So führt man eine Kohortenanalyse in Google Analytics durch, um seinen Traffic zu segmentieren

How to Run a Corhort Analysis in Google Analytics to Better Segment Your Traffic

Google Analytics ist ein fester Bestandteil der Strategie jedes erfahrenen digitalen Vermarkters. Dies liegt vor allem daran, dass es eine Fülle von Daten bereitstellt, die so gut wie alles abdecken, was man über seine Webseite wissen möchte.

Der Bericht „Kohortenanalyse“ bietet vor allem Vermarktern und kleinen Unternehmen nützliche Funktionen, denn er kann Dir verraten, wie gut Deine Webseite insgesamt funktioniert.

Was versteht man unter einer Kohortenanalyse?

Um zu verstehen, was eine Kohortenanalyse ist, müssen wir zuerst das Wort „Kohorte“ verstehen.

Kohorten sind Gruppen von Personen, die gemeinsam ein bestimmtes längerfristig prägendes Ereignis erlebt haben und darum ein Merkmal teilen.

Google definiert es als eine Gruppe von Nutzern, die ein gemeinsames Merkmal aufweisen, das durch eine Analytics-Dimension identifiziert werden kann.

Example of a cohort analysis in google analytics

Die Kohortenanalyse ist also der Prozess der Analyse des Verhaltens von Benutzergruppen.

Du kannst Gruppen miteinander vergleichen und nach Unterschieden oder Trends suchen. Wenn Du dabei ein Muster erkennst, kannst Du herausfinden, welche Änderungen und Verhaltensunterschiede zu unterschiedlichen Ergebnissen geführt haben.

Dieser Prozess ist nicht nur auf das digitale Marketing beschränkt. Die Kohortenanalyse kann durchführt werden, um viele verschiedene Arten von Gruppen zu vergleichen. Tatsächlich kommt sie vor allem in medizinischen Studien zum Einsatz, in denen Forscher beispielsweise Personengruppen wie Raucher und Nichtraucher miteinander vergleichen, um Unterschiede zu identifizieren.

example factor to consider for cohort analysis

Denk daran, dass die Analyse auf die Daten beschränkt ist, die Du sammeln kannst. In Google Analytics kannst Du Deine Nutzer basierend auf dem Akquisitionsdatum oder dem ersten Besuch auf Deiner Webseite gruppieren.

cohort analysis considers a user's acquisition use, which is measured as users' first visit to your site

Die Analyse nach Kundenakquisition kann äußerst hilfreich sein, um Daten in einen Kontext zu stellen. Durch die Analyse bestimmter Segmente erhältst Du eine klarere Vorstellung davon, was einen großartigen Kunden ausmacht.

Eine Kohortenanalyse geht jedoch über die grundlegenden Datenpunkte hinaus, da sie die Gründe für Änderungen im Verhalten der Webseitenbesucher zeigen will, daher kann der Vergleich verschiedener Kohorten dabei helfen, mehr darüber zu erfahren, was bestimmte Verhaltensweisen beeinflusst und welche Auswirkungen Deine Marketingkampagnen und Strategien auf das Verhalten der Nutzer haben.

Das Online-Bekleidungsgeschäft für Kinder, Spearmint LOVE, wollte Trends auf seiner Webseite identifizieren und erstellte mehrere Kohortenanalyseberichte.

cohort analysis months on books

Mithilfe dieser Analyse konnte das Unternehmen bestimmen, wie lange der durchschnittliche Besucher auf die Webseite zurückkehrt und die durchschnittlich verstrichene Zeit zwischen Käufen ermitteln. Diese Daten wurden genutzt, um Kohorten anhand des unterschiedlichen Kaufverhaltens von Müttern während der Schwangerschaft und nach der Geburt in benutzerdefinierte Segmente zu unterteilen. Auf diese Weise konnte genauer vorhersagt werden, wann der nächste Kauf stattfindet, um den Inhalt und das Timing der Werbekampagne auf diesen Vorhersagen zu basieren.

