschnittlicher Bestellwert je Kohorte.
Häufige Fehler
Fehler 1 · Die jüngste Kohorte zu früh bewerten
Die Kunden vom letzten Monat hatten noch gar keine Zeit, wiederzukommen. Ihre Zeile sieht immer schwach aus. Vergleich nur abgeschlossene Zeiträume — Mixpanel nimmt deshalb nur fertige Perioden in den Durchschnitt.
Fehler 2 · Standard und kumulativ verwechseln
Kumulative Kurven können nie fallen. Das sieht schön aus, ist aber eine andere Zahl als die Rückkehr pro Zeitraum. Schreib immer dazu, welche Variante du meinst.
Fehler 3 · Geräte für Menschen halten
GA4-Kohorten beruhen auf Gerätedaten, die User-ID wird nicht berücksichtigt. Wer am Laptop kauft und am Handy wiederkommt, zählt als neuer Nutzer. Dazu fehlen alle, die das Tracking ablehnen. Die Bindung sieht in GA4 deshalb meist schlechter aus als im Shop-Backend.
Fehler 4 · Unterschiede für Ursachen halten
Die Februar-Kohorte ist besser — aber war es der Newsletter, die Saison oder ein anderer Werbekanal? Kohorten sind nicht zufällig verteilt wie bei einem A/B-Test. Sie zeigen, wo du hinschauen solltest, beweisen aber keine Ursache.
So startest du
- Startereignis festlegen: meist der Erstkauf oder die Anmeldung.
- Rückkehr definieren: Wiederkauf, Login, Öffnen des Newsletters — was für dein Geschäft zählt.
- Raster wählen: Monate für Shops und Dienstleister, Wochen oder Tage für Apps.
- Nach Kanal aufteilen: Kommen Kunden aus Google Ads anders wieder als die aus Empfehlungen?
Häufige Fragen
Was ist der Unterschied zwischen Kohortenanalyse und Segmentierung?
Ein Segment teilt Nutzer nach Merkmalen wie Land, Gerät oder Alter. Eine Kohorte teilt nach dem Zeitpunkt, an dem jemand angefangen hat, und verfolgt die Gruppe danach über die Zeit. In GA4 kannst du beides kombinieren.
Wie mache ich eine Kohortenanalyse in GA4?
Unter „Explorative Datenanalysen“ die Vorlage „Kohortenanalyse“ öffnen, Kohorteneinschluss (etwa erste Transaktion), Rückkehrkriterium (etwa Transaktion) und Detaillierungsgrad wählen. Bedenke, dass die Datenaufbewahrung in GA4 begrenzt, wie weit du zurückschauen kannst.
Welcher Zeitraum ist richtig: Tag, Woche oder Monat?
Der, in dem deine Kunden typischerweise wiederkommen. Eine App wird täglich genutzt, also Tage oder Wochen. Ein Shop für Kaffee braucht Monate, ein Möbelhaus eher Quartale.
Was ist eine gute Retention-Rate?
Das hängt stark von Branche und Messart ab. Bei digitalen Produkten liegt man laut Amplitude mit 7 % an Tag 7 schon im besten Viertel. Für Shops gibt es keine sauberen Vergleichswerte — vergleich deine Kohorten untereinander.
Warum unterscheiden sich die Werte in GA4 und Shopify?
Shopify zählt Kunden über ihr Konto und ihre Bestellungen, GA4 zählt Geräte und Browser. Wer das Tracking ablehnt oder das Gerät wechselt, fehlt in GA4 oder taucht doppelt auf.
