TL;DR, kort antwoord
7 min leestijdCohortanalyse groepeert gebruikers op een gedeeld startpunt, zoals de week waarin ze zich aanmeldden, en volgt diezelfde groep vooruit in plaats van alle gebruikers te mengen tot één gemiddelde voor de hele site. Een acquisitiecohort is gegroepeerd op wanneer gebruikers binnenkwamen; een gedragscohort op wat ze deden. De retentiecurve die uit een cohorttabel komt, laat precies zien waar een groep afhaakt, een patroon dat één gemiddeld retentiecijfer uitwist.
Wat is cohortanalyse?
In product- en omzetrapportage is cohortanalyse het groeperen van gebruikers op een gedeelde startgebeurtenis, zoals de week waarin ze zich aanmeldden, en het vervolgens volgen van het gedrag van diezelfde groep in de tijd, in plaats van de hele gebruikersbasis als één pool te meten. Een cohort is zo'n groep, en een cohorttabel zet meerdere cohorten naast elkaar zodat een team kan vergelijken hoe elk cohort zich gedroeg in de eerste, de vierde en de twaalfde week. Wat cohortanalyse nuttig maakt, is de retentiecurve, die per periode na de startgebeurtenis weergeeft welk deel van een cohort nog actief is.
Wat is een cohort?
Een cohort is een groep gebruikers die één bepalende gebeurtenis delen die in hetzelfde tijdvak plaatsvond, meestal een aanmelddatum, de datum van een eerste aankoop of het eerste gebruik van een specifieke functie. Elke gebruiker in een cohort wordt op dezelfde klok gemeten, in periodes sinds die gedeelde gebeurtenis in plaats van op kalenderdatum, dus een gebruiker die zich in week één aanmeldde en een gebruiker die zich in week tien aanmeldde, worden allebei op "week 4 na aanmelding" op dezelfde as afgelezen. Die gedeelde klok maakt cohorten met elkaar vergelijkbaar, want twee cohorten kun je periode voor periode naast elkaar leggen, ook al begonnen ze op verschillende kalenderdata.
Wat is het verschil tussen een acquisitiecohort en een gedragscohort?
Een acquisitiecohort groepeert gebruikers op wanneer ze binnenkwamen, zoals iedereen die zich in dezelfde week aanmeldde, terwijl een gedragscohort gebruikers groepeert op wat ze deden, zoals iedereen die de onboarding afrondde of iedereen die naar een betaald abonnement upgradede. Acquisitiecohorten beantwoorden of een product in de loop van de tijd beter of slechter wordt in het vasthouden van de mensen die het binnenhaalt, want elke nieuwe aanmeldweek wordt een eigen lijn in de grafiek. Gedragscohorten beantwoorden of een specifieke actie verandert wat er daarna gebeurt, want een team kan de retentiecurve van gebruikers die die actie uitvoerden vergelijken met die van gebruikers die dat niet deden. Beide soorten cohorten draaien op dezelfde retentiewiskunde; alleen de regel die gebruikers over de rijen verdeelt, verandert.
- Gegroepeerd op wanneer gebruikers binnenkwamen, zoals de aanmeldweek
- Beantwoordt of het product van elke nieuwe aanmeldweek in de loop van de tijd meer gebruikers vasthoudt
- Gegroepeerd op wat gebruikers deden, zoals de onboarding afronden of upgraden naar een betaald abonnement
- Beantwoordt of die actie de retentiecurve daarna verandert
Hoe wordt retentie binnen een cohort berekend?
De retentie van een cohort in een bepaalde periode is het aantal gebruikers uit dat cohort dat in die periode nog actief is, gedeeld door het aantal gebruikers waarmee het cohort begon.
cohort retention rate = active users in period / users in original cohort x 100Een cohort van 500 gebruikers dat zich in januari aanmeldde, waarvan er in maand drie nog 175 actief zijn, heeft een retentie in maand drie van 35%.
| Variabele | Betekenis | Waarde |
|---|---|---|
| Cohortgrootte | Gebruikers in het aanmeldcohort van januari | 500 |
| Actief in maand 3 | Gebruikers uit dat cohort die nog actief zijn | 175 |
| Retentiepercentage | Actief / cohortgrootte | 35% |

