tl;dr
Der Kohortenvergleich-Report lässt dich Kunden anhand ihres Erstbestellungs-Verhaltens in Gruppen clustern — nach Produkt, Rabatt, Marketing-Kanal, Land und mehr
Customer Lifetime Value (CLV) ist die zentrale Metrik. Der Report zeigt dir, welche Kundengruppen über 90 Tage, 365 Tage und All Time den höchsten CLV erzeugen — sodass du mehr in das investierst, was langfristige Profitabilität treibt
Wenn du deine Kosten-Datenquellen konfiguriert hast, kannst du den CLV auch nutzen, um CAC-Ziele zu setzen: Finde heraus, was ein Kunde wert ist, und entscheide, wie viel du dir für seine Gewinnung leisten kannst
Das hilft dir zu erkennen, welche Produkte, Rabattarten, Marketing-Aktivitäten und Länder die Kundenbindung treiben — und welche nicht
⚡ Hinweis zum Zeitraum: Der von dir definierte Zeitraum wählt die in diesem Zeitraum gewonnenen Kunden aus — aber für die Berechnung der Werte wird ihre gesamte Aktivität bis heute herangezogen. Mehr zur Zeitraum-Definition
Revenue & CLV Extension Graphs
Oben im Report visualisieren die Extension Graphs, wie sich Nettoumsatz und DB2 über vier Zeitpunkte für jede deiner Kundengruppen entwickeln:
Erste Bestellung
Innerhalb von 90 Tagen
Innerhalb von 365 Tagen
All Time
Nutze den Nettoumsatz / DB2-Umschalter oben rechts im Diagramm, um zwischen den beiden Ansichten zu wechseln.
Wie funktioniert es?
Dieser Report verdichtet die wichtigsten Retention-Metriken und lässt dich verschiedene Kundensegmente anhand diverser Dimensionen ihrer Erstbestellung vergleichen.
Du kannst eine primäre und (optional) eine zweite Dimension auswählen, um deine Kundengruppen zu definieren — und beliebige zwei Dimensionen kombinieren, um deine Daten genau so zu schneiden, wie du sie brauchst.
Marketing-Kanäle:
Kanal Kategorie — gruppiert Kunden nach der Kategorie des Kanals, aus dem ihre Erstbestellung stammt
Kanal Gruppe — gruppiert Kunden nach der Kanalgruppe (Paid, Brand, Owned) ihrer Erstbestellung
Kanal Name — gruppiert Kunden nach dem spezifischen Kanalnamen ihrer Erstbestellung
UTM Source — gruppiert Kunden nach der UTM-Quelle ihrer Erstbestellung
UTM Medium — gruppiert Kunden nach dem UTM-Medium ihrer Erstbestellung
UTM Campaign — gruppiert Kunden nach der UTM-Kampagne ihrer Erstbestellung
Kunden:
Kundensegment — gruppiert Kunden nach ihrem konfigurierten Kundensegment
Kunden Tags — gruppiert Kunden nach Kunden-Tags
E-Mail-Abonnementstatus — gruppiert Kunden danach, ob sie dem E-Mail-Marketing zugestimmt haben und ob das vor oder nach ihrer Erstbestellung geschah
Produkt:
Produkt Titel — gruppiert Kunden danach, welches Produkt sie zuerst bestellt haben
SKUs — gruppiert Kunden danach, welche SKU sie zuerst bestellt haben
Rabatt:
Rabatt Code — gruppiert Kunden nach dem in ihrer Erstbestellung verwendeten Rabattcode
Rabatt Ziel — gruppiert Kunden danach, ob der Rabatt auf Produkte oder Versand angewendet wurde
Rabatt Typ — gruppiert Kunden danach, ob sie einen Rabatt genutzt haben und welchen Typ
Rabatt Wert — gruppiert Kunden nach der Rabatthöhe. Nutze dies zusammen mit Rabattwerttyp für die korrekte Interpretation
Rabattwerttyp — gruppiert Kunden danach, ob der Rabatt ein Prozentsatz oder ein fester Wert war
Bestellung:
Monat der Erstbestellung — gruppiert Kunden nach dem Kalendermonat ihrer Erstbestellung
First Order Quarter — gruppiert Kunden nach dem Quartal ihrer Erstbestellung
Erstbestellung Tags — gruppiert Kunden nach den Bestell-Tags ihrer Erstbestellung
Zahlungsmethode — gruppiert Kunden nach der in ihrer Erstbestellung verwendeten Zahlungsmethode
Versandland — gruppiert Kunden nach dem Land, in das ihre Erstbestellung versendet wurde
⚡ Hinweis: Ein einzelner Kunde kann innerhalb einer Dimension in mehrere Gruppen fallen. Wenn ein Kunde z.B. in seiner Erstbestellung einen Schuh und ein T-Shirt bestellt, wird sein späteres Verhalten in beiden Produktgruppen gezählt.
Was kann ich analysieren?
