Retentions-Kohortenanalyse

Ein Kohorten-Retentionsdiagramm zeigt Retentionsdaten in einer dreieckigen Matrix an. Zeilen repräsentieren Akquisitionskohorten (Januar-Kohorte, Februar-Kohorte usw.); Spalten repräsentieren Zeiträume seit der Akquisition (Woche 1, Woche 4, Monat 3, Monat 6, Monat 12). Jede Zelle zeigt den Prozentsatz der ursprünglichen Kohorte, der in diesem Zeitraum aktiv war. Lesemuster: Diagonaler Vergleich: Der Vergleich der Retentionsrate im Monat 3 der März 2024 Kohorte mit der Retentionsrate im Monat 3 der März 2025 Kohorte zeigt, ob das Produkt Kunden jetzt besser bindet als vor einem Jahr – unter Berücksichtigung des Kohortenalters. Zeilenform: Die Form der Retentionskurve einer Kohorte (wie steil sie in den ersten 4 Wochen abfällt und bei welchem Prozentsatz sie sich abflacht) zeigt, ob das Produkt einen „gebundenen Kern“ engagierter Nutzer hat oder kontinuierlich abnimmt. Eine Retentionskurve, die im Monat 3 auf 5 % fällt und dort bleibt, unterscheidet sich radikal von einer, die im Monat 3 auf 35 % fällt und sich hält – erstere hat kein nachhaltiges Engagement-Modell; letztere hat einen gesunden gebundenen Kern gefunden. Spaltenvergleich: Der Vergleich aller Kohorten im Monat 6 identifiziert Trends in der 6-Monats-Retention über die Zeit – eine Verbesserung der 6-Monats-Kohorten-Retention signalisiert, dass Produktverbesserungen wirken.

Die Verhaltens-Kohortenanalyse gruppiert Nutzer nicht nach dem Akquisitionsdatum, sondern nach einer spezifischen Aktion, die sie im Produkt ausgeführt (oder nicht ausgeführt) haben, und vergleicht dann die Retentionskurven von Nutzern, die die Aktion ausgeführt haben, mit denen, die dies nicht taten. Klassische Methodik (populär gemacht durch Facebooks Entdeckung „10 Freunde in 7 Tagen“): Definiere eine Kohorte von Nutzern, die Aktion X in Woche 1 ausgeführt haben, und vergleiche deren 90-Tage-Retention mit Nutzern, die Aktion X in Woche 1 nicht ausgeführt haben. Wenn die Aktion-X-Kohorte nach 90 Tagen eine Retention von 55 % aufweist, verglichen mit 22 % für Nicht-Aktion-X-Nutzer, ist Aktion X ein starker Retentionsprädiktor. Wichtiger Hinweis: Diese Analyse identifiziert Korrelation, nicht Kausalität. Nutzer, die Aktion X ausgeführt haben, könnten von Natur aus motivierter oder besser passende Kunden gewesen sein, die ohnehin geblieben wären. Um Kausalität herzustellen, führe einen A/B-Test durch, der eine zufällige Untergruppe von Nutzern dazu anregt, Aktion X abzuschließen, und vergleiche deren Retention mit einer nicht angeregten Kontrollgruppe. Wenn die angeregte Gruppe eine bessere Retention aufweist, hat die Aktion einen kausalen Effekt auf die Retention. Product Ops erleichtert die Verhaltens-Kohortenanalyse als Standardbestandteil der vierteljährlichen Produktanalyse und liefert die potenziellen Retentions-vorhersagenden Aktionen zur A/B-Test-Validierung.

Die B2B SaaS-Kohortenanalyse weist fünf wichtige Unterschiede zu B2C-Konsumenten-Apps auf. Analyseeinheit: Die B2B-Retention wird auf Kontoebene gemessen (ist das Unternehmen noch Kunde?), nicht auf Nutzerebene (einzelne Nutzer, die ein Unternehmen verlassen, zählen immer noch als Retention des Unternehmens). Überlebensanalyse: B2B SaaS verwendet die tägliche oder monatliche aktive Nutzung als Retentionsmaß (nicht die App-Öffnungsrate) – ein Konto, das sich mindestens einmal pro Monat anmeldet, gilt als „gebunden“, auch wenn die individuelle Nutzung variiert. Vertragsausrichtung: Jährliche B2B-Verträge schaffen künstliche Retentionsplateaus – Konten kündigen nicht mitten im Vertrag, was zu einem Anstieg der Churn-Ereignisse an den Vertragsjubiläen führt. Kohorten-Retentionskurven im B2B zeigen ein jährliches Sägezahnmuster statt der glatten Kurven, die typisch für B2C sind. Kohortengröße: B2B-Kohorten sind viel kleiner (ein gesundes Enterprise SaaS kann 25–50 neue Enterprise-Konten pro Monat akquirieren, im Vergleich zu Tausenden von Konsumenten-Nutzern) – was längere Zeitfenster für eine statistisch aussagekräftige Analyse erfordert. Expansionseffekt: Die B2B-Kohortenanalyse sollte nicht nur die Überlebensrate, sondern auch den ARR pro Kohorte über die Zeit verfolgen – eine Kohorte, bei der 85 % der Konten überleben, aber der ARR um 150 % gewachsen ist (durch Expansion), unterscheidet sich dramatisch von einer Kohorte, bei der 98 % überleben, aber der ARR stagniert.