Auf den ersten Blick lautet die Antwort für die meisten Shopbetreiber glasklar: Ja! Black Friday und ähnliche Aktionen steigern den Umsatz, ziehen neue Kunden an und erhöhen den Bekanntheitsgrad Ihres Online-Shops. Zumindest kurzfristig. Solche Kampagnen wollen allerdings gut ausgeplant und durchgeführt sein, Prozesse und Systeme müssen gegebenenfalls angepasst werden, der Wettbewerb ist höher als sonst, Retouren von bis zu 25 % sind üblich und bestehende Kunden möglicherweise verärgert über die kurzfristigen Dumpingpreise. Und der Umwelt tun sie auch nicht gut.
Schön und gut. Aber wie beurteilen Sie, ob das auch für Ihren Shop gilt? Kann man überhaupt genau herausfinden, ob sich die Black-Friday-Aktion im eigenen Unternehmen gelohnt hat oder nicht? Kann man. Mit einer Kohortenanalyse.
Stellen Sie sich vor, Ihr Online-Shop ist eine Apfelbaumwiese. Als Gärtner wollen Sie Ihre Apfelbäume zum Wachsen bringen (Kundenakquise), damit sie schließlich Früchte tragen (erste Bestellung). Mit der richtigen Pflege (Kundenbindung) der Bäume können Sie im Herbst jährlich wieder und wieder die Äpfel (Wiederkauf) derselben Bäume (Stammkunden) ernten. Natürlich pflanzen Sie fleißig jedes Jahr neue Apfelbäume (Marketingaktionen), um jedes Jahr mehr Früchte von mehr Bäumen zu erhalten. Die Apfelbäume, die im gegebenen Jahr zum ersten Mal Früchte tragen, werden alle in derselben „Kohorte“ gruppiert – also einer Gruppe von Bäumen (Kunden), die ein gemeinsames Merkmal teilen, nämlich das erste Jahr des Früchtetragens.
Die Baumkohorte von vor zwei Jahren lieferte feste, süße Äpfel (viele erste Bestellungen mit hohen Margen). Die Äpfel der Baumkohorte vom letzten Jahr waren fest, süß und darüber hinaus wurmfrei (viele erste Bestellungen mit höheren Margen als im Vorjahr). Doch die Äpfel der neuesten Baumkohorte in diesem Jahr waren nicht nur wurmstichig, sondern verfaulten meist noch am Ast (kaum Bestellungen und niedrige Margen). Als Gärtner wollen Sie natürlich wissen, warum Ihre neuesten Apfelbäume so miserabel fruchteten, verglichen mit den Bäumen aus vorherigen Jahren. Sie prüfen den Boden, bedenken das Wetter, die Herkunft der Setzlinge und viele weitere Faktoren. Sie stellen fest, dass die Erde in dem Bereich, in dem Sie die neue Kohorte pflanzten, für Apfelbäume zu sauer ist (unzureichende Marktanalyse, falsches Suchsystem oder falsche Zielgruppenansprache für ein neues Produkt). Darüber hinaus hatten Sie einen Schädlingsbefall, der den jungen Bäumen mehr zugesetzt hat als den älteren, gestandenen Bäumen (Entwicklungsfehler im Produkt, die zu hohen Rücksendungen führten). Und die neueste Kohorte erhielt im Schatten einer großen Tanne weniger Sonnenstunden (weniger Marketingbudget) als die anderen.
Quintessenz einer Kohortenanalyse
Sie gibt Unternehmern ein besseres Gespür für den Wert ihres Unternehmens und ihrer Produkte sowie dafür, warum Kunden zu ihnen zurückkehren. Der Black Friday ist ein gutes Beispiel: Wissen Sie als Shopbetreiber, ob Ihre Black-Friday-Aktion vom letzten Jahr langfristig profitabel war? Hat sie wirklich mehr Ertrag eingebracht? Hat sie langfristig neue Kunden an Ihren Shop gebunden?
Natürlich ist auch die Kohortenanalyse keine Allheil-Analyse. Sie eignet sich nicht durchweg für alle Geschäftsarten. In manchen Fällen muss ein Verkauf ab der ersten Bestellung eines Kunden profitabel sein. Ein Kunde, der ein teures Bett kauft, kommt so schnell nicht wieder, egal, wie begeistert er von seinem erholsamen Schlaf ist.
