Kohorteanalyse samler besøgende efter en fælles egenskab, som oftest ankomstdatoen, og følger deres adfærd over tid. I stedet for at se alle besøgende som én gruppe følger du dem, der kom i januar, adskilt fra dem, der kom i februar. Det viser, om nyere besøgende opfører sig anderledes end ældre, og om ændringer i produktet forbedrer eller forværrer retention.
Derfor betyder kohorteanalyse noget
Uden kohorter ser din retention flad ud. Du ser, at 15% af de besøgende vender tilbage inden for 30 dage, men du ved ikke, om tallet bliver bedre eller dårligere. Med kohorter ser du, at januarbesøgende havde 12% retention efter 30 dage, februar 14% og marts 18%. Nu ved du, at retention bliver bedre.
Kohorteanalyse viser også, hvad dine ændringer har betydet. Hvis du lavede din hjemmeside om i februar, viser kohorteanalysen, om den nye udgave forbedrede eller forværrede retention.
Sådan sætter du kohorter op
Trin 1: Vælg din kohortegruppe. Det mest almindelige er ankomstdato: Gruppér besøgende efter uge eller måned. Du kan også gruppere efter trafikkilde (alle besøgende fra Google Ads er én kohorte), enhed (mobilbrugere er én kohorte) eller sted (besøgende fra USA er én kohorte).
Trin 2: Vælg dine tal. Hvilken adfærd vil du følge? Tilbagevendende besøg, sete sider, tid på hjemmesiden, konverteringer eller engagement. Hvert tal får sin egen kohortetabel.
Trin 3: Vælg dit tidsvindue. Følg adfærden i 30, 60 eller 90 dage efter ankomsten. Længere vinduer viser vedvarende engagement, kortere vinduer viser den umiddelbare effekt.
Trin 4: Byg kohortetabellen. Hver række er en kohorte (januarbesøgende, februarbesøgende og så videre). Hver kolonne er dage efter ankomsten (dag 1, dag 7, dag 30). Hver celle er tallet, for eksempel at 45% af januarkohorten besøgte siden igen på dag 7.
Trin 5: Gennemgå og sammenlign tendenser. Kig ned gennem rækkerne for at se, om nyere kohorter klarer sig bedre eller dårligere end ældre. Sæt data ind i en graf, så mønstrene bliver synlige. Det viser, om din hjemmeside bliver bedre, dårligere eller holder sig stabil over tid.
Almindelige kohortemønstre
Den faldende kurve (forventet): Retention på dag 1 er 100%, for alle, der kommer, er en del af kohorten. Dag 7 er 25%. Dag 30 er 10%. Det er normalt, for de fleste besøgende går og kommer aldrig igen. Se på, hvor stejlt faldet er. Et stejlt fald betyder, at folk forsvinder hurtigt. Et jævnt fald betyder, at de forbliver engagerede længere.
Mønsteret med forbedring (godt): Hver ny kohorte, med nyere ankomstdatoer, har bedre retention end den forrige. Januar havde 8% retention efter 30 dage. Februar 10%. Marts 12%. Det tyder på, at din hjemmeside bliver bedre til at holde på besøgende.
Mønsteret med forværring (advarsel): Hver ny kohorte har dårligere retention. Januar havde 15% retention efter 30 dage. Februar 12%. Marts 10%. Det tyder på, at noget har ændret sig, for eksempel en ny udgave af hjemmesiden, dårligere trafikkvalitet eller ny konkurrence, og det skader retention.
Sådan bruger du kohorteanalyse til beslutninger om produktet
Før og efter: Kør kohorter i 4-6 uger før en stor ændring. Kør derefter kohorter i 4-6 uger efter. Sammenlign retentionskurverne. Hvis den nye kurve ligger højere og længere til højre, altså flere fastholdes og i længere tid, var ændringen god.
Trafikkildens kvalitet: Lav kohorter efter trafikkilde. Sammenlign kohorter fra organisk søgning med kohorter fra betalte annoncer og fra sociale medier. Hvis én kilde har meget højere retention, så invester mere dér.
