Twee cohorten na negentig dagen
Rekenvoorbeeld: een cohort met een volledige observatieperiode telt 1.000 geldige nieuwe klanten. Van hen plaatsen er 180 binnen negentig dagen een geldige tweede bestelling: 18%. Een ander volgroeid cohort telt 900 klanten en 180 herhaalkopers: 20%. Vergelijk dezelfde negentig dagen en onderzoek daarna acquisitie, productmix en onzekerheid voordat je het verschil van twee procentpunt uitlegt.
| Cohort eerste aankoop | Meetellende kopers | Herhaalkopers op dag 30 | Herhaalkopers op dag 90 |
|---|---|---|---|
| Voorbeeld januari | 1 000 | 80 / 1 000 = 8% | 180 / 1 000 = 18% |
| Voorbeeld februari | 900 | 90 / 900 = 10% | 180 / 900 = 20% |
| Voorbeeld maart | 800 | 64 / 800 = 8% | Openstaand |
Vergelijk binnen één kolom met dezelfde verstreken tijd, niet tussen kalendermaandtotalen. Het maartvoorbeeld heeft dag 30 bereikt, maar dag 90 nog niet. Deze fictieve aantallen laten de vergelijking zien; ze verklaren niet waarom klanten terugkwamen en bewijzen geen campagne-effect.
Bepaal welke klanten tot het cohort behoren
Leg vast wat telt als eerste aankoop, welke bestellingen meetellen en hoe je klanten herkent. Beschrijf hoe je gastbestellingen, annuleringen en terugbetaalde eerste aankopen verwerkt. Gebruik een vaste definitie waarmee een collega dezelfde groep klanten kan samenstellen.
Het klantcohortrapport van Shopify laat acquisitie en klantbehoud zien met verschillende meetwaarden, intervallen en filters voor de eerste bestelling. Controleer de rapportinstellingen voordat je resultaten exporteert. Een standaardrapport helpt bij je analyse, maar je moet wel begrijpen hoe het de cijfers berekent.
Vergelijk cohorten op hetzelfde moment na de eerste aankoop
Klanten die zes maanden geleden voor het eerst kochten, hebben meer tijd gehad om opnieuw te kopen dan klanten van vorige maand. Kies een vaste periode na het startmoment en neem alleen cohorten mee die die hele periode hebben doorlopen. Toon onvolledige observaties als onvolledig, niet als nul.
Bekijk daarna de commerciële context. Klanten die vooral via acties binnenkomen kunnen verschillen van klanten die zonder korting kopen, bijvoorbeeld in productcategorie en aankoopritme. Gebruik dat als aanleiding voor verder onderzoek. Schrijf een verandering niet automatisch toe aan lifecyclemarketing als ook acquisitie en assortiment zijn veranderd.
Gebruik een beperkt aantal aanvullende meetwaarden
Begin bij herhaalaankopen en voeg een duidelijk gedefinieerde omzetmeting en passende retourinformatie toe. Maak onderscheid tussen het aandeel klanten dat opnieuw koopt en het aantal bestellingen dat zij plaatsen. Enkele frequente kopers kunnen het gemiddelde verhogen zonder dat de meeste klanten vaker kopen.
Leg per meetwaarde de noemer, meetperiode en verwerking van correcties vast. Splits alleen uit naar segmenten als het doel en de steekproef dat toelaten. Bepaal vooraf je belangrijkste vergelijking; zoek niet steeds kleinere groepen op totdat er een gunstig verhaal uitkomt.
Bereid een actie voor een concreet klantmoment voor
Koopt een vergelijkbaar cohort minder vaak een tweede keer, onderzoek dan de eerste aankoop, het vervolgassortiment en de ervaren klantreis. Dat kan leiden tot een briefing voor betere productuitleg, een relevante categorie-introductie of een andere timing van berichten.
Een analysegroep is niet automatisch een doelgroep die je mag benaderen. Het lifecycleteam controleert toestemming en uitsluitingen in het verzendsysteem. Evalueer de wijziging met een passende onderzoeksopzet. Een latere verbetering van een cohort bewijst niet dat het nieuwe bericht de oorzaak was.
Aan de slag
- Leg klantidentificatie en de regels voor een geldige eerste bestelling vast.
- Gebruik dezelfde volledig doorlopen observatieperiode.
- Beoordeel herhaalaankopen samen met product-, omzet- en retourinformatie.
- Koppel de bevinding aan een concrete hypothese over de klantreis.
Referentiemateriaal
Platformdocumentatie gecontroleerd op 3 oktober 2026. Voorbeelden en checklists zijn redactionele illustraties van Faccelerate.