Die Retention Rate (Bindungsrate) misst, wie gut ein Produkt, eine App oder ein Unternehmen seine bestehenden Nutzer oder Kunden langfristig bindet. Sie ist eine der aussagekräftigsten KPIs im digitalen Marketing – denn es kostet 5- bis 7-mal mehr, einen neuen Kunden zu gewinnen als einen bestehenden zu halten.
Hohe Retention ist das Fundament nachhaltigen Wachstums: Unternehmen mit einer um 5 % höheren Kundenbindungsrate steigern ihren Gewinn laut Bain & Company-Studien um 25–95 %. Die Retention Rate ist damit direkt mit dem Return on Investment und dem Customer Lifetime Value verbunden.
Die drei Berechnungsmethoden
Retention Rate ist nicht gleich Retention Rate. Je nach Produkttyp und Fragestellung gibt es verschiedene Berechnungsansätze.
N-Day Retention
Die N-Day Retention beantwortet die Frage: „Ist der Nutzer genau N Tage nach seiner ersten Sitzung noch einmal aktiv?"
Formel:
N-Day Retention = Nutzer aktiv an Tag N / Nutzer der Startkohorte × 100
Beispiel (Day-7-Retention):
- 1.000 Nutzer starten am 1. März
- 280 von ihnen sind am 8. März wieder aktiv
- Day-7-Retention = 280 / 1.000 × 100 = 28 %
N-Day Retention eignet sich für Apps mit täglicher Nutzungserwartung (Social Media, Fitness, News).
Classic Retention (Range Retention)
Classic Retention prüft, ob ein Nutzer innerhalb eines definierten Zeitfensters aktiv war – nicht zwingend an einem bestimmten Tag.
Beispiel:
- Zeitfenster: Woche 2 (Tag 8–14 nach Erstregistrierung)
- Von 1.000 Nutzern sind 340 in Woche 2 mindestens einmal aktiv
- Week-2-Classic-Retention = 34 %
Vorteil: Weniger empfindlich gegenüber Tagesschwankungen. Sinnvoll für Apps oder Websites mit wöchentlicher oder monatlicher Nutzungsfrequenz.
Rolling Retention
Rolling Retention beantwortet: „Ist der Nutzer an Tag N oder danach jemals wieder aktiv?"
Formel:
Rolling Retention = Nutzer aktiv an Tag N oder später / Startkohorte × 100
Rolling Retention ist immer höher als N-Day Retention für denselben Tag. Sie gibt eine optimistischere Perspektive und eignet sich für Produkte mit unregelmäßiger Nutzung (z. B. E-Commerce, saisonale Apps).
Welche Methode wählen?
| Produkt-Typ | Empfohlene Methode |
|---|---|
| Social-Media-App (tägliche Nutzung) | N-Day Retention |
| SaaS-Tool (wöchentliche Nutzung) | Classic Retention (wöchentlich) |
| E-Commerce (monatliche Besuche) | Rolling Retention |
| Newsletter / E-Mail | Open Rate + Re-Engagement-Rate |
Benchmarks nach App-Typ und Branche
Mobile-App-Benchmarks (Adjust Mobile Report 2024)
| App-Kategorie | Day-1-Retention | Day-7-Retention | Day-30-Retention |
|---|---|---|---|
| Gaming | 30–40 % | 12–18 % | 5–8 % |
| E-Commerce | 35–40 % | 20–25 % | 10–15 % |
| Finance | 40–50 % | 25–35 % | 15–25 % |
| Health & Fitness | 25–35 % | 15–20 % | 8–12 % |
| Social Media | 45–55 % | 28–35 % | 15–22 % |
| Utilities | 35–45 % | 20–28 % | 10–18 % |
SaaS-Benchmarks (monatliche Retention)
| Unternehmensgröße / Typ | Monatliche Retention |
|---|---|
| Consumer SaaS | 75–85 % |
| SMB SaaS | 83–90 % |
| Enterprise SaaS | 90–97 % |
| Sehr gute Performance | > 95 % |
E-Commerce-Benchmarks (jährlich)
| Segment | Jahres-Retention |
|---|---|
| Luxusgüter | 25–35 % |
| Mode | 20–30 % |
| Elektronik | 15–25 % |
| FMCG / Konsumgüter | 35–50 % |
| Abonnement-Box | 60–80 % |
Kohortenanalyse und Retention
Retention Rate ist ohne Kohortenanalyse nur halb so wertvoll. Erst durch die Analyse nach Kohorten (Gruppen von Nutzern, die zur selben Zeit gestartet sind) werden Verbesserungen oder Verschlechterungen sichtbar.
