Si alguna vez has mirado la "tasa de retención de clientes" de tu negocio como un único número (por ejemplo, "retenemos al 40% de nuestros clientes") probablemente te has quedado con una cifra que suena informativa pero que en realidad no te dice casi nada útil sobre qué hacer a continuación. El análisis de cohortes es la herramienta que convierte ese número plano en algo que sí se puede accionar, y sorprendentemente pocos negocios pequeños lo usan, no porque sea complicado, sino porque nadie se lo ha explicado de forma sencilla.
Qué es una cohorte, explicado sin jerga
Una cohorte, en este contexto, es simplemente un grupo de clientes que comparten el momento en el que entraron a tu negocio: todos los que se dieron de alta en enero, todos los que hicieron su primera compra en la campaña de rebajas de verano, todos los que se suscribieron el mismo trimestre. En lugar de mirar "todos mis clientes" como una masa única, el análisis de cohortes los separa en estos grupos según su fecha de entrada, y después sigue a cada grupo por separado a lo largo del tiempo para ver qué porcentaje de ese grupo concreto sigue activo (comprando, usando el servicio, renovando) uno, tres, seis o doce meses después de haber entrado.
Por qué esto dice más que una tasa de retención global
El problema de una tasa de retención global es que mezcla clientes muy antiguos con clientes muy recientes en el mismo cálculo, y esa mezcla puede esconder tendencias completamente opuestas. Imagina un negocio que lleva tres años funcionando: los clientes que entraron el primer año, cuando el servicio o el producto todavía se estaba puliendo, pueden tener una retención baja. Los clientes que han entrado en los últimos seis meses, después de mejoras importantes en el producto o en la atención al cliente, pueden estar reteniéndose mucho mejor. Si solo miras la media de todos juntos, ese número plano no te dice si tu negocio está mejorando o empeorando en su capacidad de fidelizar, porque los dos efectos se cancelan parcialmente en el promedio.
El análisis de cohortes separa esas dos historias. Si comparas la curva de retención de la cohorte de enero con la de la cohorte de junio del mismo año, y ves que junio retiene mejor a los tres meses que enero, tienes una señal clara y concreta de que algo que cambiaste entre enero y junio (un cambio de producto, una mejora en el onboarding, un ajuste de precios) está funcionando. Sin cohortes, esa señal queda completamente enterrada dentro de un promedio general.
Ejemplo práctico aplicado a un negocio pequeño
Imagina una tienda online de productos de suscripción mensual (por ejemplo, una caja de productos gourmet) con unos 200 clientes nuevos al mes. Un análisis de cohortes típico organiza los datos en una tabla: cada fila es el mes en que un grupo de clientes entró, y cada columna muestra qué porcentaje de ese grupo seguía suscrito uno, dos, tres meses después. Podrías descubrir, por ejemplo, que los clientes que llegaron a través de una campaña de descuento agresivo (50% el primer mes) tienen una retención mucho peor a partir del segundo mes que los clientes que llegaron por recomendación de otro cliente, aunque el volumen inicial de la campaña de descuento parezca un éxito en el momento de captarlos. Sin mirar esto por cohortes y por canal de origen a la vez, seguirías invirtiendo en la campaña que trae clientes baratos pero que se van rápido, pensando que estás creciendo, cuando en realidad estás llenando un cubo con un agujero.
Otro patrón habitual que este análisis revela es el "mes crítico": muchos negocios de suscripción descubren que si un cliente supera el tercer o cuarto mes activo, su probabilidad de quedarse mucho más tiempo sube de forma notable. Eso convierte a ese periodo concreto en el momento donde vale la pena concentrar el esfuerzo de retención (una llamada de seguimiento, una oferta especial, contenido de bienvenida escalonado), en lugar de repartir el esfuerzo de forma uniforme a lo largo de toda la vida del cliente.
Cómo montar un análisis de cohortes sencillo sin herramientas complicadas
No hace falta un software de analítica avanzada para empezar. Con una hoja de cálculo y los datos básicos que ya tiene cualquier negocio (fecha de alta o primera compra de cada cliente, y fechas de compras o interacciones posteriores) se puede construir una tabla de cohortes manualmente: filas por mes de entrada, columnas por meses transcurridos desde esa entrada, y en cada celda el porcentaje de ese grupo que seguía activo en ese momento. Herramientas como Google Analytics 4 y la mayoría de plataformas de ecommerce (Shopify, entre otras) ya incluyen informes de cohortes prediseñados que hacen este cálculo automáticamente, lo que ahorra el trabajo manual una vez que decides mirarlo con regularidad.
Qué hacer con lo que descubres
El valor del análisis de cohortes no está en mirarlo una vez, está en compararlo mes a mes para detectar si los cambios que haces en tu negocio (de producto, de precio, de atención al cliente, de canal de captación) mejoran o empeoran la retención de las cohortes más recientes frente a las anteriores. Es, en esencia, una forma de medir el efecto real de tus decisiones sobre la fidelización de clientes, con una ventaja añadida: como cada cohorte se puede comparar también por el canal de origen, la campaña o la oferta con la que llegó, te permite identificar qué fuentes de clientes son rentables a largo plazo y cuáles solo lo parecen a corto plazo.
Un error habitual: comparar cohortes que no son comparables
Un fallo típico al empezar con el análisis de cohortes es comparar grupos que no partían de la misma base y sacar conclusiones erróneas de esa comparación. Si la cohorte de diciembre incluye una avalancha de compradores de Black Friday que nunca tuvieron intención de convertirse en clientes recurrentes, y la comparas sin más con la cohorte de un mes normal, vas a concluir que "la retención ha caído" cuando en realidad lo que ha cambiado es la composición del grupo, no tu capacidad de fidelizar. Conviene, siempre que sea posible, separar también las cohortes por canal de origen o por tipo de oferta con la que llegaron, no solo por el mes de entrada, para no mezclar peras con manzanas dentro del mismo análisis.
Preguntas frecuentes
¿Necesito muchos clientes para que el análisis de cohortes tenga sentido?
Ayuda tener un volumen mínimo (unas pocas decenas de clientes por cohorte) para que los porcentajes no varíen demasiado por casualidad. Con volúmenes muy pequeños, las conclusiones hay que tomarlas con cautela, pero incluso así el ejercicio ayuda a detectar patrones que un promedio global esconde por completo.
¿Se puede aplicar el análisis de cohortes a un negocio que no es de suscripción?
Sí. Para un ecommerce sin suscripción, la cohorte se puede seguir por si repiten compra en los meses siguientes a la primera; para un SaaS, por si siguen usando la herramienta activamente; para un negocio de servicios, por si contratan de nuevo en los meses o años siguientes. El principio es el mismo: agrupar por momento de entrada y seguir el comportamiento posterior de cada grupo por separado.
¿Con qué frecuencia debería revisar el análisis de cohortes?
Depende del ciclo de tu negocio, pero una revisión mensual o trimestral suele ser suficiente para detectar tendencias sin caer en el ruido de variaciones diarias o semanales que no significan nada por sí solas.