Auch wenn dies nur eine mehrerer Strategien war, konnte Spearmint LOVE ein Wachstum von 991 % im Jahresvergleich von 2015 bis 2016 erzielen.

Wie man eine Kohortenanalyse in Google Analytics durchführt

Die Durchführung einer Kohortenanalyse in Google Analytics ist ganz einfach.

Wähle unter „Zielgruppe“ den Bereich „Kohortenanalyse“ aus.

Creating a cohort analysis in google analytics - step 1

Standardmäßig wird nun ein Bericht angezeigt, in dem die Kohorten für die Dimension „Akquisitionsdatum“ nach dem Messwert „Nutzerbindung“ aufgelistet sind.

cohort analysis dashboard - step 2

Tag 0 stellt den ersten Besuch jeden Nutzers auf Deiner Webseite dar, und die folgenden Tage zeigen, ob dieser zurückgekehrt ist.

Mach Dir keine Sorgen, falls Du einen starken Rückgang feststellst. Kohorten sinken unweigerlich im Laufe der Zeit, wenn Benutzer nicht mehr auf die Webseite zurückkehren.

Die Aufrechterhaltung eines stetigen Flusses wiederkehrender Besucher ist selbst für die erfahrensten Vermarkter eine Herausforderung, sei also nicht überrascht, wenn diese Zahl der meisten Deiner Kohorten allmählich abnimmt.

Das folgende Diagramm zeigt eine Tabelle, die die Benutzerbindung einer Webseite nach dem Datum des ersten Besuches der Benutzer in Gruppen unterteilt.

In diesem Fall repräsentiert jede Zeile eine neue Kohorte von Benutzern nach Akquisitionsdatum. Wenn Du feststellst, dass einige Zeilen deutlich unterschiedliche Raten aufweisen als der Rest, kann dies ein guter Ausgangspunkt für Deine Analyse sein, insbesondere, wenn Du größere Marketingkampagnen durchführst.

Eine leistungsstarke Kohorte könnte darauf hinweisen, dass die Kampagne, die Du an diesem Tag durchgeführt hast, besonders effektiv war.

Im oberen Bereich des Dashboards kannst Du die in Deinem Bericht enthaltenen Daten anpassen.

cohort analysis options

Derzeit wird die Kohorte nach Akquisitionsdatum oder dem Datum des ersten Besuchs eines Benutzers auf Deiner Webseite bestimmt, Du kannst die Kohortengröße jedoch anpassen, um Benutzergruppen nach Tag, Woche oder Monat anzeigen zu lassen. Dies ist besonders hilfreich, wenn Du den ausgewählten Zeitraum auf den Zeitraum Deiner letzten oder aktuellen Kampagne abstimmst.

Als Nächstes kannst Du Messwerte auswählen, anhand derer Du Deine Kohorte analysieren möchtest. Der Standardmesswert ist „Nutzerbindung„. Dieser Messwert zeigt den Prozentsatz einer Kohorte, die an den folgenden Tagen nach ihrem ursprünglichen Besuch auf die Webseite zurückkehrt.

user retention cohort analysis

Wenn Dein Hauptziel darin besteht, Deinem Gesamttraffic zu steigern und einen stetigen Fluss wiederkehrender Besucher zu gewinnen, kann dieser Bericht äußerst hilfreich sein. Den meisten Webseitebesitzern bieten die folgenden Gruppen jedoch wertvollere Einblicke, da sie sich auf die Aktionen beziehen, die ein Benutzer über den Besuch der Webseite hinaus ausführt.

