Cohortanalyse groepeert bezoekers op een gedeeld kenmerk (meestal aankomstdatum) en volgt hun gedrag over tijd. In plaats van alle bezoekers als één groep te zien, volg je bezoekers die in januari kwamen apart van die uit februari. Zo zie je of nieuwere bezoekers zich anders gedragen dan oudere, en of productwijzigingen de retentie verbeteren of schaden.
Waarom cohortanalyse belangrijk is
Zonder cohorten ziet je retentie er vlak uit. Je ziet dat 15% van de bezoekers binnen 30 dagen terugkomt, maar je weet niet of dat cijfer stijgt of daalt. Met cohorten zie je dat bezoekers van januari 12% retentie na 30 dagen hadden, februari 14% en maart 18%. Nu weet je dat de retentie verbetert.
Cohortanalyse isoleert ook het effect van wijzigingen die je doorvoert. Heb je je website in februari vernieuwd, dan laat cohortanalyse zien of de vernieuwing de retentie verbeterde of schaadde.
Zo stel je cohorten in
Stap 1: bepaal je cohortgroep. Meestal is dat de aankomstdatum: groepeer bezoekers per week of maand. Je kunt ook groeperen op verkeersbron (alle bezoekers uit Google Ads is één cohort), apparaat (mobiele gebruikers is één cohort) of locatie (bezoekers uit de VS is één cohort).
Stap 2: bepaal je cijfers. Welk gedrag volg je? Terugkerende bezoeken, bekeken pagina's, tijd op de website, conversies of betrokkenheidsgebeurtenissen. Elk cijfer krijgt een eigen cohorttabel.
Stap 3: kies je tijdvenster. Volg het gedrag 30, 60 of 90 dagen na aankomst. Langere vensters laten blijvende betrokkenheid zien, kortere vensters het directe effect.
Stap 4: bouw de cohorttabel. Elke rij is een cohort (bezoekers van januari, bezoekers van februari enzovoort). Elke kolom is het aantal dagen na aankomst (dag 1, dag 7, dag 30). Elke cel is het cijfer (bijvoorbeeld: 45% van het januari-cohort bezocht je website op dag 7 opnieuw).
Stap 5: bekijk en vergelijk trends. Kijk over de rijen heen of nieuwere cohorten beter of slechter presteren dan oudere. Zet de data in een grafiek om patronen te zien. Zo zie je of je website beter wordt, verslechtert of stabiel blijft.
Veelvoorkomende cohortpatronen
De dalende curve (verwacht): de retentie op dag 1 is 100% (iedereen die aankomt, hoort bij het cohort). Dag 7 is 25%. Dag 30 is 10%. Dat is normaal, want de meeste bezoekers vertrekken en komen niet meer terug. Let op hoe steil de daling is. Een steile daling betekent dat mensen snel vertrekken. Een geleidelijke daling betekent dat ze langer betrokken blijven.
Het verbeterpatroon (goed): elk nieuw cohort (recentere aankomstdata) heeft een betere retentie dan het vorige. Januari had 8% retentie na 30 dagen. Februari 10%. Maart 12%. Dat wijst erop dat je website beter wordt in het vasthouden van bezoekers.
Het verslechterpatroon (waarschuwing): elk nieuw cohort heeft een slechtere retentie. Januari had 15% retentie na 30 dagen. Februari 12%. Maart 10%. Dat wijst erop dat er iets is veranderd, zoals een vernieuwing, lagere verkeerskwaliteit of nieuwe concurrentie, dat de retentie schaadt.
Cohortanalyse gebruiken voor productbesluiten
Analyse voor en na: draai cohorten 4 tot 6 weken vóór een grote wijziging. Draai ze daarna weer 4 tot 6 weken. Vergelijk de retentiecurves. Ligt de nieuwe curve hoger en verder naar rechts (meer mensen behouden, langer behouden), dan was de wijziging positief.
Kwaliteit van verkeersbronnen: maak cohorten per verkeersbron. Vergelijk cohorten uit organisch zoeken met cohorten uit betaalde advertenties en uit social media. Heeft één bron een veel hogere retentie, investeer dan meer in die bron.