Metrik-Zusammenfassung:
Kunden — teilt die Summe durch die Anzahl der Kunden in der Kohorte. Nutze dies, um die Qualität einer Kohorte zu verstehen — es entfernt den Einfluss unterschiedlich großer Kohorten
Gesamt — zeigt die Gesamtsumme. Nutze dies, um den Gesamteinfluss auf dein Geschäft und dein Ergebnis zu verstehen
Beide sind nützlich. Kunden gibt dir den besseren Vergleich zwischen unterschiedlich großen Kohorten. Gesamt zeigt dir den absoluten geschäftlichen Einfluss.
Metriken:
Über den Metriken-Button kannst du eine beliebige Kombination der folgenden 32 Metriken auswählen:
Kunden & Bestellungen:
Kunden — Anzahl der Kunden im Cluster
Tage seit der ersten Bestellung — durchschnittlich verstrichene Zeit seit der ersten Bestellung
Zeitverzug bis zur 2. / 3. / 4. / 5. Bestellung — durchschnittlich verstrichene Zeit zwischen aufeinanderfolgenden Bestellungen
Bestellungen — Gesamtzahl der vom Cluster aufgegebenen Bestellungen
Wiederkaufsraten:
Wiederkaufsrate — gesamte Wiederkaufsrate
30-Tage- / 60-Tage- / 90-Tage- / 180-Tage- / 365-Tage-Wiederkaufsrate — % der Kunden, die innerhalb des jeweiligen Zeitraums eine zweite Bestellung aufgegeben haben
Umsatz (CLR — Customer Lifetime Revenue):
Erste Bestellung — Nettoumsatz aus der ersten Bestellung
30 Tages / 60 Tages / 90d / 180 Tages / 365d CLR — kumulierter Nettoumsatz im jeweiligen Zeitraum
CLR — gesamter Nettoumsatz des Clusters bis heute
Profitabilität (CLV — Customer Lifetime Value):
Erste Bestellung - CLV — DB2 der ersten Bestellung
30 Tages / 60 Tages / 90-Tage / 180 Tages / 365-Tage CLV — kumulierter DB2 im jeweiligen Zeitraum
Kundenlebensdauer (CLV) — gesamter DB2 des Clusters bis heute
CLV-Wachstum:
% CLV Delta 30 / 60 / 90 / 180 / 365 — prozentuales CLV-Wachstum zwischen den Zeiträumen, das zeigt, wie schnell Kunden wertvoller werden
Wofür kann ich das nutzen?
Der Kohortenvergleich ist die operative Version der Kohortenanalyse. Während die Kohortenanalyse dir zeigt, wie sich die Retention über die Zeit entwickelt, lässt dich der Kohortenvergleich fragen: Warum sind manche Kundengruppen loyaler als andere?
Welche Produkte oder Varianten treiben die Retention?
Das erste Produkt, das ein Kunde bestellt, hat oft einen erheblichen Einfluss auf seine Retention. Ein Taster-Bundle mag für die Akquise super sein, weil es günstig ist — aber wenn Kunden dein volles Nutzenversprechen nicht erleben, kann ihre Retention deutlich niedriger sein als bei Kunden, die ein größeres Paket kaufen. Mehr pro Akquise zu zahlen könnte tatsächlich das bessere Investment sein.
Welche Produkte könnten Verbesserung brauchen?
Eine niedrigere Retention bestimmter Varianten kann signalisieren, dass das Produkt schlicht nicht den Kundenerwartungen entspricht. Nutze die Dimension Produkt Variante, um Underperformer aufzudecken und deinem Produktteam zu melden.
Welche Influencer oder Marketing-Aktivitäten bringen profitable Kunden?
Influencer geben typischerweise Rabattcodes aus, was bedeutet, dass du die Qualität der von ihnen gebrachten Kunden verfolgen kannst. Statt nur auf den unmittelbaren CAC und ROAS zu schauen, nutze den Kohortenvergleich, um den CLV ihrer Audience zu bewerten:
Zwei Influencer mit demselben CAC können sehr unterschiedliche CLVs erzeugen — arbeite stärker mit dem, dessen Kunden häufiger zurückkommen
Ein Influencer, dessen CAC dein Ziel übersteigt, kann dennoch profitabel sein, wenn der CLV seiner Kunden weit über dem Durchschnitt liegt
Ein Influencer innerhalb deines CAC-Ziels kann tatsächlich unprofitabel sein, wenn der CLV seiner Kunden weit unter dem Durchschnitt liegt
Dieselbe Analyse funktioniert mit UTM-Parametern — beachte aber, dass die UTM-Attribution nur einen Teil des Traffics abdeckt, nicht alle Bestellungen.
Welche Rabattstruktur bringt die besten Kunden?
Erzeugt ein 10%-Rabatt auf die Erstbestellung loyalere Kunden als ein 5-€-Voucher mit Mindestbestellwert? Die Rabatt-Dimensionen lassen dich das herausfinden und eine profitablere Incentive-Strategie aufbauen.
Welches Land ist am profitabelsten?
Wenn du aus einem Store in mehrere Länder versendest, nutze die Dimension Versandland, um das Retention-Verhalten und die Profitabilität je Markt zu vergleichen. Stelle sicher, dass deine Logistikkosten in Klar pro Region konfiguriert sind, damit der DB2-Vergleich korrekt ist.