Wie man Cohort-Analyse nutzt um Besucher-Verhalten über Zeit zu verstehen
Von Emily Redmond, Datenanalystin bei Emilytics · April 2026
TL;DR: Cohort-Analyse gruppiert Besucher nach wann sie zuerst ankamen, dann verfolgt wie sie sich über Zeit verhalten. Es antwortet: "Kommen neue Besucher von Monat 1 mehr zurück als neue Besucher von Monat 2?"
Was ist Cohort-Analyse?
Eine Cohort ist eine Gruppe Nutzer die etwas gemeinsam haben, normalerweise wann sie zuerst ankamen.
Beispiele:
- Nutzer die zuerst im Januar besuchten (Januar Cohort)
- Nutzer die sich in Woche 1 anmeldeten (Woche 1 Cohort)
- Nutzer die von Google Ads kamen (Google Ads Cohort)
- Nutzer von spezifisch Land (USA Cohort)
Cohort-Analyse verfolgt diese Gruppen über Zeit um zu sehen:
- Wie viele kommen zurück?
- Wie viel engagieren sie sich?
- Verhalten sich neuere Cohorts anders als ältere?
Erstelle eine Cohort-Analyse in GA4
- Gehe Reports → User → Cohort
- Erstelle einen neuen Cohort Report
- Wähle:
- Cohort Type: Neue Nutzer (nach Datum), oder nach Dimension
- Cohort Date Range: Täglich, wöchentlich oder monatlich Gruppierung
- Metric: Aktive Nutzer (wer kam zurück), oder Sessions, Events, etc.
- Retention Range: 1 Tag zu 90+ Tage
Lese einen Cohort Report
Beispiel Report:
| Cohort | Week 0 | Week 1 | Week 2 | Week 3 | Week 4 |
|---|---|---|---|---|---|
| Jan 1–7 | 1,200 | 240 | 145 | 98 | 72 |
| Jan 8–14 | 1,350 | 265 | 156 | 104 | — |
| Jan 15–21 | 1,280 | 250 | 147 | — | — |
| Jan 22–28 | 1,400 | 270 | — | — | — |
Interpretation:
- Woche 0 = Cohort Größe: Wie viele neue Nutzer diese Woche (1.200, 1.350, etc.)
- Woche 1 = 1-Woche Retention: Wie viele kamen in Woche 1 zurück (20% von Woche 0 Cohort)
- Woche 4 = 4-Woche Retention: Wie viele kamen in Woche 4 zurück (6% von Woche 0 Cohort)
Insights:
- Alle Cohorts haben ~20% Woche 1 Retention (konsistent)
- Alle Cohorts fallen zu ~6% by Woche 4 (erwarteter Decay)
- Jan 22–28 Cohort ist größer (mehr neue Nutzer diese Woche, oder saisonale Spitze?)
Typen von Cohort-Analyse
Typ 1: Retention Cohort
Metric: Aktive Nutzer die zurückkommen
Zeigt: % von neuen Nutzern die zurückkehren.
- Woche 1: 20% Rückkehr
- Woche 2: 12% Rückkehr
- Woche 3: 8% Rückkehr
- Woche 4: 6% Rückkehr
Nutze für: Verstehen "Stickiness" (wie vielen Leuten gefällt dein Produkt?)
Typ 2: Revenue Cohort
Metric: Revenue generiert von Cohort
Zeigt: Wie viel jede Cohort über Zeit ausgeben.
| Cohort | Week 0 | Week 1 | Week 2 | Week 3 | Total |
|---|---|---|---|---|---|
| Jan 1 | $4,800 | $2,100 | $1,200 | $800 | $8,900 |
Nutze für: Verstehen Lifetime Value (LTV). Welche Cohorts sind am wertvollsten?
Typ 3: Engagement Cohort
Metric: Durchschnittlich Events pro Nutzer
Zeigt: Wie engagiert Nutzer von jede Cohort sind über Zeit.
| Cohort | Week 0 | Week 1 | Week 2 | Week 3 |
|---|---|---|---|---|
| Jan 1 | 5.2 | 3.1 | 2.0 | 1.2 |
Nutze für: Verstehen Produkt Stickiness. Machen Nutzer über Zeit mehr Aktionen oder weniger?
