Was ist Retention Curve Calculator?
▾
Eine Retention-Kurve stellt den Prozentsatz der Benutzer dar, die in jedem Zeitintervall nach ihrer ersten Anmeldung oder ersten Nutzung noch aktiv sind, und zeigt so den langfristigen Engagement-Verlauf von Benutzerkohorten auf. Es handelt sich um eine der diagnostischsten Kennzahlen in der Produktanalyse, da sie nicht nur zeigt, wie viele Benutzer zurückkommen, sondern auch, ob das Produkt eine nachhaltige Bindung erzielt hat oder vor einer unvermeidlichen völligen Abwanderung steht. Eine gesunde Retention-Kurve weist eine charakteristische Form auf: Sie beginnt am Tag 0 bei 100 %, fällt in den ersten Tagen steil ab (wenn nicht aktivierte Benutzer gehen), flacht dann ab und stabilisiert sich bei einem Prozentsatz ungleich Null – dieser flache Schwanz weist auf einen „behaltenen Kern“ von Benutzern hin, die einen echten Mehrwert gefunden haben und auf unbestimmte Zeit zurückkehren. Ein Produkt ohne echte Bindung zeigt eine kontinuierlich fallende Kurve, die asymptotisch gegen Null geht – was bedeutet, dass schließlich alle Benutzer abwandern. Die entscheidende Erkenntnis: Wenn die Retentionskurve über Null abflacht, haben Sie ein nachhaltiges Produkt. Wenn es auf Null sinkt, löst kein Akquisitionswachstum das zugrunde liegende Bindungsproblem. Die Retention wird typischerweise in mehreren Intervallen gemessen: Tag 1 (D1), D7, D30, D90 und D180-Retentionsraten. D1-Retention misst die Onboarding-Effektivität. D7 misst die anfängliche Gewohnheitsbildung. D30 bestätigt den Produktwert, der über die Neugier hinausgeht. D90 weist auf eine echte Integration in den Arbeitsablauf hin. Um die Kohortenbindung zu berechnen, muss jede Anmeldekohorte verfolgt werden (z. B. alle, die sich im Januar angemeldet haben) und gemessen werden, wie viel Prozent in jedem nachfolgenden Intervall noch aktiv sind. Die „aktiv“-Definition muss konsistent sein – normalerweise wird eine Kernaktion des Produkts ausgeführt, nicht nur das Öffnen der App. Retentionskurven werden analysiert nach: (1) der Steilheit des frühen Rückgangs (Abfall von D1 bis D7), (2) dem Niveau, bei dem die Kurve abflacht, und (3) ob sich die Kurve über aufeinanderfolgende Kohorten hinweg verbessert, stabil ist oder abnimmt. Sich verbessernde Kohorten (jede neue Kohorte behält besser als die vorherige) weisen auf eine Produktverbesserung hin. Rückläufige Kohorten signalisieren einen Produktverfall oder eine Anschaffung von geringerer Qualität.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
Bindungsrate am Tag N (%) = (Benutzer aus der Kohorte, die am Tag N noch aktiv sind / Benutzer insgesamt in der Kohorte) × 100Variablenbeschreibung
▾
| Symbol | Name | Einheit | Beschreibung |
|---|---|---|---|
| Cohort | Gruppe von Benutzern | — | Gruppe von Benutzern, die sich im gleichen Zeitraum registriert oder das Produkt zum ersten Mal verwendet haben |
| Retention Rate | Prozentsatz der Kohorte | — | Der Parameter „Retentionsrate“ stellt eine wichtige quantitative Eingabe bei der Berechnung der Retentionskurve dar, wird in seiner Standardeinheit gemessen und hat über die mathematische Formel direkten Einfluss auf das berechnete Ergebnis |
| Retained Core | Stabiler Prozentsatz | — | Der Parameter „Retained Core“ stellt eine wichtige quantitative Eingabe bei der Berechnung der Retentionskurve dar, wird in seiner Standardeinheit gemessen und hat über die mathematische Formel direkten Einfluss auf das berechnete Ergebnis |
| Active Definition | Spezifische Benutzeraktion | — | Der Parameter „Aktive Definition“ stellt eine wichtige quantitative Eingabe bei der Berechnung der Retentionskurve dar, wird in seiner Standardeinheit gemessen und hat über die mathematische Formel direkten Einfluss auf das berechnete Ergebnis |
Anleitung Retention Curve Calculator
▾
- 1Sammeln Sie die erforderlichen Eingabewerte: Benutzergruppe, Prozentsatz der Kohorte, stabiler Prozentsatz, spezifische Benutzeraktion.
