Bleiberate-Rechner

Eine Kohorte ist eine Gruppe von Mitgliedern, die zu einem bestimmten Startmonat aktiv waren — z.B. alle, die im April 2025 bezahlt haben. Wir „frieren" diese Gruppe ein und beobachten dann, wie viele davon X Monate später noch Mitglied sind.

Warum nicht einfach die Gesamtzahl beobachten? Weil neue Mitglieder den Schwund verdecken würden. Wenn im April 500 Mitglieder da sind, 100 kündigen, aber 150 neu eintreten, sieht es nach Wachstum aus — obwohl 20% der ursprünglichen Mitglieder weg sind.

Die Kohorten-Methode macht den tatsächlichen Schwund sichtbar, unabhängig vom Wachstum durch Neuzugänge.

Die Formel ist einfach:

Wichtig: Neuzugänge zwischen den zwei Zeitpunkten werden nicht gezählt. Nur die ursprüngliche Kohorte zählt. Die Oktober-Liste kann viel größer sein — das ändert die Bleiberate nicht, weil wir nur prüfen: „Wer von April ist noch dabei?"

Der Nenner ist immer die bereinigte Startkohorte (nach Duplikatentfernung), nicht die Rohliste.

Duplikate entstehen v.a. bei Kindern, die in mehreren Kursen gleichzeitig sind — z.B. Jonglieren und Kampfsport. In der Abbuchungsliste erscheinen sie dann zweimal pro Monat. Würde man das nicht bereinigen, wäre die Kohorte künstlich aufgebläht und die Bleiberate zu niedrig.

Die App erkennt Duplikate so:

• Alle Namen innerhalb derselben Spalte (= desselben Monats) werden verglichen
• Normalisierung: Groß-/Kleinschreibung ignoriert, Leerzeichen getrimmt, Umlaute vereinheitlicht (ä→ae, ö→oe, ü→ue, ß→ss)
• Taucht ein normalisierter Name zweimal auf → nur der erste wird behalten

In der April-Datei aus dem Beispiel wurden so 11 Duplikate in der Startliste und 49 Duplikate in der Oktober-Liste entfernt.

Da keine Mitgliedsnummern verfügbar sind, erfolgt der Abgleich ausschließlich über den Namen. Konkret:

1. Alle Namen aus der Startliste (April) werden normalisiert
2. Alle Namen aus der Vergleichsliste (Oktober) werden normalisiert
3. Für jeden April-Namen wird geschaut: gibt es diesen Namen in Oktober? → „geblieben"
4. Nicht gefunden → „ausgetreten"

Bekannte Schwachstellen:

• Tippfehler in einem der Monate → Person wird fälschlicherweise als „ausgetreten" gezählt
• Namensänderungen (Heirat etc.) → nicht erkennbar
• Kinder ohne eindeutige Vornamen + gleicher Nachname wie Geschwister → könnten vertauscht werden

Die App berechnet aus den Spaltenköpfen (z.B. „2025 April" → „2025 Oktober") automatisch den Abstand in Monaten und ordnet ihn einer Kategorie zu:

• 3 Monate = 1–4 Monate Abstand
• 6 Monate = 5–7 Monate Abstand
• 9 Monate = 8–11 Monate Abstand
• 1 Jahr = 12–15 Monate Abstand
• 1,5 Jahre = 16–21 Monate Abstand
• 2 Jahre = 22–27 Monate Abstand
• 3 Jahre = 28–40 Monate Abstand

Wenn mehrere Kohorten in dieselbe Kategorie fallen, wird der Durchschnitt angezeigt. Je mehr Kohorten pro Kategorie, desto verlässlicher der Durchschnittswert. Empfehlung: mindestens 3 Kohorten pro Zeitraum.

Wenn du eine CSV mit mehr als zwei Spalten hochlädst (eine pro Monat), berechnet die App den Rückgang Monat für Monat — immer gemessen an der Startkohorte.

Das ergibt eine Überlebenskurve: Man sieht nicht nur, wie viele bleiben, sondern wann die Abgänge stattfinden. Typische Muster:

• Starker Rückgang im Monat 1–2: Viele probieren aus und hören früh auf. Onboarding verbessern.
• Rückgang im Monat 3–6: Klassischer „3-Monats-Knick". Lohnt sich nachzufragen warum.
• Gleichmäßiger langsamer Rückgang: Natürliche Fluktuation — kein akutes Problem.

Format für Monatsverlauf-CSV:

Jede Spalte enthält die vollständige Mitgliederliste des jeweiligen Monats — nicht nur die Neuzugänge.

Empfohlenes Vorgehen:

• Jeden Monat eine neue CSV exportieren (Startzeitpunkt fester Referenzmonat, Endpunkt = aktueller Monat)
• Z.B. jeden Monat: „Kohorte Mai 2025 → aktueller Monat" — nach 6 Monaten hat man 6 Datenpunkte für den 6-Monats-Schnitt
• Standort beim Hochladen angeben, um Standort-Vergleiche zu ermöglichen
• Für den Monatsverlauf: alle Monate in einer CSV zusammenfassen (eine Spalte pro Monat)

Wie viele Kohorten brauche ich?

• 1 Kohorte → erster Anhaltspunkt, aber nicht repräsentativ
• 3 Kohorten → erste verlässliche Tendenz
• 6+ Kohorten → statistisch belastbarer Durchschnitt