Lead-Kohorte
Eine Lead-Kohorte ist eine Gruppe von Leads mit einem gemeinsamen Merkmal – etwa der Erfassungswoche, der Quiz-Punktstufe oder der Akquisequelle –, die gemeinsam analysiert wird, um Muster über die Zeit zu erkennen.
Das Wichtigste in Kürze
- Die Zugehörigkeit wird bei der Erfassung fixiert und danach nie geändert.
- Vergleichen Sie Kohorten im gleichen Alter, nicht am gleichen Kalenderdatum.
- Ein breiterer Zeitraum bringt Stabilität und kostet zeitliche Auflösung.
- Strukturierte Quiz-Felder erlauben Schnitte nach Stufe oder einzelner Antwort.
- Eine junge Kohorte sieht schlechter aus, bis ihr Zyklus abgelaufen ist.
Im Detail
Eine Kohorte wird über ein Merkmal definiert, das sich nach der Erfassung nicht mehr ändert, meist über den Zeitraum des Eintritts. Die Zugehörigkeit ist in diesem Moment fixiert, und genau darum geht es: Die Gruppe wird anschließend nach vorn verfolgt, und jede Messung erfolgt im gleichen Alter statt am gleichen Kalenderdatum. Tag dreißig einer Januar-Kohorte und Tag dreißig einer März-Kohorte sind vergleichbar, obwohl zwischen den Datumsangaben zwei Monate liegen.
Kohortengröße und Trennschärfe stehen gegeneinander. Wochenkohorten reagieren schnell auf Änderungen, enthalten aber je zu wenige Leads, als dass ein Unterschied etwas bedeuten würde; Monats- oder Quartalskohorten sind stabil, verbergen aber, was innen passiert ist. Ein zweites Merkmal, etwa Quelle zusätzlich zum Zeitraum, vervielfacht die Gruppen und verkleinert jede einzelne. Eine brauchbare Regel: Verbreitern Sie den Zeitraum, bis eine typische Kohorte genug Abschlüsse enthält, um eine handlungsrelevante Veränderung zu erkennen.
Praktisch dient die Kohorte dem Vorher-Nachher-Vergleich einer Änderung. Veröffentlichen Sie eine neue Headline, ein neues Angebot oder ein kürzeres Formular und vergleichen Sie dann die danach erfasste Kohorte mit der davor, im gleichen Alter. Quiz-Funnel machen das besonders sauber, weil jeder Teilnehmer dieselben strukturierten Felder mitbringt; eine Kohorte lässt sich nach Score-Stufe, nach der Antwort auf eine Frage oder nach Quiz-Version schneiden, ohne unterschiedliche Formularschemata abzugleichen.
Kohorten unterstellen, dass außer dem definierenden Merkmal alles ungefähr gleich blieb, und im Marketing trifft das selten zu. Eine schlechter konvertierende Kohorte kann in einer saisonalen Flaute, während einer Wettbewerberkampagne oder nach einer Preisänderung entstanden sein; nichts davon kontrolliert die Gruppierung. Die schärfste Falle sind sehr junge Kohorten: Sie sehen nur deshalb schlecht aus, weil ihre Abschlüsse überwiegend noch bevorstehen. Lesen Sie keine Kohorte als fertiges Ergebnis, die jünger ist als ein typischer Verkaufszyklus.
Beispiel aus der Praxis
So wird es gemessen
Lesen Sie eine Kohorte als Kurve, nicht als Zahl. Tragen Sie je Kohorte den Anteil ab, der in jeder Alterswoche eine bestimmte Stufe erreicht hat: kontaktiert, Termin gehalten, abgeschlossen. Die Form zeigt zwei verschiedene Dinge, nämlich wie hoch die Kurve am Ende steigt und wie schnell sie dorthin gelangt, und eine Änderung kann das eine verbessern und das andere verschlechtern.
Halten Sie neben der Kurve Größe und Kosten jeder Kohorte fest. Eine Kohorte mit höherer Rate, die nur ein Drittel so viele Leads enthält, kann weniger Umsatz bringen als eine schwächere, größere. Teilen Sie den der Kohorte zugerechneten Umsatz durch die Akquisekosten und vergleichen Sie dieses Verhältnis zwischen gleich alten Kohorten, statt nur Conversion-Raten gegenüberzustellen.
Häufige Fehler
Der häufigste Fehler ist, eine frische Kohorte neben eine ausgereifte in dieselbe Tabelle zu stellen. Die neueste Spalte liegt immer unten, und jemand liest das als Rückgang. Zeigen Sie Kohorten als Dreieck, in dem jede Spalte ein Alter ist, lassen Sie unvollständige Zellen leer statt sie mit Teilzahlen zu füllen, und vergleichen Sie zwei Kohorten erst, wenn beide dasselbe Alter erreicht haben.