Hoe lees je een retentiecurve?
Een retentiecurve zet het retentiepercentage van een cohort af tegen de periodes sinds de startgebeurtenis, en de vorm van die lijn, niet één punt erop, vertelt een team of het product gebruikers vasthoudt. De meeste curves dalen sterk in de eerste paar periodes, wanneer gebruikers die het product één keer probeerden en niet terugkwamen uit het cohort verdwijnen, en buigen daarna af naar een helling die veel vlakker is dan de daling aan het begin. Lees het punt waarop de curve afvlakt als het dichtst bij een stabiele basis: een curve die in periode tien nog blijft dalen, heeft een doorlopend churnprobleem, terwijl een curve die zich in periode vier heeft gestabiliseerd, is uitgekomen bij een groep gebruikers die blijft terugkomen.
| Periode na aanmelding | Retentie cohort A | Retentie cohort B |
|---|---|---|
| Week 0 | 100% | 100% |
| Week 1 | 62% | 71% |
| Week 2 | 48% | 60% |
| Week 4 | 40% | 55% |
| Week 8 | 38% | 54% |
| Week 12 | 37% | 53% |
Cohort A en cohort B komen allebei uit op een vlakke staart, maar B verliest onderweg minder gebruikers en stabiliseert op een hogere bodem, en dat is het verschil dat één gemiddeld retentiepercentage nooit naar boven zou halen.
Waarom verbergt een gemiddeld retentiepercentage wat een cohorttabel laat zien?
Eén gemiddeld retentiepercentage verbergt het patroon omdat het cohorten die op totaal verschillende punten van hun eigen curve zitten, mengt tot één cijfer, zodat een bedrijf dat verbetert en een bedrijf dat achteruitgaat toevallig hetzelfde gemiddelde kunnen rapporteren. Een gebruiker die acht weken geleden binnenkwam en al in de stabiele staart zit, telt even zwaar als een gebruiker die vorige week binnenkwam en nog in de steile daling aan het begin zit, ook al betekent hun retentiegedrag iets heel anders voor de toekomst van het product. Twee producten kunnen deze maand een identieke gemiddelde retentie van 45% tonen terwijl het ene cohorten heeft die stabiliseren op 53% en het andere cohorten die nog voorbij 53% dalen naar een onbekende bodem, en alleen de cohorttabel houdt die twee situaties uit elkaar.