Retention-Kurve lesen
Eine typische Retention-Kurve fällt in den ersten Tagen steil ab und flacht dann ab. Das Ziel jeder Optimierung ist:
- Anfänglichen Abfall verlangsamen (besseres Onboarding)
- Langfristigen Level erhöhen (höheres "Steady State")
Wenn die Retention-Kurve sich bei einer positiven Zahl einpendelt (z. B. dauerhaft 15 % nach Tag 30), haben Sie einen Kern loyaler Nutzer. Wenn sie gegen 0 strebt, haben Sie ein Product-Market-Fit-Problem.
Churn-Prävention: Die wichtigsten Hebel
1. Onboarding optimieren
Die ersten Tage nach der Registrierung sind entscheidend. Nutzer, die schnell ihr erstes Erfolgserlebnis erleben (Time-to-Value), haben signifikant höhere Retention Rates.
Maßnahmen:
- Onboarding-Checkliste mit klaren Schritten
- Proaktive E-Mail-Sequenz in den ersten 7 Tagen
- Geführte Tour für neue Features
- Schnelle Erreichung des „Aha-Moment" (erster Nutzenmoment)
2. Re-Engagement-E-Mails
Sobald ein Nutzer inaktiv wird (z. B. 7 Tage ohne Login), starten automatische Re-Engagement-Kampagnen:
- Win-back-E-Mails: „Wir vermissen Sie – hier ist, was Sie verpasst haben"
- Feature-Update-E-Mails: Neue Funktionen als Rückkehr-Anreiz
- Personalisierte Empfehlungen: Basierend auf früheren Aktionen
3. Push-Benachrichtigungen (Apps)
Bei Mobile Apps sind Push-Benachrichtigungen ein wichtiger Retention-Hebel. Wichtig: Relevanz vor Frequenz. Zu viele irrelevante Pushes führen zur App-Deinstallation.
Best Practices:
- Personalisierter Content basierend auf Nutzerverhalten
- Optimale Sendezeit (A/B-testen)
- Opt-out-freundlich (um aktive Nutzer nicht zu vertreiben)
4. Loyalty-Programme
Punkte-, Levels- oder Belohnungssysteme erhöhen die Retention durch spielerische Anreize. Besonders effektiv in E-Commerce, Apps und Community-Plattformen.
5. Regelmäßige Mehrwert-Kommunikation
Newsletter, Tutorials, Webinare und Blog-Content halten Nutzer langfristig engagiert – auch wenn sie das Produkt gerade nicht aktiv nutzen.
NPS und Retention-Rate
Der Net Promoter Score (NPS) ist ein starker Frühindikator für die künftige Retention. Nutzer, die „Promotoren" sind (NPS 9–10), haben deutlich höhere Retention Rates als „Detraktoren" (NPS 0–6).
Faustregel: Ein NPS-Anstieg um 10 Punkte korreliert mit einer Retention-Verbesserung von 3–5 % (abhängig von der Branche).
Führen Sie NPS-Umfragen zu folgenden Zeitpunkten durch:
- Nach dem Onboarding (Day 14)
- Nach 3 Monaten Nutzung
- Nach einem Support-Kontakt
- Jährlich für alle aktiven Nutzer
Retention Rate in Google Analytics 4 messen
GA4 bietet native Retention-Berichte unter Berichte > Halten > Retention-Übersicht. Dort sehen Sie:
- Anzahl der neuen vs. zurückkehrenden Nutzer
- Retention-Kurve nach Woche (Kohorte = Woche der ersten Sitzung)
- Vergleich zwischen verschiedenen Kohorten
- Engagement-Rate und Sitzungsdauer nach Kohortenwoche
Hinweis: GA4-Retention basiert auf Browser-Cookies und ist für Apps mit Firebase Analytics genauer. Für tiefe Retention-Analysen empfehlen sich spezialisierte Tools wie Amplitude, Mixpanel oder Heap.