Der zweite Fehler ist, Leads zwischen Kohorten wandern zu lassen. Gruppieren Sie nach Quelle und tritt ein Lead später über einen anderen Kanal erneut ein, schreibt eine Aktualisierung der Quelle die Geschichte um, und die alte Kohorte ändert still ihre Größe. Setzen Sie den Kohortenschlüssel einmal bei der Erstellung und aktualisieren Sie ihn nie. Spätere Kanalaktivität gehört in ein eigenes Feld.
Häufig gestellte Fragen
Worin unterscheidet sich eine Lead-Kohorte von einem Lead-Segment?
Ein Segment gruppiert Leads nach statischen Merkmalen wie Branche oder Unternehmensgröße zu einem beliebigen Zeitpunkt, während eine Kohorte einen gemeinsamen Startpunkt – oft einen Zeitraum – fixiert und diese Gruppe weiterverfolgt. Kohorten betrachten Verhalten über die Zeit, Segmente betrachten, wer ein Lead gerade ist. Viele Teams nutzen beides gemeinsam.
Was verrät eine Kohortenanalyse über die Lead-Qualität?
Die Kohortenanalyse zeigt, wie verschiedene Lead-Gruppen über die Zeit konvertieren, halten oder stocken, und legt offen, welche Quellen und Quiz-Segmente echten Umsatz bringen. Sie kann aufdecken, dass ein volumenstarker Kanal in Wahrheit minderwertige Leads liefert. Diese Erkenntnis hilft, Budget auf das umzuverteilen, was wirklich funktioniert.
Warum eignen sich Quiz-Funnels gut zum Bilden von Kohorten?
Ein Scorecard-Quiz erfasst zu jedem Teilnehmer konsistente, strukturierte Daten – Score, Segment und Zeitstempel –, sodass Kohorten sauber und vergleichbar sind. Es gibt keine lückenhaften oder fehlenden Daten, die erst normalisiert werden müssten. So lassen sich etwa Leads der heißen Stufe über aufeinanderfolgende Wochen leicht vergleichen.
Was unterscheidet eine Lead-Kohorte von einem Lead-Segment?
Eine Kohorte hat feste Zugehörigkeit und wird über die Zeit verfolgt; ein Segment ist ein lebender Filter, dessen Mitglieder sich mit den Datensätzen ändern. Wer im März erfasst wurde, bleibt für immer in der März-Kohorte, während ein Segment mit Score über achtzig täglich Mitglieder gewinnt und verliert. Kohorten beantworten, ob sich etwas geändert hat, Segmente, wen Sie heute kontaktieren.
Wie groß muss eine Lead-Kohorte sein?
Groß genug, dass die Zahl der Abschlüsse stabil ist, nicht die Zahl der Leads. Erzeugt eine Kohorte aus zweihundert Leads vier Abschlüsse, verschiebt ein einziger zusätzlicher Abschluss die Rate um ein Viertel, und nichts davon ist belastbar. Verbreitern Sie den Zeitraum oder messen Sie eine frühere Stufe wie Antworten oder gebuchte Termine mit größeren Fallzahlen.
Sollten Kohorten wöchentlich, monatlich oder quartalsweise sein?
Richten Sie den Zeitraum an Verkaufszyklus und Volumen aus. Schließen Deals in Wochen und erfassen Sie Hunderte Leads pro Monat, sind Wochenkohorten lesbar. Läuft der Zyklus über mehrere Monate, sind Wochengruppen noch halb leer, wenn Sie eine Antwort brauchen; monatlich oder quartalsweise ist dann ehrlicher. Viele Teams nutzen Wochenkohorten für frühe Signale und Monatskohorten für Umsatz.
Kann ich Kohorten nach etwas anderem als dem Erfassungsdatum bilden?
Ja, solange das Merkmal bei der Erfassung feststeht und für jeden Lead vorliegt. Score-Stufe, Quiz-Version, Kampagne, erste Landing Page und Größenklasse funktionieren. Nicht geeignet ist alles, was sich später ändert, etwa Lifecycle-Stufe oder aktuelle Zuständigkeit, denn dann wäre die Kohorte über genau das Ergebnis definiert, das Sie messen wollen.
Wie lange sollte ich eine Lead-Kohorte verfolgen?
Bis die Conversion-Kurve flacher wird, also etwa das Anderthalbfache eines typischen Verkaufszyklus. Ein früherer Stopp zählt langsame Abschlüsse nicht mit und lässt Quellen mit langem Zyklus schlechter aussehen. Lassen Sie die Kohorte danach im Report offen, behandeln Sie späte Zugänge aber nicht mehr als aussagekräftig; die Unterschiede sind dann eher Rauschen als der getestete Effekt.
Warum sieht jede Kohorte schlechter aus als die vorherige?
Meist weil die neueren Kohorten jünger sind, nicht schlechter. In einer nach Datum sortierten Tabelle hatten die letzten Zeilen weniger Zeit zu konvertieren und liegen immer niedriger. Prüfen Sie, indem Sie jede Kohorte in einem festen Alter statt zum heutigen Datum vergleichen. Bleibt die Lücke danach bestehen, suchen Sie eine echte Ursache wie veränderten Traffic-Mix oder ein anderes Angebot.