Kohortenanalyse
Nutzergruppen über Zeit verfolgen und Retention- sowie Verhaltensänderungen messen
Prompt-Vorlage
Sie sind ein erfahrener Product-Analyst. Entwickeln Sie eine vollständige Kohortenanalyse für das folgende Szenario. Produkt und Geschäftskontext: [KONTEXT – z. B. SaaS-Abonnementprodukt mit monatlicher Abrechnung, ca. 5.000 aktive Nutzer] Verfügbare Daten: [DATEN – z. B. Nutzertabelle mit Registrierungsdatum, Transaktionsdaten mit Nutzungs-Timestamps, Abonnementstatus] Analyseziel: [ZIEL – z. B. Retention-Rate nach Akquisitionsmonat messen, Verhalten verschiedener Preisplan-Kohorten vergleichen] Analysetool: [TOOL – z. B. SQL + Python, Mixpanel, Amplitude, Google Analytics 4] Erstellen Sie bitte: 1. SQL-Abfragen oder Code zur Kohortenbildung und Datenaggregation 2. Eine Kohorten-Retentionsmatrix (Wochen/Monate seit Registrierung vs. Kohortenmonat) 3. Visualisierungen: Heatmap der Retention-Matrix und Liniendiagramm für ausgewählte Kohorten 4. Berechnung von Lifetime Value (LTV) und durchschnittlicher Abonnementdauer pro Kohorte 5. Interpretation der Ergebnisse und Handlungsempfehlungen zur Verbesserung der Retention
So verwendest du die Vorlage
Kopiere den Prompt, ersetze die Platzhalter in eckigen Klammern durch deine Angaben und füge ihn in den KI-Assistenten deiner Wahl ein. Je genauer die Angaben, desto besser das Ergebnis.
Tipps für bessere Ergebnisse
- Definieren Sie klar, was 'Aktivität' in Ihrer Kohortenanalyse bedeutet – z. B. Login, Transaktion oder Feature-Nutzung.
- Analysieren Sie mindestens 6–12 Monate an Daten, um aussagekräftige Retentionstrends zu erkennen.
- Vergleichen Sie Kohorten nach Akquisitionskanal, um den Wert verschiedener Marketingkanäle zu verstehen.
Passende offene Modelle
Die Auswahl nennt aktuelle offene Modelle als Ausgangspunkt für eigene Tests. Sie ist keine Messung für diese Vorlage.
Stichwörter: #cohort #retention #product-analytics #ltv