Der Messwert „Pro Benutzer“ zeigt die durchschnittliche Anzahl der Aktionen, die jedes Mitglied einer Kohorte auf der Webseite durchgeführt hat, einschließlich:

  • Zielabschlüsse pro Benutzer:
cohort analysis with filters for "goal completions per year"
  • Seitenaufrufe pro Benutzer:
cohort analysis for google analytics for pageviews per user
revenue per user as factor for cohort analysis
  • Durchschnittliche Sitzungsdauer pro Benutzer:
session duration per user for cohort analysis
  • Sitzungen pro Benutzer:
Sessions per user for cohort analysis
  • Transaktionen pro Benutzer:
transactions as a factor in your cohort analysis

Anstatt die Kohorten danach zu bewerten, ob die Besucher regelmäßig auf Deine Webseite zurückkehren, kannst Du Dich auf die Aktionen konzentrieren, die sich auf Deine wichtigsten Ziele auswirken.

Die folgenden Messwerte sind ähnlich, aber anstatt einen Durchschnitt pro Benutzer zu ermitteln, zeigen sie den Gesamtwert der Metrik, einschließlich:

goal completions
revenue
  • Durchschnittliche Sitzungsdauer
  • Sitzungen
  • Transaktionen
  • Benutzer

Du kannst das Zeitfenster Deines Berichtes so anpassen, dass es Daten aus der Vorwoche, zwei Wochen, drei Wochen oder dem Monat enthält. Welchen Bereich Du wählst, hängt vom Umfang der Daten ab, die Du analysieren möchtest, sowie von der Größe Deiner Kohorte. Eine Woche kann bereits viele Daten liefern, wenn Du Deine Kohorte nach Tagen aufschlüsselst, für größere Kohorten sollte jedoch ein größeres Zeitfenster ausgewählt werden.

Tipps, um den größten Nutzen aus Deiner Google Analytics-Kohortenanalyse zu ziehen

Du musst einige Best Practices berücksichtigen, um nützliche und umsetzbare Informationen aus Deiner Kohortenanalyse zu ziehen.

1. Verwende zusätzliche Segmente, um mehr über Deine Zielgruppe zu erfahren

Die Tatsache, dass Du mit den aktuellen Einstellungen nur Kohorten basierend auf dem Akquisitionsdatum erstellen kannst, mag zunächst wie eine Einschränkung erscheinen, doch zum Glück kannst Du zusätzliche Segmente verwenden, um Deine Daten noch besser zu segmentieren. Tatsächlich erlaubt Analytics bis zu vier Segmente pro Bericht.

Wenn Du neue Segmente hinzufügst, wird jedes Segment in einer neuen Tabelle unterhalb der Tabelle „Alle Sitzungen“ angezeigt.

Du könntest Deine Kohortenanalyse beispielsweise vertiefen, indem Du den mobilen Traffic mit dem Gesamttraffic vergleichst.

mobile vs. desktop traffic with cohort study

In diesem Fall erhältst Du folgende Tabelle:

example comparison chart for cohort analysis

Wenn Du nun nach unten scrollst, siehst Du die Daten der einzelnen Kohorten.

data for individual cohorts

Dieser Bericht zeigt, dass 3,98 % der 125.499 Desktop-Benutzer, die sich in der Woche vom 1. bis 7. April angemeldet haben, in Woche 1 sind 2,41 % zurückgekehrt, in der zweiten Woche 2,05 %, in Woche 3 usw. Wenn wir dies jetzt mit den mobilen Nutzern vergleichen, stellen wir fest, dass Desktopnutzer häufiger zurückkehren.

Du kannst neben den oben gezeigten Optionen auch benutzerdefinierte Segmente anwenden, die Du in Analytics angelegt hast. Dies bedeutet, dass Du die Kohortenanalyse verwenden kannst, um auf die Daten von Zielgruppen zuzugreifen, die Du bereits als wertvoll identifiziert hast.

