Kohortenanalyse
Kennzahlen →Die Kohortenanalyse gruppiert Kunden nach ihrem Startzeitpunkt und verfolgt jede Gruppe über die Zeit. Sie beantwortet, was Durchschnittswerte verschleiern: Werden die Kunden, die wir heute gewinnen, besser oder schlechter als die von früher?
Fachlich geprüft von Alexander Börsig · CEO B2B-Evolution GmbH · 25+ Jahre B2B-Vertrieb · Stand 2026-08-24
Warum Durchschnitte die Wahrheit verstecken
Eine Gesamtkennzahl wie die Kündigungsquote mischt alte und neue Kunden zu einem Brei: Loyale Langzeitkunden gleichen die Fluchtbewegung der Neukunden rechnerisch aus – die Gesamtzahl bleibt stabil, während das Neugeschäft längst kippt. Bis der Durchschnitt das Problem zeigt, ist es Jahre alt.
Die Kohortenanalyse trennt diesen Brei: Alle Kunden mit Start im selben Quartal bilden eine Kohorte, deren Verbleib, Umsatz und Ausbau über die Monate verfolgt wird. Der Vergleich der Kohorten untereinander zeigt sofort, ob sich die Qualität des Neugeschäfts verändert – Monate bevor es eine Gesamtkennzahl je bemerken würde.
Was Kohorten dem Vertrieb verraten
Kohorten machen Ursachen sichtbar, weil sie Veränderungen zeitlich zuordnen: Bricht die Kohorte ab dem Quartal ein, in dem eine neue Zielgruppe erschlossen, ein Kanal umgestellt oder ein Einstiegsrabatt eingeführt wurde? Dann liegt der Verdacht nahe, dass genau diese Änderung Kunden bringt, die nicht bleiben.
Besonders wertvoll ist der Blick auf Kohorten je Herkunft: Empfehlungskunden entwickeln sich typischerweise anders als rabattgetriebene Aktionskunden – gleiche Umsätze im ersten Monat, völlig verschiedene nach achtzehn. Diese Erkenntnis verändert Budgetentscheidungen fundamentaler als jede Diskussion über Leadpreise: Nicht was ein Kunde kostet, zählt, sondern was seine Kohorte langfristig bringt.
Einfach anfangen statt perfekt scheitern
Kohortenanalysen klingen nach Data Science, brauchen aber nur zwei Angaben je Kunde: Startdatum und Umsatz beziehungsweise Status je Folgemonat. Eine Tabellenkalkulation reicht für den Anfang – Quartalskohorten in den Zeilen, Monate seit Start in den Spalten, fertig ist die erste Verbleibskurve.
Die Falle ist Überkomplexität: zu feine Kohorten mit zu wenigen Kunden erzeugen Zufallsrauschen statt Erkenntnis. Faustregel: Eine Kohorte braucht genug Kunden, um Muster von Einzelfällen zu unterscheiden – im Zweifel lieber Quartale statt Monate gruppieren und weniger, dafür belastbare Aussagen gewinnen.