Was Cohort-Analyse dir sagt
Insight 1: Dein Produkt hat gute Retention
Wenn Woche 1 Retention ist 40%+ und Woche 4 Retention ist 20%+, hast ein Sticky Produkt.
Nutzer mögen was du machst. Konzentriere auf Wachstum (akquiriere mehr Nutzer).
Insight 2: Dein Produkt hat schlechte Retention
Wenn Woche 1 Retention ist <10%, Nutzer kommen nicht zurück.
Etwas ist falsch:
- Produkt löst das Problem nicht
- Onboarding ist schlecht
- UX ist verwirrent
- Pricing ist falsch
Konzentriere auf Fixierung Retention bevor du mehr Nutzer akquirierst.
Insight 3: Neuere Cohorts haben niedrigere Retention
Jan Cohorts haben 20% Woche 1 Retention. Feb Cohorts haben 12%.
Mögliche Gründe:
- Qualität von neuen Nutzern abnahm (Akquisitions-Kanal änderte?)
- Produkt wurde schlechter (du änderte etwas?)
- Markt änderte (Saisonalität, Konkurrenz)
Insight 4: User Lifetime Value ändert
Alte Cohorts haben 4-Woche LTV von $500. Neue Cohorts haben $300.
Entweder:
- Neue Nutzer sind niedriger Qualität
- Du änderte Pricing
- Du änderte Akquisitions-Kanäle
Untersuche.
Nutze Cohorts um Traffic-Quellen zu verstehen
Erstelle separate Cohorts für verschiedene Traffic-Quellen:
Google Ads Cohort: Neue Nutzer von Google Ads Organische Such Cohort: Neue Nutzer von organischer Suche Social Cohort: Neue Nutzer von Social Media
Vergleiche Retention über Quellen:
| Source | Week 1 Retention | Week 4 Retention |
|---|---|---|
| Google Ads | 25% | 8% |
| Organisch | 18% | 6% |
| Social | 12% | 2% |
Insight: Google Ads Nutzer bleiben länger (höher-Qualitäts Traffic, besser Intent). Social Nutzer bounces (niedrigere Qualität).
Das informiert Budget Allokation: investiere mehr in Google Ads.
Häufig gestellte Fragen
F: Was ist eine gute Retention Rate? A: Hängt ab von Produkt Typ.
- SaaS: 40%+ Woche 1, 15%+ Woche 4 ist gut
- Medien: 20%+ Woche 1, 5%+ Woche 4 ist normal
- E-Commerce: 10%+ Woche 1, 2%+ Woche 4 ist typisch
F: Wie verbessere ich Retention? A: Fixiere Produkt Experience. Besser Onboarding, klarerer Wert, entferne Reibung. Cohort-Analyse identifiziert das Problem (schlechte Retention), aber Fixierung braucht Produkt Arbeit.
F: Sollte ich Cohorts von unterschiedlich Monaten vergleichen? A: Ja, aber account für Saisonalität. Januar Cohorts könnten unterschiedlich halten als Juli Cohorts wegen Saison, nicht Produkt Qualität.
F: Wie lange sollte ich eine Cohort verfolgen? A: Hängt ab von deinem Produkt Zyklus. SaaS: 12 Monate. E-Commerce: 90 Tage. Content: 30 Tage.
Die Essenz
Cohort-Analyse zeigt dir Muster in wie Nutzer über Zeit verhalten.
Starke Retention Cohorts = dein Produkt funktioniert. Schwache Retention = fixiere dein Produkt bevor du skalierst.
Nutze Cohorts um Traffic-Quellen zu vergleichen, Pricing-Änderungen und Produkt-Updates.
Emily Redmond ist Datenanalystin bei Emilytics — KI-Analyse-Agent, der deine Daten rund um die Uhr beobachtet. 8 Jahre Erfahrung. Melde dich →