# Kohorten- und Retention-Analyse (Data Analytics) > Zeitbasierte Kohorten, Kohorten-Retention, RFM-Analyse, Kundensegmentierung, Churn Prediction - 20 Interview-Fragen - Mid-Level - [Interview-Fragen: Data Analytics](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen.md) ## 1. Was ist eine Kohorte in der Datenanalyse? **Antwort** Eine Kohorte ist eine Gruppe von Nutzern, die in einem bestimmten Zeitraum eine gemeinsame Eigenschaft teilen, meist das Datum der ersten Aktion (Anmeldung, Erstkauf). Die Gruppierung von Nutzern in Kohorten ermöglicht den Vergleich ihres Verhaltens im Zeitverlauf und die Identifizierung von Trends über Akquisitionszeiträume hinweg. Es ist ein grundlegendes Werkzeug zur Messung der Retention und zur Bewertung der Auswirkungen von Produktänderungen. ## 2. Was ist das häufigste Kriterium zur Definition einer zeitbasierten Kohorte? **Antwort** Das häufigste Kriterium zur Definition einer zeitbasierten Kohorte ist das Datum der ersten Anmeldung oder des ersten Kaufs. Die Gruppierung nach Akquisitionszeitraum (Woche, Monat, Quartal) ermöglicht einen objektiven Vergleich des Nutzerverhaltens über verschiedene Akquisitionszeitpunkte hinweg. Dies hilft, den Zeiteffekt zu isolieren und Verbesserungen oder Verschlechterungen im Zusammenhang mit Produkt- oder Marketingänderungen zu erkennen. ## 3. Wie liest man eine Kohorten-Retention-Tabelle? **Antwort** Eine Kohorten-Retention-Tabelle wird mit Kohorten als Zeilen (nach Akquisitionszeitraum) und nachfolgenden Perioden als Spalten (Monat 0, Monat 1 usw.) gelesen. Jede Zelle zeigt den Prozentsatz der Nutzer dieser Kohorte, die in diesem Zeitraum noch aktiv sind. Die erste Spalte ist immer 100%, und die Werte nehmen mit der Zeit natürlich ab. Dieses Format ermöglicht den visuellen Vergleich der Retention zwischen Kohorten. ## 17 weitere Fragen verfügbar - Was ist der Unterschied zwischen Day-N-Retention und Rolling-Retention? - Warum gilt Retention als zuverlässigere Metrik als die Anzahl aktiver Nutzer? Kostenlos registrieren: https://sharpskill.dev/de/login ## Weitere Data Analytics-Interviewthemen - [Google Sheets - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-basics.md): 20 Fragen, Junior - [Google Sheets - Erweiterte Formeln](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-advanced.md): 20 Fragen, Junior - [SQL - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-basics.md): 25 Fragen, Junior - [SQL - Aggregationen und Gruppierungen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-aggregations.md): 20 Fragen, Junior - [SQL - Joins](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-joins.md): 20 Fragen, Junior - [BigQuery - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/bigquery-fundamentals.md): 20 Fragen, Junior - [Data Cleaning - Datenbereinigung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-cleaning.md): 20 Fragen, Junior - [KPIs und Business-Metriken](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/kpis-metrics.md): 20 Fragen, Junior - [Deskriptive Statistik](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/descriptive-statistics.md): 20 Fragen, Junior - [Zapier und No-Code-Automatisierung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/zapier-automation.md): 20 Fragen, Junior - [Grundlagen der Datenvisualisierung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-viz-principles.md): 20 Fragen, Junior - [Python & Pandas - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-pandas-basics.md): 20 Fragen, Junior - [Google Sheets - Automatisierte Dashboards](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-dashboards.md): 20 Fragen, Mid-Level - [SQL - Unterabfragen und CTEs](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-subqueries-ctes.md): 20 Fragen, Mid-Level - [SQL - Window Functions](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-window-functions.md): 20 Fragen, Mid-Level - [BigQuery - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/bigquery-advanced.md): 20 Fragen, Mid-Level - [Data Modeling](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-modeling.md): 20 Fragen, Mid-Level - [Funnel- und Conversion-Analyse](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/funnel-analysis.md): 20 Fragen, Mid-Level - [Google Tag Manager und Tracking](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/gtm-tracking.md): 20 Fragen, Mid-Level - [APIs und Webhooks](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/apis-webhooks.md): 20 Fragen, Mid-Level - [dbt - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/dbt-fundamentals.md): 20 Fragen, Mid-Level - [AB-Testing und angewandte Statistik](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/ab-testing.md): 20 Fragen, Mid-Level - [Looker Studio (Google Data Studio)](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/looker-studio.md): 20 Fragen, Mid-Level - [Power BI - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/power-bi-fundamentals.md): 20 Fragen, Mid-Level - [SQL - Erweiterte analytische Abfragen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-advanced-analytics.md): 20 Fragen, Senior - [dbt - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/dbt-advanced.md): 20 Fragen, Senior - [Power BI - DAX und fortgeschrittene Dashboards](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/power-bi-dax.md): 20 Fragen, Senior - [Python Analytics - Erweiterte Analyse und ML](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-analytics-advanced.md): 20 Fragen, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/cohort-retention