- 2Wenden Sie die Kernformel an: Bindungsrate am Tag N (%) = (Benutzer aus der Kohorte, die am Tag N noch aktiv sind / Benutzer insgesamt in der Kohorte) × 100.
- 3Berechnen Sie ggf. Zwischenwerte wie die D1-Retention.
- 4Stellen Sie sicher, dass alle Einheiten konsistent sind, bevor Sie Begriffe kombinieren.
- 5Berechnen Sie das Endergebnis und überprüfen Sie es auf Plausibilität.
- 6Prüfen Sie, ob für Ihre Eingaben Sonderfälle oder Randbedingungen gelten.
- 7Interpretieren Sie das Ergebnis im Kontext und vergleichen Sie es mit Referenzwerten, falls verfügbar.
Gelöste Beispiele
▾
Die Anwendung der Retention Curve Calc-Formel mit diesen Eingaben ergibt: Die Retentionskurve flacht auf ~13 % ab. Behaltener Kern bestätigt. Produkt hat nachhaltiges Engagement. Fokus: D1 verbessern (45 % bis 55 %), um die beibehaltene Kerngröße zu maximieren. Dies zeigt ein typisches Retentionskurvenszenario, bei dem der Rechner Rohparameter in ein aussagekräftiges quantitatives Ergebnis für die Entscheidungsfindung umwandelt.
Die Anwendung der Retention Curve Calc-Formel mit diesen Eingaben ergibt: 73 % Retention im Monat 18 – stark für B2B-SaaS (Branchendurchschnitt 75 bis 85 % im 1. Jahr). Untersuchen Sie die 14 % der Konten, die im ersten bis dritten Monat verloren gingen: Ursache für frühe Abwanderung, wahrscheinlich schlechtes Onboarding oder falsch ausgerichtete Erwartungen. Dies zeigt ein typisches Szenario einer Bindungskurve, bei dem der Rechner Rohparameter in ein aussagekräftiges quantitatives Ergebnis für die Entscheidungsfindung umwandelt.
Die Anwendung der Retention Curve Calc-Formel mit diesen Eingaben ergibt: Kein zurückgehaltener Kern. Das Produkt passt nicht zum Produktmarkt oder es fehlt ihm an gewohnheitsbildenden Mechanismen. Der gesamte Benutzerwert wird schnell verbraucht. Erfordert eine grundlegende Neugestaltung des Gameplays oder des Engagements. Dies zeigt ein typisches Retention-Curve-Szenario, bei dem der Rechner Rohparameter in ein aussagekräftiges quantitatives Ergebnis für die Entscheidungsfindung umwandelt.
Die Anwendung der Retention Curve Calc-Formel mit diesen Eingaben ergibt: Ein positiver Kohortentrend bestätigt, dass Produktverbesserungen funktionieren. Ziel: Bis zum dritten Quartal eine D30-Retention von 20 % erreichen. Der Rückgang im April ist eine Untersuchung wert – möglicherweise aktivierter Akquisitionskanal mit geringerer Qualität. Dies zeigt ein typisches Retention-Kurven-Szenario, bei dem der Rechner Rohparameter in ein aussagekräftiges quantitatives Ergebnis für die Entscheidungsfindung umwandelt.
Praktische Anwendungen
▾
Die Diagnose, ob ein Produkt ein nachhaltiges Benutzerengagement erreicht hat, stellt einen wichtigen Anwendungsbereich für den Retention Curve Calc in professionellen und analytischen Kontexten dar, in dem genaue Berechnungen der Retentionskurve direkt fundierte Entscheidungsfindung, strategische Planung und Leistungsoptimierung unterstützen
Identifizieren der Phase mit der höchsten Auswirkung auf Verbesserungen (D1, D7 oder D30), die einen wichtigen Anwendungsbereich für den Retention Curve Calc in professionellen und analytischen Kontexten darstellt, in denen genaue Berechnungen der Retentionskurven direkt fundierte Entscheidungsfindung, strategische Planung und Leistungsoptimierung unterstützen
Der Vergleich von Retentionskurven über Akquisitionskanäle hinweg, um hochwertige Quellen zu identifizieren, stellt einen wichtigen Anwendungsbereich für den Retention Curve Calc in professionellen und analytischen Kontexten dar, in denen genaue Retentionskurvenberechnungen direkt fundierte Entscheidungsfindung, strategische Planung und Leistungsoptimierung unterstützen
Die Messung der Auswirkungen von Produktverbesserungen auf die sukzessive Kohortenbindung stellt einen wichtigen Anwendungsbereich für den Retention Curve Calc in beruflichen und analytischen Kontexten dar, in denen genaue Berechnungen der Retentionskurve direkt fundierte Entscheidungsfindung, strategische Planung und Leistungsoptimierung unterstützen
Berechnung von Lifetime-Value-Prognosen basierend auf der Form und Monetarisierung der Retention-Kurve. Dies stellt einen wichtigen Anwendungsbereich für den Retention Curve Calc in professionellen und analytischen Kontexten dar, in denen genaue Retention-Kurven-Berechnungen direkt fundierte Entscheidungsfindung, strategische Planung und Leistungsoptimierung unterstützen
Sonderfälle
▾
Produkte mit unregelmäßigem Gebrauchsmuster: Verwenden Sie wöchentliche oder monatliche Aufbewahrungsintervalle für Werkzeuge, die nicht für den täglichen Gebrauch bestimmt sind.