Unten siehst Du einen Vergleich zwischen den Besuchern einer Webseite, die sich für eine kostenlose Testversion angemeldet haben, und denen, die ein Whitepaper heruntergeladen haben.

trial vs paper for factor to feature in cohort analyst

Unabhängig von den Segmenten, die Du bereits verwendest, solltest Du nach Segmenten Ausschau halten, die sich erheblich vom Bericht „Alle Sitzungen“ unterscheiden. Auf diese Weise identifizierst Du eventuell Benutzergruppen, die sich in ihrem Verhalten vom Durchschnittsnutzer unterscheiden, sei es in positiver oder negativer Weise.

Wenn eine Gruppe bessere Ergebnisse erzielt als alle anderen, indem sie beispielsweise öfter auf Deine Webseite zurückkehrt, solltest Du versuchen, den Grund dafür zu ermitteln. Als Nächstes könntest Du diese Erkenntnisse nutzen, um das gewünschte Verhalten auf andere Segmente Deines Traffics zu übertragen.

2. Messe die Reaktionen auf kurzfristige Marketingbemühungen

Die Kohortenanalyse kann auch hilfreich sein, um herauszufinden, wie Deine Zielgruppe auf kurzfristige Marketingmaßnahmen wie E-Mail-Kampagnen reagiert. Mit jeder E-Mail erreichst Du eine etwas andere Gruppe von Benutzern, darum ist die Überwachung des Verhaltens der Nutzer, die Du erreichst, eine großartige Möglichkeit, um Deinen Erfolg zu messen.

Solange Du UTM-Parameter einsetzt, kannst Du innerhalb des Kohortenanalyseberichtes neue Segmente erstellen und in der linken Spalte „Traffic-Quellen“ auswählen.

Example of continually adding cohorts to analysis  and adding new filters

Gib die Parameter Deiner Kampagne ein und vergleiche diese dann mit dem Gesamttraffic Deiner Webseite.

Wenn Du beispielsweise drei Tage lang 25 % Rabatt anbietest, kannst Du die Benutzer verfolgen, die den Rabatt in diesem Zeitraum genutzt haben. Wenn diese Nutzer im Vergleich zu anderen Segmenten eine bessere Leistung erbringen, ist dies ein solider Indikator dafür, dass Du die richtige Zielgruppe erreicht hast.

3. Erfahre mehr über die Einkaufsgewohnheiten im E-Commerce

Eines der größten Vorteile der Kohortenanalyse sind die E-Commerce-spezifischen Daten, einschließlich Umsatz pro Benutzer, Transaktionen pro Benutzer und Gesamtumsatz.

Der Vergleich der Transaktionen pro Benutzer nach Akquisitionsdatum kann die durchschnittliche Zeit zeigen, die ein Benutzer benötigt, um einen Kauf zu tätigen. Dem folgenden Beispiel ist zu entnehmen, dass die Käufe fünf Tage nach dem ersten Besuch ansteigen.

cohort analysis of transactions by day

Es ist wichtig, andere Faktoren zu berücksichtigen, die diesen Anstieg verursacht haben könnten, z. B. eine Werbe- oder Remarketing-Kampagne. Mit diesen Daten kannst Du das Kaufverhalten Deiner Zielgruppe und die durchschnittliche Zeit bis zur Kaufentscheidung besser verstehen.

Du könntest sogar noch einen Schritt weiter gehen, indem Du diese Daten mit dem Lifetime-Wert (LTV) Deiner Kunden vergleichst. Nehmen wir zum Beispiel an, Du stellst fest, dass es im Zeitraum einer 12-wöchigen Kampagne in den Wochen fünf und elf zu einem deutlichen Rückgang der Nutzerbindung gekommen ist.

user retention drop offs as factor in cohort analysis

Jetzt könntest Du den LTV-Bericht desselben Zeitraums aufrufen, um herauszufinden, ob es Kanäle oder Kampagnen gibt, die in diesen Wochen ebenfalls nachgelassen haben. Du findest diesem Bericht unter „Lifetime-Wert“ im Bereich „Zielgruppe“.