Seizoenspatronen: vergelijk bij seizoensgebonden bedrijven cohorten uit hetzelfde seizoen in verschillende jaren. Het cohort van december 2024 tegenover dat van december 2025 laat zien of je jaar op jaar verbetert.
Veelgemaakte fouten bij cohortanalyse
Te kleine steekproef: heb je maar 50 bezoekers in een cohort, dan geeft toevallige variatie ruis. Gebruik cohorten van minstens 100 tot 200 bezoekers.
Cohortcijfers door elkaar halen: meng retentie (% van het cohort dat terugkwam) niet met frequentie (totaal aantal bezoeken in het cohort). Dat zijn verschillende dingen. Gebruik ze één voor één.
Externe factoren negeren: de retentie daalde in maart met 5%. Check voordat je concludeert dat je website slechter werd: daalde het zoekverkeer (nieuwe concurrentie)? Draaide je minder advertenties? Schreef een influencer over een concurrent? Veranderingen in cohorten weerspiegelen soms marktverschuivingen, geen productproblemen.
Niet segmenteren op belangrijke variabelen: je gooit alle verkeersbronnen op één hoop in één cohort. Maar cohorten uit organisch zoeken gedragen zich waarschijnlijk anders dan cohorten uit betaalde advertenties. Segmenteer altijd op de variabelen die ertoe doen: verkeersbron, apparaat, regio of gebruikerstype. Zo zie je welke segmenten sterk zijn en welke aandacht nodig hebben.
Te lang wachten met analyseren: je wacht 90 dagen voordat je naar cohortdata kijkt. Dan zijn er drie maanden voorbij en heb je kansen gemist om problemen op te lossen. Analyseer cohorten wekelijks of tweewekelijks. Zie trends vroeg, zodat je sneller kunt handelen.
Gebruik ik wekelijkse of maandelijkse cohorten?
Wekelijks geeft meer detail, maar vraagt meer verkeer (200 tot 300 bezoekers per week). Maandelijks is standaard voor de meeste websites (je hebt 1.000 of meer bezoekers per maand nodig). Gebruik maandelijks als je redelijk verkeer hebt. Heb je heel veel verkeer (10.000 of meer per maand), dan zie je met wekelijkse cohorten sneller trends.
Wat als mijn cohortretentie in alle groepen gelijk is?
Vlakke retentie (de cohorten van januari en maart hebben identieke curves) betekent dat het gedrag op je website stabiel is. Dat is goed als de retentie gezond is (15% of meer na 30 dagen). Is die laag (5% na 30 dagen), dan laat de vlakke lijn zien dat je niet verbetert. Tijd om wijzigingen door te voeren en te kijken of nieuwe cohorten verbeteren.
Hoe lang wacht ik na een productwijziging voordat ik het nieuwe cohort analyseer?
Minstens 4 tot 6 weken. Zo hebben nieuwe bezoekers tijd om hetzelfde gedrag te vertonen als oudere bezoekers. Verschillen op dag 1 tot 7 kunnen ruis zijn. Retentie na 30 dagen vertelt je of de wijziging beklijfde.
Kan ik cohorten van verschillende verkeersbronnen in één tabel vergelijken?
Ja, maar houd ze gescheiden. Eén tabel voor cohorten uit organisch zoeken. Een andere tabel voor cohorten uit betaalde advertenties. Ze in één tabel vergelijken wordt verwarrend, want je ziet niet meer of de kolommen organisch of betaald gedrag tonen.
Wat betekent het als de retentie van dag 1 naar dag 2 met 30% daalt?
Dat is normaal. Veel bezoekers vertrekken na hun eerste bezoek. Kijk liever naar de retentie op dag 7. Komt 10% van de bezoekers uiterlijk op dag 7 terug, dan is dat redelijk. De daling van dag 1 naar 2 betekent alleen dat veel mensen besloten niet direct terug te komen.
Hoe bereken ik cohortretentie met de hand als mijn tool geen cohorten heeft?
Stap 1: exporteer alle bezoekersdata met aankomstdatum. Stap 2: groepeer op aankomstdatum (de eerste week is één groep). Stap 3: check per bezoeker of hij 30 dagen later terugkwam. Stap 4: deel de terugkerende bezoekers door de grootte van het cohort. Dat is de retentie na 30 dagen voor dat cohort. Herhaal dit voor elke week of maand.