In der Berechnung der Retentionskurve erfordert dieses Szenario zusätzliche Vorsicht bei der Interpretation der Ergebnisse der Retentionskurve. Die Standardformel berücksichtigt möglicherweise nicht alle in diesem Grenzfall vorhandenen Faktoren vollständig und eine zusätzliche Analyse oder Beratung durch Experten ist möglicherweise erforderlich. Professionelle Best Practices umfassen die Dokumentation von Annahmen, die Durchführung von Sensitivitätsanalysen und den Vergleich der Ergebnisse mit alternativen Methoden, wenn die Berechnungen der Retentionskurve in nicht standardmäßige Bereiche fallen.
Transaktionsprodukte: Bindung gemessen an der Wiederholungskaufrate und nicht an der App-Aktivität.
In der Berechnung der Retentionskurve erfordert dieses Szenario zusätzliche Vorsicht bei der Interpretation der Ergebnisse der Retentionskurve. Die Standardformel berücksichtigt möglicherweise nicht alle in diesem Grenzfall vorhandenen Faktoren vollständig und eine zusätzliche Analyse oder Beratung durch Experten ist möglicherweise erforderlich. Professionelle Best Practices umfassen die Dokumentation von Annahmen, die Durchführung von Sensitivitätsanalysen und den Vergleich der Ergebnisse mit alternativen Methoden, wenn die Berechnungen der Retentionskurve in nicht standardmäßige Bereiche fallen.
B2B-Kontoaufbewahrung vs.
Benutzerbindung: Verfolgen Sie beides – die Kontobindung ist direkter mit dem Umsatz verbunden. In der Berechnung der Retentionskurve erfordert dieses Szenario zusätzliche Vorsicht bei der Interpretation der Ergebnisse der Retentionskurve. Die Standardformel berücksichtigt möglicherweise nicht alle in diesem Grenzfall vorhandenen Faktoren vollständig und eine zusätzliche Analyse oder Beratung durch Experten ist möglicherweise erforderlich. Professionelle Best Practices umfassen die Dokumentation von Annahmen, die Durchführung von Sensitivitätsanalysen und den Vergleich der Ergebnisse mit alternativen Methoden, wenn die Berechnungen der Retentionskurve in nicht standardmäßige Bereiche fallen.
Referenzdaten zur Retentionskurvenberechnung
▾
| Aufbewahrungsintervall | Verbraucher-App (gut) | B2B SaaS (gesund) | Gaming (gut) |
|---|---|---|---|
| D1 | 40 - 60 % | 85 - 95 % | 25 - 40 % |
| D7 | 20 - 35 % | 75 - 90 % | 12 - 22 % |
| D30 | 10 - 25 % | 70 - 85 % | 8 - 18 % |
| D90 | 8 - 18 % | 65 - 82 % | 5 - 12 % |
| D180 | 6 - 15 % | 62 - 80 % | 3 - 10 % |
| D365 | 5 - 12 % | 58 - 78 % | 2 - 8 % |
Häufig gestellte Fragen
▾
Was ist eine Retentionskurve und wie berechne ich sie?