Entscheide Dich für einen Messwert, um den Wert Deiner Benutzer zu bestimmen. Bei Onlineshops ist dies wahrscheinlich der Umsatz pro Benutzer.

example of life time value cross report for cohort analysis.

Sortiere die Daten nach Akquisitionskanal, Quelle, Medium oder Kampagne.

LTV and filters example of cohort analysis

Dieser Bericht kann Dir eine Vorstellung davon geben, welche Kanäle optimiert werden müssen, um Einbußen der Leistung Deiner Webseite zu vermeiden und Deine Nutzerbindung sowie Deinen Umsatz zu steigern.

4. Verwende Anmerkungen, um die Auswirkungen zu überwachen

Bei der Analyse des Kohortenberichtes ist es wichtig, alle Faktoren zu berücksichtigen, die sich auf Deine Daten auswirken könnten. Zum Glück kann man Anmerkungen machen, um bestimmte Faktoren zu verfolgen und die Daten bestimmter Ereignisse, Kampagnen und Standortänderungen leichter einzusehen.

Das folgende Diagramm zeigt drei wichtige Ereignisse in Bezug auf die Marketingbemühungen eines Unternehmens.

Example jump in traffic from cohort analysis

In diesem Fall zeigt es das Datum, an dem die Agentur einen Artikel auf einer Plattform veröffentlicht hat. Wenige Tage später war ein deutlicher Anstieg im Traffic festzustellen.

Diese Ergebnisse könnten verwirrend sein, wenn man sich nur den Kohortenanalyse ansieht, mit der Anmerkung stellt man jedoch sicher, dass andere Nutzer, die sich diese Daten ansehen, nicht vergessen, andere wichtige Faktor zu berücksichtigen und die Daten entsprechend vor diesem Hintergrund zu deuten.

5. Speichere die Berichte der wichtigsten Kohorten

Die regelmäßige Verwendung der Kohortenanalyse und das Speichern Deiner Berichte ist eine hervorragende Idee, um Zeit zu sparen. Zudem stellt es auch sicher, dass Du immer dieselben Datensätze verwendest, um keine ungenauen Schlussfolgerungen zu ziehen.

Du kannst Deinen Bericht speichern, indem Du oben im Dashboard auf „Speichern“ klickst und dem Bericht einen Namen gibst.

"save cohort analysis report" example  for ongoing cohort analysis
named report to save to keep cohort analysis groups together

Auf diese Weise werden alle Einstellungen gespeichert, einschließlich erweiterter Segmente, sekundärer Dimensionen und Filter, sodass Du beim nächsten Mal keine Zeit mit der Einstellung Deiner Datensätze verschwendest.

Fazit

Wenn Du nach einer Möglichkeit suchst, Deine Daten überschaubar zu segmentieren, ist die Kohortenanalyse in Google Analytics genau das Richtige für Dich. Du kannst sie nutzen, um Dich bei Deiner Analyse auf bestimmte Untergruppen Deiner Zielgruppe zu konzentrieren.

Du kannst den Bericht verwenden, um mehr über bereits bestehende Segmente (Kohorten) zu erfahren und zu sehen, wie sich ihr Verhalten von anderen Segmenten sowie dem Traffic Deiner Webseite insgesamt unterscheidet. Die Analyse kann auch eingesetzt werden, um die Reaktionen auf bestimmte Kampagnen zu messen, mehr über das Verhalten von Käufern zu erfahren und die Auswirkungen anderer wichtiger Ereignisse, die im Zusammenhang mit Deinem Unternehmen stehen, im Auge zu behalten.

Falls Du Hilfe bei der Erstellung Deiner Berichte und Verwaltung der Daten benötigst – oder diese in Deine allgemeine Marketingstrategie integrieren möchtest – helfe ich Dir gerne weiter.

Wie verwendest Du den Bericht „Kohortenanalyse“ für Deine Webseite?

Teilen