Bericht "Kohortenanalyse"

Themen in diesem Artikel:

Kohortendaten abrufen

So öffnen Sie den Bericht "Kohortenanalyse":

  1. Melden Sie sich in Google Analytics an.
  2. Rufen Sie die gewünschte Datenansicht auf.
  3. Öffnen Sie Berichte.
  4. Wählen Sie Zielgruppe > Kohortenanalyse aus.

Kohortendaten sind in allen Google Analytics-Konten verfügbar. Änderungen am Tracking-Code sind nicht erforderlich.

Bericht konfigurieren

Menüs zur Konfiguration des Berichts "Kohortenanalyse"

Wählen Sie folgende Parameter über die Menüs aus:

  • Die Dimension, durch die die Kohorten festgelegt werden ("Kohortentyp").
  • Die Größe der Kohorten ("Kohortengröße"): Sie legen die Größe der Kohorte fest, indem Sie den Werttyp für die Dimension festlegen. Wenn Sie beispielsweise die Kohorte durch die Dimension "Akquisitionsdatum" festlegen, können Sie den Werttyp der Dimension in "Tag", "Woche" oder "Monat" ändern. Mit diesen Einstellungen würde eine Kohorte alle Nutzer umfassen, deren Akquisitionstage, -wochen oder -monate übereinstimmen.
  • Den Messwert, den Sie auswerten möchten ("Messwert").
  • Der relative Zeitraum für die Daten und die Anzahl der Kohorten ("Zeitraum").
  • Die Kohorten, die im Diagramm dargestellt werden ("x ausgewählt").

Daten richtig interpretieren

Bericht, in dem die Kohorten für die Dimension "Akquisitionsdatum" nach dem Messwert "Nutzerbindung" aufgelistet sind

Diagramm

Standardmäßig werden im Diagramm die kumulativen Messwerte für alle Kohorten dargestellt. Wählen Sie über das Menü x ausgewählt eine kumulative Diagrammlinie bzw. Diagrammlinien für einzelne Kohorten aus.

Spalten

In der ersten Spalte werden die Kohorten und die Anzahl an Nutzern in jeder Kohorte identifiziert. Wenn Sie die Kohorten beispielsweise durch die Dimension Akquisitionsdatum festlegen, werden in dieser Spalte für jede Kohorte das Akquisitionsdatum und die Anzahl von Nutzerakquisen für den jeweiligen Zeitraum (Tag, Woche oder Monat) aufgelistet.

Die weiteren Spalten entsprechen den Zeitabschnitten, die Sie für die Kohortengröße ausgewählt haben. Wenn Sie beispielsweise nach Tag auswählen, werden in jeder Spalte die Daten für einen Tag angezeigt. Es gibt 13 Spalten für die Zeitabschnitte, die von 0 bis 12 nummeriert sind.

Zeilen

In der ersten Zeile steht der Gesamtmesswert aller Kohorten für die jeweilige Spalte. Wenn zum Beispiel als Messwert Seitenaufrufe ausgewählt ist und in den Spalten die Daten für jeweils einen Tag angezeigt werden, sind in der ersten Zeile die gesamten Seitenaufrufe für einen Tag aufgeführt.

In den anderen Zeilen stehen die Werte für die einzelnen Kohorten.

Zellen

In den Zellen für die Zeitabschnitte 0 bis 12 stehen die entsprechenden Messwerte. Beim Messwert Seitenaufrufe beispielsweise enthält jede Zelle die Anzahl der Seitenaufrufe pro Kohorte im jeweiligen Zeitabschnitt.

Farben

In Analytics werden fünf Farbwerte zur Anzeige relativer Messwerte verwendet. Die dunkelste Farbe kennzeichnet den höchsten Messwert, die hellste Farbe den niedrigsten Messwert. Jede Farbe repräsentiert denselben relativen Wertebereich. Wenn beispielsweise der höchste Wert in der Tabelle 100 % ist, dann kennzeichnet jede Farbe einen Wertebereich von 20 (100/5). Wenn der höchste Wert hingegen 50 % ist, dann kennzeichnet jede Farbe einen Wertebereich von 10 (50/5).

Segmente

Wenn Sie Segmente auf diesen Bericht anwenden, werden die Daten für jedes Segment in einer separaten Tabelle angezeigt.

Da der Bericht "Kohortenanalyse" nutzerbasiert ist, ist es bei Anwendung von sitzungsbasierten Segmenten möglich, dass Sie ungewöhnliche Ergebnisse erhalten, die nicht wie erwartet 100 % der Nutzer am Tag 0 enthalten.

Beispiel: Ein Segment beruht auf der sitzungsbasierten Bedingung Standort: Land stimmt genau überein mit USA. Wenn Sie es anwenden, werden in der Spalte für Tag 0 keine Nutzer aufgeführt, deren Sitzungen am Tag 0 ihren Ursprung in anderen Ländern als den USA hatten.