Sæsonmønstre: I sæsonbetonede virksomheder skal du sammenligne kohorter fra samme sæson i forskellige år. Decemberkohorten 2024 mod decemberkohorten 2025 viser, om du bliver bedre fra år til år.
Almindelige fejl i kohorteanalyse
For lille stikprøve: Hvis du kun har 50 besøgende i en kohorte, skaber tilfældige udsving støj. Brug kohorter på mindst 100-200 besøgende.
Forvekslede tal: Bland ikke retention, altså hvor stor en del af kohorten der kom tilbage, sammen med hyppighed, altså samlede besøg i kohorten. De er forskellige. Brug ét ad gangen.
Ignorerede ydre faktorer: Retention faldt 5% i marts. Før du konkluderer, at din hjemmeside blev dårligere, så tjek: Faldt trafikken fra søgning, på grund af ny konkurrence? Kørte du færre annoncer? Skrev en influencer om en konkurrent? Ændringer i kohorter afspejler nogle gange markedet og ikke problemer med produktet.
Ingen opdeling efter vigtige variable: Du smider alle trafikkilder sammen i én kohorte. Men kohorter fra organisk søgning opfører sig sandsynligvis anderledes end kohorter fra betalte annoncer. Opdel altid efter de variable, der betyder noget: trafikkilde, enhed, område eller brugertype. Det viser, hvilke segmenter der er stærke, og hvilke der trænger til arbejde.
At vente for længe med at analysere: Du venter 90 dage, før du ser på kohortedata. Så er der gået tre måneder, og du har misset chancer for at rette problemer. Analyser kohorter hver uge eller hver anden uge. Opdag tendenser tidligt, så du kan handle hurtigere.
Skal jeg bruge ugentlige eller månedlige kohorter?
Ugentlige giver flere detaljer, men kræver mere trafik, 200-300 besøgende om ugen. Månedlige er standarden for de fleste hjemmesider og kræver over 1.000 besøgende om måneden. Brug månedlige, hvis du har ordentlig trafik. Hvis du har meget høj trafik, over 10.000 om måneden, kan ugentlige kohorter vise dig tendenser hurtigere.
Hvad hvis min retention er den samme i alle grupper?
Flad retention, hvor januar- og marts-kohorten har identiske kurver, betyder, at din hjemmesides adfærd er stabil. Det er godt, hvis retention er sund, 15% eller mere efter 30 dage. Hvis den er lav, 5% efter 30 dage, viser fladheden, at du ikke bliver bedre. Så er det tid til at lave ændringer og se, om nye kohorter bliver bedre.
Hvor længe skal jeg vente efter en ændring af produktet, før jeg analyserer den nye kohorte?
Mindst 4-6 uger. Så får nye besøgende tid til at følge samme adfærdsmønster som ældre besøgende. Forskelle på dag 1-7 kan være støj. Retention efter 30 dage fortæller, om ændringen holdt.
Kan jeg sammenligne kohorter fra forskellige trafikkilder i én tabel?
Ja, men hold dem adskilt. Én tabel til kohorter fra organisk søgning. En anden tabel til kohorter fra betalte annoncer. Hvis du sammenligner dem i én tabel, bliver det uklart, om kolonnerne viser organisk eller betalt adfærd.
Hvad betyder det, hvis retention falder 30% fra dag 1 til dag 2?
Det er normalt. Mange besøgende går efter det første besøg. Se i stedet på retention efter 7 dage. Hvis 10% af de besøgende er vendt tilbage inden dag 7, er det rimeligt. Faldet fra dag 1 til 2 betyder bare, at mange besluttede sig for ikke at komme tilbage med det samme.
Hvordan beregner jeg kohorteretention i hånden, hvis mit værktøj ikke har kohorter?
Trin 1: Eksporter alle besøgsdata med ankomstdato. Trin 2: Gruppér efter ankomstdato, så første uge er én gruppe. Trin 3: Tjek for hver besøgende, om vedkommende kom tilbage 30 dage senere. Trin 4: Divider tilbagevendende besøgende med kohortens samlede størrelse. Det er din retention efter 30 dage for den kohorte. Gentag for hver uge eller måned.