Wat doe je nadat je een cohorttabel hebt gelezen?
Vergelijk recente cohorten met oudere in dezelfde kolom om te zien of de retentie per periode stijgt of daalt, want een nieuwer cohort dat in week 4 hoger scoort dan een ouder cohort is een eerste aanwijzing dat een recente productwijziging heeft geholpen. Zet gedragscohorten tegenover elkaar, zoals gebruikers die een specifieke onboardingstap afrondden tegenover gebruikers die hem oversloegen, om te testen of die stap de reden is voor een sterkere curve en geen toeval. Combineer de cohorttabel met funneldata uit dezelfde periode, want een cohort dat vroeg afhaakt, is vaak bij een specifieke stap blijven hangen in plaats van in één keer zijn interesse te verliezen.
Hoe hangt cohortanalyse samen met churn en betrokkenheid?
De retentiecurve van een cohort en zijn churnrate beschrijven dezelfde gebruikers vanuit tegenovergestelde richtingen, want de gebruikers die een cohort tussen twee periodes verliest, zijn precies de gebruikers die in dat tijdvak als churn worden geteld. Retentiecurves lezen naast de betrokkenheidsratio en de onderliggende customer journey laat niet alleen zien hoeveel gebruikers een cohort vasthield, maar ook wat die gebruikers deden voordat degenen die vertrokken niet meer terugkwamen. De realtime analytics van Flowsery volgt gebruikersreizen en doelevents terwijl ze gebeuren, dus de activiteit die een cohorttabel voedt, komt uit dezelfde data als de rest van de rapportage van een team in plaats van uit een aparte export.
Veelgestelde vragen
Wat is de eenvoudigste definitie van cohortanalyse?
Cohortanalyse groepeert gebruikers op een gedeelde startgebeurtenis, zoals hun aanmeldweek, en volgt daarna het gedrag van diezelfde groep vooruit in de tijd in plaats van de hele gebruikersbasis te middelen. Het resultaat is meestal een retentiecurve of een cohorttabel die laat zien hoe de activiteit van elke groep per periode verandert.
Wat is het verschil tussen een cohort en een segment?
Een cohort wordt bepaald door een gedeelde startgebeurtenis en wordt vanaf dat vaste moment vooruit gevolgd, terwijl een segment elke groep is met een gedeelde eigenschap, zoals land of type abonnement, die op elk willekeurig moment kan worden gemeten. Een cohort heeft altijd een ingebouwde tijdas; een segment heeft die niet nodig.
Hoeveel gebruikers heb je nodig voordat cohortanalyse nuttig is?
Er is geen vast minimum, maar een cohort met te weinig gebruikers levert een retentiecurve op die sterk schommelt zodra één gebruiker vertrekt of blijft, waardoor het patroon moeilijk te vertrouwen is. Wacht tot wekelijkse of maandelijkse cohorten elk genoeg gebruikers bevatten dat het gedrag van één persoon niet de hele lijn verschuift, voordat je conclusies trekt uit de vorm.
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies
Waarom daalt een retentiecurve aan het begin sterk en vlakt ze daarna af?
De sterke vroege daling weerspiegelt gebruikers die het product één keer probeerden zonder een reden te vinden om terug te komen, terwijl de vlakkere staart daarna de kleinere groep is die blijvende waarde vond en bleef terugkomen. Lezen waar een curve afvlakt, en niet alleen hoe ver ze viel, vertelt een team of het een stabiele kern van gebruikers heeft gevonden.
Kunnen twee cohorten dezelfde gemiddelde retentie hebben maar verschillende curves?
Ja, het ene cohort kan vroeg snel dalen en op een lage bodem afvlakken, terwijl een ander langzaam daalt en op een hogere bodem uitkomt, en toch over de hele gemeten periode op een vergelijkbaar retentiecijfer uitkomen. Alleen de cohorttabel per periode, niet één gemiddelde, laat zien welke van die twee situaties zich voordoet.
Hoe verschilt een acquisitiecohort van een gedragscohort?
Een acquisitiecohort groepeert gebruikers op wanneer ze binnenkwamen, zoals hun aanmeldweek, en wordt gebruikt om te zien of de retentie van release tot release verbetert. Een gedragscohort groepeert gebruikers op een actie die ze uitvoerden, zoals het afronden van de onboarding, en wordt gebruikt om te testen of die specifieke actie de retentiecurve verandert ten opzichte van gebruikers die haar niet uitvoerden.
Hoe lang moet elke periode in een cohorttabel zijn?
De meeste cohorttabellen gebruiken wekelijkse of maandelijkse periodes op basis van wanneer de gedeelde startgebeurtenis plaatsvond, en volgen elk cohort daarna op diezelfde klok. Wekelijkse periodes vangen de steile vroege daling gedetailleerder, en dat is belangrijk voor een product waarbij churn snel zichtbaar wordt. Welke lengte een team ook kiest, elke rij in de tabel moet die gebruiken, anders staan de kolommen niet meer onder elkaar.
Kan hetzelfde gemiddelde retentiecijfer voor een bedrijf twee verschillende dingen betekenen?
Twee producten kunnen deze maand allebei een gemiddelde retentie van 45% rapporteren, terwijl het ene cohorten heeft die afvlakken op 53% en het andere cohorten die nog voorbij 53% dalen naar een onbekende bodem. Het gemiddelde behandelt beide bedrijven als identiek, maar alleen de cohorttabel laat zien welk bedrijf een stabiele basis heeft gevonden en welk nog terrein verliest.
Waarom combineer je een cohorttabel met funneldata?
Een cohorttabel laat zien dat de retentie daalde, maar niet waar in het product die daling plaatsvond. Door haar te combineren met funneldata uit dezelfde periode zie je of een cohort dat vroeg afhaakt bij een specifieke stap bleef hangen, in plaats van simpelweg in één keer zijn interesse te verliezen. Dat onderscheid verandert wat een team repareert: een stap waar mensen vastlopen of een product dat niemand wil blijven gebruiken.
Hoe hangen de retentiecurve en de churnrate van een cohort samen?
De retentiecurve en de churnrate van een cohort beschrijven dezelfde gebruikers vanuit tegenovergestelde richtingen. De gebruikers die een cohort tussen twee periodes verliest, zijn precies de gebruikers die in dat tijdvak als churn worden geteld, dus een curve die tussen twee periodes van 48% naar 40% daalt, rapporteert dezelfde groep die de churnrate als verloren telt.
Was dit artikel nuttig?
Laat ons weten wat je ervan vindt!
Zie ons vaker in Google
Met één klik markeer je Flowsery als voorkeursbron, zodat onze artikelen hoger staan in je Topverhalen, AI-modus en AI-overzichten.
Voordat je gaat...
Flowsery
Analytics voor je website, met omzet voorop
Volg elke bezoeker, bron en conversie in realtime. Eenvoudig, krachtig en zonder cookies.
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies
Gerelateerde begrippen