Eine Retention-Kurve (Überlebenskurve) stellt den Prozentsatz der Benutzer dar, die nach der ersten Akquise im Laufe der Zeit aktiv bleiben. Berechnung: Verfolgen Sie für jede Kohorte (Gruppe von Benutzern, die im selben Zeitraum gewonnen wurden), den Prozentsatz, der in nachfolgenden Zeiträumen zurückkommt. Tag 0 ist immer 100 % (Erwerbstag). Bindung am ersten Tag = (Aktive Benutzer am ersten Tag / erworbene Benutzer am Tag 0) × 100 %. Bindung Woche 1 = (In Woche 1 aktive Benutzer / In Woche 0 erworbene Benutzer) × 100 %. Beispielkohorte von 1.000 am 1. Januar gewonnenen Benutzern: Tag 1: 400 Rendite = 40 %. Tag 7: 200 Rendite = 20 %. Tag 30: 100 Rendite = 10 %. Tag 90: 60 Rendite = 6 %. Branchen-Benchmarks (Tag 1 / Tag 7 / Tag 30): mobile Spiele 25 %/10 %/3 %, Social-Media-Apps 40 %/25 %/15 %, SaaS-Produkte 80 %/60 %/40 %, E-Commerce-Apps 25 %/12 %/5 %, Fitness-Apps 30 %/15 %/5 %. Eine „gute“ Bindungskurve flacht ab (erreicht eine Asymptote) und sinkt nicht kontinuierlich gegen Null – dies weist auf eine Kerngruppe engagierter Benutzer hin. Wenn die Kundenbindung nie abnimmt, haben Sie Probleme mit der Anpassung an den Produktmarkt.
Wie verbessere ich meine Retentionskurve?
Konzentrieren Sie sich auf die entscheidenden ersten Momente: Die Bindung am ersten Tag ist der stärkste Indikator für die langfristige Bindung. Wenn Benutzer bei ihrem ersten Besuch keinen Mehrwert finden, kehren sie selten zurück. Optimieren Sie das Onboarding, um den „Aha-Moment“ so schnell wie möglich zu liefern – bei Slack geht es um das Versenden von 2.000 Nachrichten (Team-Engagement), bei Facebook um die Verbindung mit 7 Freunden in 10 Tagen, bei Dropbox um das Speichern einer Datei. Aktivierungsmetriken: Identifizieren Sie die Verhaltensweisen, die mit der Bindung korrelieren, und weisen Sie neue Benutzer darauf hin. Verfolgen Sie den Abschluss wichtiger Aktivierungsschritte und greifen Sie ein (Anstups-E-Mails, In-App-Eingabeaufforderungen), wenn Benutzer ins Stocken geraten. Re-Engagement-Kampagnen: Lösen Sie für Benutzer, die abgesetzt haben, in bestimmten Abständen (Tag 3, Tag 7, Tag 14) E-Mails/Push-Benachrichtigungen mit personalisierten Inhalten basierend auf ihrer letzten Aktivität aus. Konzentrieren Sie sich darauf, den Wert zu demonstrieren, den sie verpasst haben, und nicht nur auf „Wir vermissen Sie“-Botschaften. Gewohnheitsbildung: Erstellen Sie Funktionen, die tägliche oder wöchentliche Nutzungsmuster erstellen – Benachrichtigungen, Content-Feeds, Fortschrittsverfolgung, Streaks (die Streak-Mechanik von Duolingo hat die Bindung erheblich verbessert). Kohortenanalyse: Vergleichen Sie Bindungskurven über verschiedene Akquisekanäle, Benutzersegmente und Zeiträume hinweg, um herauszufinden, was funktioniert. Nutzer aus der organischen Suche bleiben oft besser im Gedächtnis als bezahlte Akquise – diese Erkenntnis sollte sich auf die Kanalinvestitionen auswirken. Die wirkungsvollsten Verbesserungen bei der Bindung ergeben sich aus Produktänderungen (besseres Onboarding, schnellere Wertbereitstellung) und nicht aus Marketingtaktiken (E-Mails zur erneuten Bindung).
Was ist ein guter Maßstab für eine Retentionskurve?
Ein guter Maßstab für eine Retention-Kurve variiert je nach Branche, aber im Allgemeinen gilt eine Retention-Rate von 25 % nach 30 Tagen und 10 % nach 90 Tagen als durchschnittlich. Beispielsweise ist in der Mobile-Gaming-Branche eine 30-Tage-Aufbewahrungsrate von 20 % üblich, während in der E-Commerce-Branche eine 30-Tage-Aufbewahrungsrate von 30 % typischer ist. Um einen guten Benchmark für Ihren spezifischen Anwendungsfall zu ermitteln, recherchieren Sie Branchendurchschnitte und vergleichen Sie diese mit Ihrer eigenen Retention-Kurve. Auf diese Weise können Sie Bereiche mit Verbesserungspotenzial identifizieren und den langfristigen Engagementverlauf Ihres Produkts optimieren.
Wie verändert sich die Retentionskurve im Laufe der Zeit?