Filter

Wenn durch einen Filter bestimmte Nutzer am Tag 0 ausgeschlossen werden, kann sich dies auf die nachfolgenden Tage auswirken. Falls Sie zum Beispiel einen Filter anwenden, der Sitzungen am Tag 0 für einige Nutzer ausschließt, aber Sitzungen an den darauffolgenden Tagen für dieselben Nutzer einschließt, können die Werte für diese späteren Tage über 100 % liegen.

Beispiele

Mikrotrends

Wenn Sie die Mikrotrends untersuchen, die zusammen Ihre Makrotrends ergeben, erhalten Sie ein realistischeres Bild Ihres Unternehmens. In Ihren Quartalsdaten kann beispielsweise ein stetiger Anstieg von Transaktionen erkennbar sein, was Sie positiv werten. Beim Untersuchen der wöchentlichen Kohorten, die den größeren Datensatz ausmachen, stellen Sie jedoch trotz eines Anstiegs der neuen Nutzer insgesamt nach Woche 5 einen starken Rückgang der Transaktionen fest. Nun kennen Sie mit Woche 4 den genauen Zeitpunkt, an dem Sie Nutzer erneut kontaktieren müssen, um die Leistung jedes Mikrotrends zu verbessern und so deren Einfluss auf Ihren Makrotrend zu erhöhen.

Kohortenübergreifende Konsistenz, Verbesserung oder Verschlechterung

Durch einfaches Vergleichen der Werte in einer einzigen Spalte können Sie sehen, ob das Verhalten in den verschiedenen Kohorten konsistent ist oder ob sich die Leistung verbessert oder verschlechtert. Je weiter unten sich die Daten in einer Spalte befinden, desto neuer sind die Kohorten und damit auch die Daten. Tag 5 für die zweite Kohorte liegt beispielsweise nach Tag 5 für die erste, obwohl beide Tage in der gleichen Spalte aufgelistet werden.

Wenn Sie Tagesdaten auswerten, können Sie anhand einer einzelnen Spalte, beispielsweise für Tag 5 feststellen, ob die Leistung aller Kohorten zu diesem Zeitpunkt vergleichbar ist oder ob die Daten auf Verbesserungen oder Verschlechterungen hinweisen. Wenn Sie zum Beispiel für alle Kohorten an Tag 5 den gleichen Prozentsatz von Nutzern an sich binden, weist dies auf eine positive Konsistenz der Nutzererfahrung hin. Wenn die Kundenbindung an Tag 5 hingegen stetig steigt, ist das eventuell auf eine Verbesserung Ihres Contents oder eine schnellere Leistung Ihrer App zurückzuführen. Ein einheitlicher Rückgang der Nutzerbindung an Tag 5 kann ein Hinweis auf veralteten Content oder ein Spiellevel hinweisen, das sehr schwierig oder schlecht codiert ist. Auf jeden Fall muss es eine Ursache haben, dass immer weniger Nutzer auf Ihr Angebot zugreifen.

Interaktionen, Kundenbindung und Akquisition

Wenn Sie wissen, ab welchem Punkt weniger Interaktionen erfolgen, zum Beispiel weniger Sitzungen, Seitenaufrufe oder Umsatz, können Sie Folgendes bestimmen:

  • Gemeinsame Ursachen für den Rückgang, die Sie einfach beheben können
  • Die Akquisitionsrate für neue Nutzer, die zur Kompensierung des unvermeidlichen Schwunds erforderlich ist

Wenn Sie beispielsweise feststellen, dass der Umsatz regelmäßig in der dritten oder vierten Woche nach der Akquisition zu sinken beginnt, können Sie versuchen, Nutzer zu erneuten Interaktionen zu bewegen. Eine Möglichkeit hierfür sind Remarketing- oder E-Mail-Kampagnen, in denen Sie Rabatte anbieten, oder Anzeigen für neue Produkte, die Sie nach der letzten Sitzung des Nutzers in Ihr Angebot aufgenommen haben. Eine weitere Option ist dynamisches Remarketing. Dabei werden Anzeigen für Produkte geschaltet, die einen Bezug zu den bei der ersten Interaktion gekauften Artikeln haben.

Wenn Sie unvermeidlichen Schwund feststellen, zum Beispiel 10 % pro Monat, wissen Sie, wie hoch Ihre Akquisitionsrate für neue Nutzer sein muss, um Ihre angestrebte Wachstumsrate zu erreichen.

Reaktion auf kurzfristige Marketingmaßnahmen

Wenn Sie kurzfristige Marketingmaßnahmen durchführen, wie eintägige E-Mail-Kampagnen, können Sie mithilfe dieses Berichts gezielt das Verhalten der Nutzer beobachten, deren Akquisition in den entsprechenden Zeiträumen erfolgte. Wenn Sie also vor einem bestimmten Feiertag nacheinander Kampagnen mit 30, 25 und 20 % Rabatt durchführen, können Sie bestimmte Messwerte wie Umsatz pro Nutzer und Transaktionen pro Nutzer für verschiedene Nutzergruppen vergleichen, deren Akquisition jeweils am Tag einer der Kampagnen stattfand.

War das hilfreich?
Wie können wir die Seite verbessern?