Analysen 8 – Kohorten
1 Kohorten im Überblick
Als Kohorte wird in Mapp Intelligence eine Gruppe von Besuchern bezeichnet, die im gleichen Zeitraum
ihren Erstbesuch hatten.
- Mit Kohortenanalysen lässt sich die langfristige Entwicklung von Besuchern untersuchen.
- Häufig wird so die Nachhaltigkeit unterschiedlicher Marketingmaßnahmen miteinander verglichen, z.B. die Fragestellung "Welchen Umsatz generierten Besucher, die über eine Display-Kampagne kamen in den ersten 6 Monaten nach Erstbesuch?".
Mit Kohortenanalysen können 2 unterschiedliche Sichtweisen betrachtet werden:
- Zeitpunkt des Erstbesuchs
- Zeit seit Erstbesuch
2 Zeitpunkt des Erstbesuchs
Der Zeitpunkt des Erstbesuchs kann als Tag, Woche oder Monat ausgewiesen werden.
Dimensionen | Beschreibung |
---|---|
Kohorten (Monatlich) | Zeigt den Zeitpunkt des Erstbesuches von Neubesuchern im Format YYYY-MM. |
Kohorten (Wöchentlich) | Zeigt den Zeitpunkt des Erstbesuches von Neubesuchern im Format YYYY-WW. |
Kohorten (Täglich) | Zeigt den Zeitpunkt des Erstbesuches von Neubesuchern im Format YYYY-MM-DD. |
- Dabei muss das komplette Zeitintervall der Kohorte (ganzer Monat, ganze Woche, ganzer Tag) als Analysezeitraum ausgewählt sein.
- Kohorten werden nur für abgeschlossene Zeiträume (bis letzter Monat, bis letzte Woche, bis gestern) berechnet.
- Es werden meist speziell definierte Kennzahlen zur Analyse verwendet, die Auskunft über die Nutzeraktivität in den folgenden Zeiteinheiten geben.
2.1 Vordefinierte Analysen
Eine Reihe von vordefinierten Analysen sind in einem Report unter Reports > Übersicht > Kohorten Performance abrufbar.
Loyalität
Die Loyalität sagt aus, wie viel Prozent der Neubesucher eines bestimmten Monats in den Folgezeiträumen die Webseite erneut besucht haben.
Lesebeispiel | |
---|---|
Wiederkehrende Visitors % (Monat 1) | 27,43 % aller Neubesucher im Februar waren auch noch 1 Monat später aktiv. |
Um das im Beispiel gezeigte Kohortenintervall zu untersuchen, muss als Analysezeitraum der 01.01. bis 31.03.2017 eingestellt werden. |
---|
Der in der Metrik ausgewiesene "Monat" weist dabei eine Zeitspanne von jeweils 30 Tagen aus.
Beispiel: 1 Besucher
Lesebeispiel | |
---|---|
Kohorten (Monatlich) | Wir betrachten alle User, deren Erstbesuch im Januar 2017 erfolgte. |
Wiederkehrende Visitors % (Monat 0 | Beide Besuche erfolgten innerhalb von 30 Tagen nach Erstbesuch und werden daher hier zugeordnet. |
Wiederkehrende Visitors % (Monat 1) | 30-59 Tage nach Erstbesuch erfolgte kein Zugriff. |
Wiederkehrende Visitors % (Monat 2) | 60-89 Tage nach Erstbesuch erfolgte erneut ein Zugriff. |
Beispiel: 2 Besucher
Lesebeispiel | |
---|---|
Wiederkehrende Visitors % (Monat 1) | Bei 50 % aller User erfolgte 30-59 Tage nach Erstbesuch erneut ein Zugriff. |
Wiederkehrende Visitors % (Monat 2) | Bei 50 % aller User erfolgte 60-89 Tage nach Erstbesuch erneut ein Zugriff. |
Konversionsrate
Diese Analyse zeigt die Entwicklung der Konversionsrate seit Erstbesuch.
Lesebeispiel | |
---|---|
Konversionsrate (Monat 1) % | 6,79 % aller Neubesucher aus dem Januar haben im Monat 1 (30.-59. Tag) nach Erstbesuch eine Bestellung durchgeführt. |
Berechnung der Konversionsrate (Monat): Anzahl Bestellungen / Visitors (pro Monat) * 100
Lesebeispiel | |
---|---|
Kohorten (Monatlich) | Wir betrachten alle User, deren Erstbesuch im Januar 2017 erfolgte |
Konversionsrate (Monat 0) | Alle Besucher haben in den ersten 29 Tagen nach Erstbesuch bestellt |
Konversionsrate (Monat 1) % | Kein Besucher hat 30-59 Tage nach Erstbesuch bestellt |
Konversionsrate (Monat 2) % | Alle Besucher haben 60-89 Tage nach Erstbesuch bestellt |
Durchschnittlicher Warenkorbwert
Die Analyse zeigt, wie sich der durchschnittliche Bestellwert pro Monat entwickelt.
Lesebeispiel | |
---|---|
Bestellwert Ø (Monat 1) | Neubesucher aus dem Januar haben im Monat 1 (30.-59. Tag) nach Erstbesuch Bestellungen mit einem durchschnittlichen Bestellwert von 77,69 € generiert. |
Customer Lifetime Value
Die Analyse zeigt, wie sich der kumulierte Bestellwert pro Monat entwickelt.
Lesebeispiel | |
---|---|
Bestellwert kumuliert (Monat 0) | Neubesucher aus dem Januar haben in den ersten 29 Tagen einen Bestellwert von 548.018,73 € generiert. |
Bestellwert kumuliert (Monat 2) | Für Neubesucher aus dem Januar hat sich der Gesamt-bestellwert 60-89 Tage nach deren Erstbesuch auf 750.166,75 € erhöht. |
2.2 Tägliche und wöchentliche Kohorten
Wenn Sie tägliche oder wöchentliche Kohorten analysieren möchten, müssen Sie dazu eigene Kennzahlen erstellen.
- Für eine permanente Nutzung, sollten diese Kennzahlen unter "Eigene Kennzahlen" definiert werden.
- Filtern Sie die gewünschte Metrik anhand von "Kohorten (Lebensspanne) [...]" auf die entsprechende Woche bzw. den Tag.
Beispiel:
Nutzen Sie folgende Berechnung bei der Erstellung der Formeln für eine wöchentliche Betrachtung:
- Loyalität
Wiederkehrende Visitors % (Woche N) = Visitors (Lebensspanne Woche N) / Visitors (Lebensspanne Woche 0) * 100 - Konversionsrate
Konversionsrate (Woche N) % = Anzahl Bestellungen (Lebensspanne Woche N) / Visitors (Lebensspanne Woche 0) * 100 - Durchschnittlicher Warenkorbwert
Bestellwert Ø (Woche N) = Bestellwert (Lebensspanne Woche N) / Anzahl Bestellungen (Lebensspanne Woche N) - Customer Lifetime Value
Bestellwert kumuliert (Woche N) = Bestellwert (Lebensspanne Woche 0) + […] + Bestellwert (Lebensspanne Woche N)
2.3 Filtern von Kohorten
Über die Filterengine können Kohorten auf bestimmte Fragestellungen eingeschränkt werden. Dabei sollte der Bezug der Filterung beachtet werden.
Am Beispiel der Filterung auf einen Kampagnenkanal werden mögliche Bezüge erläutert.
Eingrenzung auf den User
Alle Visits von Usern, die im Analysezeitraum irgendwann den Kanal "SEM" genutzt haben, werden ausgewiesen.
Eingrenzung auf einzelne Besuche eines Users
Nur Visits über den Kanal "SEM" werden ausgewiesen.
Eingrenzung auf den Erstbesuch
Durch Verwendung des Filters "Neu vs. Stamm" wird sichergestellt, dass der Kanal im ersten Besuch erfasst wurde.
Alle Visits werden ausgewiesen, wenn der Erstbesuch über den Kanal "SEM" erfolgte.
2.4 Use Cases
Wie langfristig kamen Neubesucher über den Kampagnenkanal "SEO" je Monat auf die Webseite?
Analyse: Individuelle Analyse
Lesebeispiel | |
---|---|
Wiederkehrende Visitors % (Monat 1) | 20,19 % aller Neubesucher über den Kanal "SEO" griffen auch 30-59 Tage nach Erstbesuch auf die Webseite zu. |
Wie entwickelte sich der Bestellwert, den rechnerisch jeder User generiert hat?
Analyse: Individuelle Analyse
Lesebeispiel | |
---|---|
Visitorwert (Woche 1)* | Rechnerisch hat jeder wiederkehrende Visitor in Woche 1 13,12 € generiert. |
*dies ist eine selbst erstellte Kennzahl
Diese Kennzahlen müssen als eigene Formeln angelegt werden und berechnen sich:
Bestellwert (Filter: Kohorten (Lebensspanne Woche N) / Visitors (Filter: Kohorten (Lebensspanne Woche N)
In welchen individuellen Zeitclustern kamen User zurück?
Analyse: Individuelle Analyse
Lesebeispiel | |
---|---|
Wiederkehrende Visitors % (Tage 3-6)* | 8,06 % aller Neubesucher vom 1. Februar kamen zwischen 3 und 6 Tage später wieder auf die Webseite |
*dies ist eine selbst erstellte Kennzahl
Diese Kennzahlen müssen individuell als eigene Formeln angelegt werden.
Beispiel Berechnung "Wiederkehrende Visitors % (Tage 3-6)": Visitors (Lebensspanne Tage zwischen 3 und 6) / Visitors (Lebensspanne Tage 0) * 100
3 Zeit seit Erstbesuch
Die Zeit seit Erstbesuch kann als Tag, Woche oder Monat ausgewiesen werden.
Dimensionen | Beschreibung |
---|---|
Kohorten (Lebensspanne Monate) | Die Zeitspanne in Monaten, die zwischen dem ersten und einem weiteren Besuch lag. |
Kohorten (Lebensspanne Wochen) | Die Zeitspanne in Wochen, die zwischen dem ersten und einem weiteren Besuch lag. |
Kohorten (Lebensspanne Tage) | Die Zeitspanne in Tagen, die zwischen dem ersten und einem weiteren Besuch lag. |
Zu jedem Visit wird diese Zeitspanne ermittelt.
3.1 Filtern
Über die Filterengine können Kohorten auf bestimmte Ereignisse eingeschränkt werden.
Das folgende Beispiel zeigt häufig verwendete Filter und die Analyseergebnisse.
Wie viele Tage lagen zwischen Erstbesuch und dem letzten Besuch?
Wie viele Tage lagen zwischen Erstbesuch und dem ersten Kauf?
3.2 Use Cases
Wie viele Wochen vergingen zwischen Erstbesuch und Registrierung?
Analyse: Individuelle Analyse
Lesebeispiel | |
---|---|
Visitors | 378 User hatten sich 1 Woche (= 7 bis 15 Tage) nach ihrem Erstbesuch registriert. |
Wie viele Wochen vergingen, bis User eine bestimmte Anzahl an Visits durchgeführt haben?
Analyse: Individuelle Analyse
Lesebeispiel | |
---|---|
Visitors | Bei 1.069 Usern erfolgte der 3. Visit innerhalb der ersten Woche (= 0 bis 6 Tage). |
Welche unterschiedlichen Lebensspannen gibt es je Kampagnenkanal?
Analyse: Individuelle Analyse
Lesebeispiel | |
---|---|
Visitors | 184 User kamen über den Kanal "Display", waren Stammbesucher und der Zugriff erfolgte eine Woche nach Erstbesuch. |
Wie verteilt sich die Lebensspanne in Wochen je Kampagnenkanal?
Analyse: Individuelle Analyse
*dies ist eine selbst erstellte Kennzahl
Lesebeispiel | |
---|---|
Lebensspanne Woche 1 %* | 10,24 % der Zugriffe über den Kanal "SEO" erfolgten von Usern, deren Erstbesuch 7-15 Tage zurückliegt. |
*dies ist eine selbst erstellte Kennzahl
Diese Kennzahlen müssen individuell als eigene Formeln angelegt werden.
Beispiel für Berechnung "Lebensspanne Woche 1 %": Visitors (Lebensspanne Woche 1) / Visitors * 100