Wat gedragsanalyse meet dat paginaweergaven missen
Anders dan een kale telling van paginaweergaven legt gedragsanalyse vast wat een bezoeker echt op een pagina doet, als een stroom benoemde events die aan die specifieke bezoeker gekoppeld zijn.


De formule voor de retentiegraad stap voor stap uitgewerkt
De formule voor de retentiegraad deelt behouden klanten door de klanten waarmee je begon, en wie nieuwe aanmeldingen verkeerd telt, vertekent de uitkomst elke keer.


Wat een scrollmap laat zien over waar lezers stoppen
Elke band van een scrollmap krijgt een kleur naar het aandeel bezoekers dat hem bereikte. Leer de vouwlijn, de afhaakkolom en waar paginahoogte misleidt.


Wat telt als actieve gebruiker in GA4, Mixpanel en Amplitude
Een actieve gebruiker betekent in elke tool iets anders. Vergelijk de exacte definities in GA4, Mixpanel, Amplitude, PostHog en het 10-K-verslag van Meta.


Wanneer je padanalyse of funnelanalyse gebruikt
Padanalyse vs funnelanalyse: een funnel meet stappen die jij vastlegt, een pad toont de volgordes die gebruikers namen. Zo bouwen GA4, Mixpanel en Amplitude ze.


Waar de data vandaan komt bij session replay vs heatmaps
Session replay vs heatmaps: één bezoek tegenover veel, en hoe Hotjar, Datadog, PostHog, Clarity en FullStory heatmaps bouwen uit opnames, of los ervan.
Gerelateerde artikelen
Wat er in een trackingplan hoort, en wat het niet kan vangen
Een trackingplan noemt elk event, elke trigger, eigenschap en eigenaar voordat er code live gaat. Bekijk de kolommen, een ingevuld voorbeeld en het gat dat validatietools missen.


Waar user flow en user journey niet meer hetzelfde betekenen
Wie user flow en user journey vergelijkt, scheidt één waargenomen pad door je product van het hele doel dat iemand nastreeft, over kanalen en over tijd.


Wat een goede DAU/MAU-ratio is, en wie die echt heeft gemeten
Elke benchmark voor de DAU/MAU-ratio die rondgaat, is terug te voeren op drie bronnen: Fred Wilson in 2011, een ongedateerde gids van Gainsight en het rapport van Mixpanel uit juni 2026.

