Kohortenanalyse
Verwenden Sie Kohorten bei Ihrer Kundenanalyse, es gibt keine "one size fits for all".
Die Kohortenanalyse ist ein Zweig der Verhaltensanalyse, bei dem die Kunden nicht als eine einzige Gruppe betrachtet werden, sondern für die Analyse in Gruppen unterteilt werden, die Kohorten genannt werden. Die Idee besteht darin, das Verhalten von Personengruppen zu analysieren, die auf der Grundlage gemeinsamer Verhaltensmuster über einen bestimmten Zeitraum oder an einem bestimmten Ort vereint sind.
Die Kohortenanalyse ermöglicht es Unternehmen, Muster in verschiedenen Phasen des Kundenlebenszyklus klarer zu erkennen, anstatt sie blind für alle Kunden zu analysieren, ohne den natürlichen Zyklus zu berücksichtigen, in dem sich der Kunde befindet. Durch die Beobachtung von Verhaltensmustern über Kohorten hinweg können Unternehmen ihr Geschäft besser auf diese spezifischen Kundengruppen abstimmen.
In diesem Zusammenhang ist zu erwähnen, dass die Kohortenanalyse manchmal als Teil einer allgemeineren statistischen Technik, der Kohortenstudie, betrachtet wird. Die Kohortenanalyse wird in den Bereichen Business Intelligence und Big Data eingesetzt, während Kohortenstudien in der Medizin, Epidemiologie, Psychologie und Soziologie verwendet werden.
Die Kohortenanalyse besteht aus den folgenden Schritten:
- Metrik definieren. Bei der Analyse geht es darum, einen aussagekräftigen Indikator auszuwählen, um die Situation zu bewerten und die Leistung zu optimieren: zum Beispiel, um den Umsatz zu steigern oder die Kundenabwanderung zu verringern. Dazu muss die zu bewertende Kennzahl definiert werden, zum Beispiel: Kundenabwanderungsrate, Anzahl der Käufe, CLV usw.
- Kohorten bilden. Sie müssen entscheiden, nach welchen Metriken die Kunden gruppiert werden sollen, d. h. was der Ausgangspunkt für die Bildung einer Kohorte ist. Eine der beliebtesten Optionen für die Einteilung in Kohorten ist die erste Aktion, die ein Kunde durchführt, wenn er mit dem Unternehmen in Kontakt tritt, z. B. die Registrierung auf einer Website, der Kauf oder das Herunterladen einer App.
- Vergleich der Kohorten auf der Grundlage von Metriken. Die Analyse besteht darin, Unterschiede zwischen den Kohorten zu entdecken und die für eine bestimmte Kohorte spezifischen Muster des Kundenverhaltens zu erklären.
Bei der Kohortenanalyse können zwei Arten von Metriken unterschieden werden:
- Actionable Metrics (umsetzbare Kennzahlen) sind Kennzahlen, die wiederholbare Aktionen mit beobachtbaren Ergebnissen verknüpfen (z. B. Benutzerregistrierung gefolgt von einem Kauf). Diese Art von Metriken hilft dabei, die tatsächliche Situation zu erkennen, Entscheidungen zu treffen und das Unternehmen zu verbessern.
- Vanity Metrics (Eitelkeitsmetriken) sind Metriken, die ein Unternehmen gut aussehen lassen, aber nicht helfen, das Gesamtbild zu verstehen, und die nutzlos sind, wenn es darum geht, Lösungen zur Verbesserung des Unternehmens zu finden (z. B. die Anzahl der Likes in den sozialen Medien).
Nehmen wir ein einfaches Beispiel für eine Kohortenanalyse: Untersuchung der Wirksamkeit des Abonnements eines Werbe-Newsletters. Nehmen wir an, es gibt drei Möglichkeiten, den Newsletter eines Online-Shops zu abonnieren: ein Pop-up-Fenster auf der Website des Shops, einen Link in einem Artikel auf der Website eines Drittanbieters und ein Gewinnspiel in einem der sozialen Netzwerke, für das man sich anmelden muss. Im Februar meldeten sich 1.000 Personen über das Fenster auf der Website an, das Gewinnspiel zog 700 Abonnenten an und der Blog des Partners 150. Diese drei Gruppen bilden die Kohorten.
Analysieren wir, welche Gruppe den Newsletter länger aboniert. Dazu benötigen wir Daten über den Anteil der geöffneten E-Mails über mehrere Monate.
| Kohorte | Anzahl der Abonenten | März | April | Mai | Juni | Juli |
|---|---|---|---|---|---|---|
| Website | 1000 | 14% | 9% | 7% | 4% | 3% |
| Gewinnspiel | 700 | 5% | 2% | 0% | 0% | 0% |
| Blog des Partners | 150 | 24% | 19% | 15% | 14% | 12% |
| Gesamt | 1850 | 11% | 7% | 5% | 3% | 3% |
Wie Sie aus der Tabelle ersehen können, sind die loyalsten Leser des Newsletters diejenigen, die sich auf der Website des Partners angemeldet haben. Sie lesen den Newsletter am längsten. Das Gewinnspiel in den sozialen Netzwerken brachte so gut wie nichts - sie hörten sofort nach der Durchführung des Wettbewerbs den Newsletter zu lesen.
Daraus können wir schließen, dass die Wirksamkeit des Gewinnspiels in den sozialen Medien gering ist. Es ist sinnvoller, die Ressourcen auf die Werbung über Partner-Websites zu konzentrieren. Das Schaubild zeigt, dass diese Schlussfolgerung fast unmöglich ist, wenn die Stichprobe als Ganzes und nicht nach Kohorten analysiert wird, da die Daten nach der Aggregation gemittelt werden, wodurch erhebliche Unterschiede zwischen den Kohorten verborgen bleiben.