Doch grundsätzlich helfen Kohortenanalysen Unternehmen dabei, die Auswirkungen von Promotionsaktionen wie Black Friday auf das Kundenverhalten zu verstehen. Durch den Vergleich von Kohorten vor, während und nach der Promotion können Sie feststellen, ob der Black Friday positiv zur langfristigen Kundenbindung und zum Umsatz beiträgt oder ob er in erster Linie kurzfristige Verbrauchsspitzen verursacht.
Das folgende Beispiel ist ein vereinfachter Ansatz einer Kohortenanalyse, der die Berechnungen so verständlich und nachvollziehbar wie möglich darstellt.
Schritt 1: Vorbereitung der Daten
Für die meisten Unternehmen ist es relativ einfach, eine Kohortenanalyse aufzusetzen. Zumindest sofern Sie saubere Daten mit guter Kundenidentifikation vorliegen haben wie hier in Tabelle 1: Verkaufsdaten je Kunde gezeigt.
Zum einen sollte jeder Kunde mit einer Kunden-ID einzigartig identifizierbar sein. Hier lohnt es sich, seine Datenhausaufgaben zu machen: Im Idealfall erfolgt die einzigartige Identifizierung und Erstellung einer Kunden-ID anhand eines Abgleichs von E-Mail-Adresse, Telefonnummer oder Nachname und Adresse aus Ihrem ERP-, WaWi-, oder Shopsystem. Andernfalls müssen Sie mit einem Kompromiss vorliebnehmen: der reinen E-Mail-Adresse. Damit kann es allerdings vorkommen, dass manche Haushalte mit mehreren Adressen bestellen, was das rechnerische Wiederbestellverhalten schlechter darstellt, als es ist.
Zweitens: Um die Rentabilität Ihres Unternehmens zu verstehen, müssen Sie sowohl die Einnahmen in Nettoumsatz als auch die variablen Kosten wie Wareneinkauf, Logistik und Handling, Rabatte, Versand und Retouren berücksichtigen. Einnahmen minus diese variablen Kosten ergeben den Deckungsbeitrag I je Kunde. Darüber hinaus benötigen Sie das Bestelldatum des ersten Kaufs dieses Kunden. Diese Daten sind in Tabelle 1 in den grauen Spalten gekennzeichnet.
Jetzt zücken Sie ein Tabellentool wie Google Sheets. Die blauen Spalten, die hier in Tabelle 1 dargestellt sind, berechnen Sie aus den grauen Daten heraus. Wandeln Sie als Erstes das Bestelldatum in den ersten Tag des Monats um, formatiert als „Jahr-Monat“ (siehe Spalte „Bestellmonat“). In Google Sheets verwenden Sie dafür die Formel DATE(YEAR(C2);MONTH(C2);1), wobei Spalte C das Bestelldatum ist. Erstellen Sie im nächsten Schritt eine Spalte, in der Sie jeden Kunden (Spalte „Kunden-ID“) mit seinem ersten Bestellmonat (Spalte „1. Bestellmonat“) kennzeichnen. Sortieren Sie dafür die Tabelle nach dem Bestelldatum von neu nach alt und führen Sie einen VLOOKUP gegen die Kunden-ID durch. In Google Sheets lautet die Formel dafür VLOOKUP(A2;A:D;4;0), wobei Spalte A die Kunden-ID und Spalte D das Bestelldatum ist. Zuletzt berechnen Sie die Monate, die zwischen dem aktuellen Bestellmonat und dem ersten Bestellmonat des Kunden liegen. Die Google-Sheets-Formel hierfür lautet: DATEDIF(E2;D2; "M") wobei E der Monat der ersten Bestellung und D der Monat der aktuellen Bestellung ist. Dies ist Ihre Kohortennummer (Spalte Kohortenmonat), die hier mit „M#“ gekennzeichnet ist. „M11“ bedeutet also, dass Kunde 6531 vor elf Monaten seine erste Bestellung absolvierte.