Die Retention-Kurve kann sich im Laufe der Zeit aufgrund verschiedener Faktoren wie Änderungen im Benutzerverhalten, Aktualisierungen des Produkts oder Verschiebungen in Markttrends erheblich ändern. Beispielsweise kann die Veröffentlichung einer neuen Funktion zu einem anfänglichen Anstieg der Bindung führen, gefolgt von einem allmählichen Rückgang, wenn sich Benutzer an die neue Funktionalität gewöhnen. Um diese Änderungen zu berücksichtigen, ist es wichtig, Ihre Retentionskurvenanalyse regelmäßig zu aktualisieren, indem Sie Formeln wie das exponentielle Zerfallsmodell (R(t) = R0 * e^(-kt)) verwenden, wobei R(t) die Retentionsrate zum Zeitpunkt t, R0 die anfängliche Retentionsrate und k die Zerfallskonstante ist. Durch die Überwachung dieser Änderungen können Sie Ihre Produktstrategie verfeinern, um den sich ändernden Anforderungen Ihrer Benutzer besser gerecht zu werden.
Kann ich anhand der Retention-Kurve zukünftiges Nutzerverhalten vorhersagen?
Ja, die Retention-Kurve kann zur Vorhersage des zukünftigen Benutzerverhaltens verwendet werden, indem statistische Modelle wie das Cox-Proportional-Hazards-Modell oder der Kaplan-Meier-Schätzer auf die historischen Daten angewendet werden. Wenn Ihre Bindungskurve beispielsweise nach 60 Tagen einen Rückgang der Benutzer um 20 % zeigt, können Sie diese Informationen verwenden, um die Wahrscheinlichkeit einer Abwanderung von Benutzern in der Zukunft vorherzusagen. Durch die Analyse der Form und Steigung der Retention-Kurve können Sie Muster und Trends identifizieren, die Ihre Prognosen beeinflussen, z. B. einen stärkeren Rückgang der Retention für Benutzer, die bestimmte Verhaltensweisen zeigen, wie z. B. seltene Anmeldungen oder geringe Interaktion mit wichtigen Funktionen. Durch die Nutzung dieser Erkenntnisse können Sie gezielte Strategien entwickeln, um die Abwanderung zu verringern und die langfristige Benutzerbindung zu verbessern.
Häufige Fehler vermeiden
▾
- !Betrachtet man aggregierte Retention-Raten statt kohortenspezifischer Kurven, so vermischen sich aggregierte Kohorten unterschiedlicher Qualität
- !Messung der Bindung ohne konsistente „aktive“ Definition über Zeiträume hinweg
- !Beim Benchmarking wird nicht zwischen Produktkategorien unterschieden – ein D30 von 20 % ist gut für Spiele, schlecht für Kommunikations-Apps
- !Änderung der „aktiven“ Definition mitten in der Analyse, wodurch ein Kohortenvergleich unmöglich wird
- !Verwechselung der Benutzerbindung mit der Umsatzbindung – ein behaltener Benutzer kann ein Downgrade durchführen (Umsatzabwanderung ohne Benutzerabwanderung)
- !Keine Segmentierung der Bindung nach Akquisitionskanal – Kohorten mit schlechten Kanälen beeinträchtigen die Gesamtkennzahlen
Profi-Tipp
Zeichnen Sie die Retentionskurven für Ihre letzten 6 monatlichen Kohorten im selben Diagramm auf. Wenn sich die Kurven höher stapeln (jede neue Kohorte behält besser), funktionieren Ihre Produktverbesserungen und das Wachstum beschleunigt sich. Wenn sich die Kurven verschlechtern, untersuchen Sie die Erfassungsqualität und die jüngsten Produktänderungen.
Wussten Sie?
Das Retention-Engineering-Team von Netflix hat herausgefunden, dass Nutzer, die im ersten Monat mindestens drei Folgen gesehen haben, Bindungsraten von über 90 % hatten. Diese Erkenntnis war der Auslöser für ihre Strategie, stark in Originalinhalte zu investieren, die in frühen Sitzungen genutzt werden können, und so das bindungsfördernde Verhalten direkt zu steuern.
Regional Guides
▾
Global▾
Referenzen
- ›Andreessen Horowitz – 16 Startup-Kennzahlen (Retention)
- ›Amplitude – Das Aufbewahrungshandbuch
- ›Reforge – Engagement- und Bindungsrahmen
- ›Brian Balfour – Warum die Produktmarktanpassung nicht ausreicht
Ratings & comments
Holen Sie sich wöchentliche Mathe-Tipps
Schließen Sie sich 12.000+-Abonnenten an, die jede Woche Taschenrechner-Tipps erhalten.