Análisis de Cohortes
El análisis de cohortes es un método para agrupar a los usuarios por un evento inicial compartido, normalmente la semana o el mes en que se registraron, y seguir su comportamiento a lo largo del tiempo como grupo. En lugar de un único promedio móvil, ves muchas líneas paralelas, cada una revelando cómo se comportó realmente una generación específica de usuarios.
El análisis de cohortes es un método para agrupar a los usuarios por un evento inicial compartido, normalmente la semana o el mes en que se registraron, y seguir su comportamiento a lo largo del tiempo como grupo. En lugar de un único promedio móvil, ves muchas líneas paralelas, cada una revelando cómo se comportó realmente una generación específica de usuarios.
Por qué importa
Las métricas agregadas mienten. Un producto puede mostrar un MAU creciente mientras cada cohorte individual cancela más rápido que la anterior; el crecimiento proviene por completo de que la adquisición supera al deterioro. El análisis de cohortes revela este patrón de inmediato. Todo equipo de crecimiento serio (Facebook, Airbnb, Shopify) basa sus conversaciones sobre retención en gráficos de cohortes, no en promedios. El análisis de cohortes es también la única forma fiable de saber si un cambio de producto realmente funcionó: los promedios de antes y después mezclan el comportamiento antiguo y el nuevo; las cohortes los separan.
Cómo funciona
1. Elige un evento inicial: Registro, primera compra, primer uso de una función. Esto define la "Semana 0" para cada usuario.
2. Agrupa a los usuarios por período inicial: Todos los usuarios que se registraron en la Semana 1 de abril son una cohorte, los de la Semana 2 otra, y así sucesivamente.
3. Elige un evento de retención: ¿Qué cuenta como "retenido"? Inició sesión, completó una acción central, pagó: sé específico.
4. Sigue la retención de cada cohorte a lo largo del tiempo: Para cada cohorte, calcula el % que sigue realizando el evento de retención en la Semana 1, Semana 2, Semana 3, …
5. Represéntalas una al lado de la otra: Cada cohorte se convierte en una fila o línea. Compara formas, no solo números.
Formas a buscar
Curva que se aplana: La retención cae bruscamente al principio y luego se estabiliza en un porcentaje constante. Esta es la forma del ajuste producto-mercado: un grupo central permanece.
Curva de sonrisa: La retención cae y luego sube a medida que los usuarios inactivos regresan. Es rara pero poderosa; se ve cuando un producto se convierte en un hábito.
Caída a cero: La retención decae de forma constante hasta el 0%. El producto no engancha. La adquisición no te salvará.
Mejora de cohortes con el tiempo: Las cohortes más nuevas se retienen mejor que las antiguas. Esta es la señal de que un cambio de producto realmente funcionó.
Degradación de cohortes: Las cohortes más nuevas se retienen peor. Algo se rompió: o el producto o el canal de adquisición está atrayendo usuarios que no encajan.
Usos comunes
Diagnóstico de retención: ¿Nuestro producto realmente engancha?
Impacto de funciones: ¿El lanzamiento de X mejoró la retención de las cohortes que la vieron?
Calidad de canal: ¿Los usuarios de Google Ads se retienen tan bien como los usuarios orgánicos?
Experimentos de precios: ¿La cohorte de un nuevo plan se retiene mejor que la del plan antiguo?
Pronóstico de cancelación: Aplica las curvas de cohortes a los nuevos registros para predecir los MRR futuros.
Errores comunes
Comparar con promedios: Los promedios combinan todas las cohortes y ocultan la tendencia que importa.
Tamaño de cohorte demasiado pequeño: Las cohortes semanales de 20 usuarios son mayormente ruido. Agrega a nivel mensual si el volumen es bajo.
Evento inicial incorrecto: "Se registró" no es "se activó". Elige el evento que define el uso real.
Evento de retención incorrecto: El inicio de sesión no cuenta nada. Elige la acción que crea valor.
Mirar solo una cohorte: Las instantáneas de una sola cohorte ocultan si las cosas están mejorando o empeorando a lo largo del tiempo.
Cohorte solo por mes de adquisición: Agrupa también por exposición a funciones, canal, plan y otras dimensiones para encontrar los impulsores reales.
Sources: