Wertvolle Bestandskunden analysieren mit Kohorten, so gehts (interaktive Simulation)

0
5991

Bestandskunden sind 5 bis 7 mal wertvoller als Neukunden. Punkt. Trotz dieser Tatsache priorisieren viele Firmen noch immer die Neukunden-Gewinnung auf Kosten des Bestandskunden-Marketings. Schon 2011 stellte Forrester in einer Studie fest, dass im Einzelhandel fast 80% der Budgets für digitales Marketing in die Akquise von Neukunden fliesst.[1]

Dass sich an diesem Missverhältnis in den letzten fünf Jahren noch nicht viel geändert hat, sieht man gut am gleichbleibend hohen Stellenwert der Conversion Rate für Firmen als Key Performance Indicator (KPI). Ganz im Gegenteil zum selten erhobenen KPI der Retention Rate, sprich wie viele Kunden über die Zeit gehalten werden können. Für den optimalen Marketing-Mix mit dem höchsten Return On Investment (ROI) müssten aber beide KPIs gleichzeitig optimiert werden.

Den Wert von Bestandskunden, d.h. Wieder- und Stammkäufer, analysierte Adobe 2012 in einer breit angelegten Studie mit anonymisierter Daten von 33 Mrd. Besuchen bei 180 Onlineshops in den USA und Europa.[2]
Hier die Kernaussagen der Studie:

  • In den USA und Europa werden 40% des Umsatzes von Bestandskunden getätigt, die nur 10% des gesamten Besucheraufkommens darstellen.
  • Um das Umsatzvolumen eines Stammkäufers zu erzielen, müssen Marketing-Spezialisten in den USA und Europa 5 bzw. 7 Erstkäufer gewinnen.
  • Die grössten Umsatzsteigerungen durch Bestandskunden sind auf die 9 mal höhere Konversionsrate gegenüber den Erstkäufer zurückzuführen.
  • Stammkäufer bringen vor allem in der Weihnachtssaison und in Zeiten schwachen wirtschaftlichen Aufschwungs einen noch größeren Anteil des Umsatzes.

Der Nutzen von Kohortenanalysen

Die Kohortenanalyse bietet einen visuellen Zugang zur oben genannten Marketing-Mix-Optimierung und zeigt einfach auf, wie sich die Einnahmen bezüglich Neukunden und Bestandskunden über die Zeit entwickeln. Gleichzeitig lassen sich darin sehr leicht Erfolg und Misserfolg von Marketing-Kampagnen ablesen.

Vergleich der Einnahmen Total ohne und mit eingefärbten Kohorten

Zuerst aber zur Definition von Kohorten: Eine Kohorte ist eine Gruppe von Kunden mit einer gemeinsamen Eigenschaft oder Erfahrung in einer definierten Zeitperiode.[3]
Im folgenden Beispiel werden Kunden mit dem selben Akquisitionsdatum, bzw. Akquisitionsmonat zur gleichen Kohorte gezählt. Es könnten aber auch demografische Eigenschaften wie Alter, Geschlecht, Mobile-/Desktop-Zugriff, etc. verwendet werden. Mit der Kohortenanalyse können darauf verschiedene KPIs dieser Kohorten wie z.B. Einnahmen, Anzahl Kunden, Retention-Rate, Conversion-Rate, u.a. analysiert und visualisiert werden. Mit Hilfe der Kohortenanalyse kann also das Verhalten von Kundengruppen über die Zeit abgelesen werden.

Interaktive Simulation

Die Motivation hinter diesem Artikel war es, Kohortenanalysen einfacher „begreifbar“ zu machen. Alle im Netz gefundenen Beispiele erklärten jeweils nur den Prozess wie man von den Daten über die Kohortenanalyse zur Visualisierung (Einzahl!) kommt und dort das Kohorten-Verhalten (Einzahl!) ablesen kann. Für das tiefere Verständnis von Kohortenanalyse-Visualisierungen wären aber verschiedene Verhaltens-Beispiele hilfreich. Aus dieser Erkenntnis entstand folgende interaktive Simulation eines fiktiven Shops: Das Verhalten der Kohorten kann darin selber gewählt und interaktiv verändert werden. In Echtzeit werden die Transaktionsdaten im Hintergrund angepasst, die Kohortenanalyse darauf ausgeführt und visualisiert. Ich hoffe, dass sich damit die verschiedenen Visualisierungen der Kohortenanalyse spielerisch „begreifen“ lassen.

Grafik 1: Einnahmen Total alias „Layer-Cake Graph“[4]

Bevor wir uns mit den farbigen Kohorten in der ersten Grafik auseinandersetzen, klicken Sie zuerst auf folgenden Link: Kohorten ausblenden. Die Grafik unten zeigt nun die traditionelle Sicht auf die Einnahmen über zwölf Monate ohne jegliche Information zur Aufteilung nach Kohorten. Klicken Sie den Link erneut, um die Kohorten wieder anzuzeigen. Wie eingangs erklärt, wurden für dieses Beispiel die Kunden anhand ihres Akquisitionsdatums in Kohorten gruppiert: Kunden in Kohorte „K01“ haben im letzten Monat, d.h. im Dezember ihren ersten Kauf getätigt. Kunden in Kohorte „K12“ sind bereits 12 Monate Kunde, da diese bereits im letzten Januar erstmals gekauft haben. Grau eingefärbt sind alle Einnahmen von früheren Kunden, welche vor mehr als 12 Monate akquiriert wurden.

Grafik 1: Einnahmen Total mit eingefärbten Kohorten

Grafik 1: Einnahmen Total mit eingefärbten Kohorten

Dank der Einfärbung der Einnahmen nach Kohorten wird in Grafik 1 sichtbar wie gross der rote Anteil an Einnahmen von Neukunden gegenüber den restlichen Bestandskuden ist. Folgende Voreinstellungen zeigen die Kohortenanalyse-Visualisierung bei verschiedenen, konstanten Retention-Rates pro Kohorte:

  • 50% Retention-Rate: Die Einnahmen pro Kohorte reduzieren sich jeden Monat um 50%. Somit müssen monatlich 50% der Einnahmen neu akquiriert werden damit sich die totalen Einnahmen nicht reduzieren.
  • 0% Retention-Rate: Das Worst-Case-Szenario – Die monatlichen Einnahmen kommen ausschliesslich von Neukunden welche jeden Monat teuer akquiriert werden müssen.
  • 100% Retention-Rate Das (unrealistische) Best-Case-Szenario – Neukunden können zu 100% in Bestandskunden umgewandelt werden und generieren auf ewig konstante Einnahmen.

In den Grafiken können über das Symbol und den Slider „Kohorten Retention-Rate Global“ beliebige Retention-Raten eingestellt und deren Effekt auf die Visualisierung ausprobiert werden.

Grafik 2: Einnahmen pro Kohorte

Die zweite Visualisierung lässt sich vielleicht am einfachsten mit der Einstellung 80% Retention-Rate erklären: Hier sind die Einnahmen pro Kohorte und Monat nicht summarisch, sondern separat dargestellt. Jede Kohorte hat einen initialen Einnahmen-Höhepunkt im Akquisitionsmonat und fällt danach jeweils um 20% bei der aktuellen Einstellung.

Grafik 2: Einnahmen pro Kohorte

Grafik 2: Einnahmen pro Kohorte

Die gestrichelten Linien in Grafik 2 verbinden jeweils über die Kohorten hinweg die entsprechenden Monatseinnahmen seit dem Akquisitionsdatum der Kohorte: Die rot-gestrichelte Linie verbindet z.B. die Monatseinnahmen im ersten Monat der Akquisition der entsprechenden Kohorte. Am waagrechten Verlauf dieser rot-gestrichelten Linie kann abgelesen werden, dass mit dieser Einstellung alle Kohorten im ersten Akquisitionsmonat mit den gleichen Einnahmen gestartet sind. Da auch alle folgenden gestrichelten Linien horizontal verlaufen, bestätigt dies, dass die Einstellung der Retention-Rate über alle Kohorten tatsächlich konstant ist. Wie dies mit sich ändernden Einnahmen pro Akquisitionsmonat und Kohorte aussieht, zeigen folgende Einstellungs-Beispiele: Ansteigende Start-Einnahmen und Fallende Start-Einnahmen. Auch gut ersichtlich, durch die gebogenen, gestrichelten Linien sind folgende Sommer-Effekte: Ansteigende Sommer-Einnahmen und Fallende Sommer-Einnahmen. Vergleichen Sie jeweils auch den Einfluss auf Grafik 1.

Grafik 3: Einnahmen pro Kohorte ausgerichtet

In der letzten Visualisierung werden im Unterschied zu Grafik 2 die Monats-Einnahmen der Kohorten nach Monaten seit Akquisition ausgerichtet. Im Beispiel Ansteigende Start-Einnahmen zeigt die rot-gestrichelte Linie wieder die Start-Einnahmen im ersten Akquisitionsmonat „M01“. Diese ausgerichtete Visualisierung hat den Vorteil, dass man leichter den Verlauf der Einnahmen im Vergleich zum Startmonat sieht. Mit der aktuellen Einstellung sollten alle Kohorten-Einnahmen parallel verlaufen, da sich nur die Start-Höhe über die Kohorten ändert, die Retention-Rate aber konstant bleibt.

Grafik 3: Einnahmen pro Kohorte (ausgerichtet nach Akquisition)

Grafik 3: Einnahmen pro Kohorte (ausgerichtet nach Akquisition)

Die feine rote Linie kennzeichnet in Grafik 3 die Einnahmen im letzten Monat der Kohortenanalysen-Periode (Dezember). Diese rote Linie war schon in Grafik 2 ganz rechts ersichtlich. Die weiteren grau-ausgezogenen Linien verbinden die entsprechenden Monats-Einnahmen welche weiter zurückliegen. Bei fixierten Start-Einnahmen in folgenden Einstellungs-Beispielen Konstanter Retention und Ansteigender Retention, zeigt sich der Unterschied in der Visualisierung deutlich. Im letzeren Fall sieht man, dass im zweiten Monat nach Akquisition („M02“) die neueren Kohorten deutlich bessere Retention-Raten aufweisen (vergleiche z.B. K02 und K12). Umgekehrt präsentieren sich die Einnahmen-Verläufe im Einstellung-Beispiel Fallende Retention.

Natürlich lassen sich auch hier Spezialfälle konstruieren, bei welchen sich z.B. der Sommer positiv oder negativ auf die Retention pro Kohorte auswirkt. Beim Anstieg Sommer-Retention fallen die Monatseinnahmen von der im Sommer akquirierten Kohorte „K08“ langsamer als jene von „K02“ und „K12“. Umgekehrtes gilt für Fallende Sommer-Retention. Wieder lohnt es sich zum besseren Verständnis auch die Grafik 1 und Grafik 2 zu vergleichen.

Kohortenanalyse Quiz

Möchten Sie testen, ob Sie selber zufällig generierte Kohorten-Verhalten aus den drei oberen Grafiken ablesen können? Klicken Sie dazu auf folgende Links und vergleichen Sie Ihre Schlussfolgerungen mit den tatsächlichen Einstellungen:
Verhalten generieren
Lösung anzeigen

Kohortenanalyse Konfiguration

Konfiguration

  • Kohorten Retention-Rate Global
  • Kohorten Retention Veränderung pro Monat
  • Kohorten Einnahmen Veränderung pro Monat
  • Kohorten Retention Veränderung im Sommer
  • Kohorten Einnahmen Veränderung im Sommer

Voreinstellungen

  • 0% Retention-Rate
  • 50% Retention-Rate
  • 100% Retention-Rate
  • Retention Zunahme
  • Positiver Trend
  • Negativer Trend
  • Positiver Sommer
  • Negativer Sommer

Quellen

  1. Forrester – US Interactive Marketing Forecast, 2011 To 2016 (November 2011)
  2. Adobe – ROI von Marketing-Maßnahmen für bestehende Online-Kunden (September 2012)
  3. Wikipedia – Cohort study
  4. AnalyzeCore – Cohort analysis with R – “layer-cake graph” (Mai 2014)

(Dieser Artikel wurde ursprünglich auf www.revolytics.com publiziert)



HINTERLASSEN SIE EINE ANTWORT

Bitte fügen Sie ihren Kommentar ein!
Bitte geben Sie ihren Namen hier ein