Eine Shopify-Kohortenanalyse fasst Kunden mit einem gemeinsamen Ausgangspunkt zusammen – etwa dem Monat ihres ersten Kaufs – und verfolgt, was anschließend geschieht. So können Unterschiede sichtbar werden, die ein shopweiter Durchschnitt verbirgt. Vergleichen Sie für jede Gruppe denselben Zeitraum nach Eintritt. Eine Kohorte mit sechs Monaten Wiederkaufmöglichkeit lässt sich nicht fair mit einer vergleichen, die erst seit zwei Monaten besteht.
Ein klares Ausgangsereignis wählen
Häufige Möglichkeiten sind Monat des Erstkaufs oder Anmeldezeitraum. Halten Sie die Definition einheitlich und ändern Sie sie nicht mitten in der Analyse. Notieren Sie wichtige Bedingungen wie ein großes Akquisitionsangebot oder ungewöhnliche Produkteinführung.
Nutzen Sie Sendvio-Kundendaten und -Segmente, um Gruppen zu ordnen, die Sie verlässlich erkennen können. Leiten Sie aus einem Kohortenlabel keine detaillierten Beweggründe ab. „Erstkauf im November“ ist eine Tatsache; „kauft nur wegen Rabatten“ ist eine stärkere Behauptung, die mehr Nachweise benötigt.
Die Kohorte einmal definieren und die Ausgangsgruppe beibehalten
Legen Sie für eine Erstkaufkohorte fest, welche qualifizierende Bestellung als erster Kauf gilt und wie Stornierungen oder Erstattungen einbezogen werden. Halten Sie die anfängliche Kundenzahl sichtbar. Wird die Ausgangsgruppe nach Sichtung der Ergebnisse verändert, kann eine schwache Kohorte besser aussehen, indem unbequeme Datensätze ausgeschlossen werden.
Ergänzen Sie Kontext wie Hauptproduktkategorie, Akquisitionsquelle oder Angebot, aber verengen Sie Gruppen nicht so stark, dass jeder Vergleich nur wenige Personen enthält. Beginnen Sie mit der Frage, die beantwortet werden soll, und verwenden Sie nur Unterscheidungen, die bei der Interpretation helfen. Ein Monatslabel allein erklärt kein anderes Kundenverhalten.
Nutzen Sie verlässliche Kunden- und Bestelldaten und exportieren sowie analysieren Sie sie bei Bedarf mit einem geeigneten Verfahren. Nehmen Sie nicht an, der Name eines Segments liefere automatisch alle historischen Informationen, die für eine Kohortenanalyse nötig sind.
Jeder Gruppe gleich viel Zeit geben
Eine Gruppe, die vor sechs Monaten begann, hatte mehr Gelegenheit zum Wiederkauf als eine, die erst letzte Woche startete. Vergleichen Sie Ergebnisse nach demselben Zeitraum, etwa einer festgelegten Anzahl von Tagen nach dem Erstkauf.
Verwenden Sie klare Kennzahlen: Rate des Zweitkaufs, Zeit bis zur nächsten Bestellung, Umsatz je ursprünglichem Kunden oder relevantes Engagement. Berücksichtigen Sie Rücksendungen und Stornierungen einheitlich. Trennen Sie Produktkategorien, wenn sich deren natürliche Ersatzzyklen stark unterscheiden.
Denselben Zeitraum ab Eintritt vergleichen
Angenommen, eine Januar-Kohorte enthält 200 Erstkäufer, von denen 40 innerhalb von 60 Tagen erneut kaufen. Die Zweitkaufsrate beträgt nach dieser Definition 20 Prozent. Eine Februar-Kohorte mit 300 Erstkäufern und 45 Zweitkäufern im selben 60-Tage-Zeitraum erreicht 15 Prozent. Behalten Sie neben Prozenten die Zahlen und berücksichtigen Sie Unsicherheit, bevor Sie den Unterschied für stabil halten.
Eine erst vor 20 Tagen gestartete Gruppe kann noch nicht anhand ihres 60-Tage-Ergebnisses bewertet werden. Lassen Sie das Ergebnis offen oder vergleichen Sie einen früheren Zeitraum, den alle Kohorten durchlaufen haben. Bezeichnen Sie Kunden nicht als Nichtwiederkäufer, nur weil sie noch nicht dieselbe Gelegenheit zur Rückkehr hatten.
Aus dem Muster eine nützliche Frage ableiten
Kauft eine Kohorte seltener erneut, prüfen Sie Anmeldeversprechen, Produkterlebnis und Folgekommunikation. Gehen Sie nicht davon aus, die Begrüßungs-E-Mail habe den Unterschied verursacht, wenn sich zugleich Produkte oder Rabattbedingungen geändert haben.
Nutzen Sie die Erkenntnis für eine gezielte Verbesserung und verfolgen Sie die nächste vergleichbare Gruppe. Eine Kohortenanalyse ist wertvoll, weil sie Zeit und Kontext sichtbar macht. Sie soll zeigen, wo Kunden ein besseres Erlebnis brauchen, und nicht jeden Unterschied in eine selbstsichere Erklärung verwandeln, für die Nachweise fehlen.
Untersuchen Sie Unterschiede im geschäftlichen Kontext. Ein hoher Rabatt, Warenmangel, eine neue Produktzusammenstellung oder langsamere Lieferung können das Erlebnis einer Kohorte ändern. Haben sich mehrere Faktoren verändert, isoliert das Ergebnis nicht die Begrüßungs-E-Mail oder einen anderen einzelnen Kontaktpunkt. Nutzen Sie das Muster für eine gezielte Untersuchung oder einen künftigen Test.
Prüfen Sie bei Bedarf neben dem Zweitkauf auch Zeit bis zur Rückkehr, Umsatz oder Deckungsbeitrag pro ursprünglichem Kunden, Rücksendungen und wiederkehrende Supportthemen. Die praktische Schlussfolgerung sollte ein zu verbesserndes Kundenerlebnis benennen, etwa bessere Hinweise zur ersten Nutzung oder einen passenderen Nachfüllzeitpunkt. Kohorten helfen beim fairen zeitlichen Vergleich, machen einen beschreibenden Unterschied aber nicht von selbst zu einer kausalen Erklärung.