Tu churn lleva tres meses estable en un 5%. Puede significar que todo está igual. También puede significar que dos segmentos se mueven en direcciones opuestas y se anulan en la media.
La respuesta corta. Una cohorte es un grupo de usuarios que comparten algo verificable, casi siempre el momento de entrada. Analizar por cohortes consiste en seguir a cada grupo por separado a lo largo del tiempo, en lugar de mirar un único número mensual. Sirve para localizar dónde ocurre la pérdida, no para explicarla.
Cuatro formas de agrupar, con usos distintos
La palabra "cohorte" suele asociarse solo al mes de alta. Hay al menos cuatro cortes útiles y responden a preguntas diferentes.
| Tipo de cohorte | Se agrupa por | Pregunta que responde |
|---|---|---|
| Adquisición | Mes o semana de alta | ¿Retenemos mejor a quien entra ahora? |
| Activación | Si completó una acción clave | ¿Qué acción separa a quien se queda? |
| Comportamiento | Qué funciones usa | ¿Qué uso predice permanencia? |
| Plan o segmento | Tarifa, tamaño, canal | ¿Qué segmento se desangra? |
Adquisición. Es la base. Permite saber si los cambios en el producto mejoran la retención de los nuevos, algo que la tasa global no puede mostrar porque mezcla cohortes de años distintos.
Activación. Compara quienes hicieron una acción concreta en sus primeros días con quienes no. Es el corte que más rápido señala en qué punto conviene intervenir.
Comportamiento. Agrupa por uso real de funciones. Cuidado aquí: es donde más fácilmente se confunde correlación con causa. Que quienes usan la función X retengan mejor no significa que empujar la función X mejore la retención.
Plan o segmento. El corte más ignorado y a menudo el más rentable. Una media global sana puede convivir con un plan concreto perdiendo clientes a un ritmo que nadie ve.
Cómo leer una curva de retención
Una curva de retención por cohorte muestra qué porcentaje del grupo sigue activo pasado cada periodo. Tres formas tienen tres significados distintos.
Caída fuerte y pronto, luego estable. El patrón más común. La pérdida se concentra en las primeras semanas y después se aplana. Indica un problema de ajuste inicial o de primeros pasos, no de valor a largo plazo. Es un asunto de onboarding.
Caída constante que no se aplana. Cada mes se pierde una proporción parecida. Sugiere que el producto entrega menos valor del que cuesta mantener, o que aparece una alternativa en algún momento del ciclo.
Caída y luego repunte. Suele ser un artefacto de medición, no una resurrección. Conviene revisar cómo se define "activo" antes de celebrarlo.
Lo importante es comparar cohortes entre sí. Una curva aislada no dice si vas mejor o peor. Cinco curvas superpuestas, una por mes de alta, muestran de un vistazo si los cambios recientes han movido algo.
El error de agrupar por lo que se puede medir
La tentación es construir cohortes con los campos que la herramienta ya trae. Eso produce cortes cómodos y poco informativos.
Un ejemplo frecuente: agrupar por país porque el país está en la base de datos. Salvo que hagas algo distinto por país, el corte no sugiere ninguna acción. En cambio, agrupar por "llegó por recomendación" frente a "llegó por búsqueda" sí, porque son dos poblaciones con expectativas distintas y se puede actuar sobre ambas.
La prueba es simple: si el corte muestra una diferencia, ¿sabrías qué hacer? Si la respuesta es no, el corte es interesante y no es útil.
Dónde se acaba el análisis de cohortes
Aquí conviene ser claro, porque es la limitación que más tiempo hace perder.
Las cohortes localizan. No explican. Puedes descubrir que la cohorte de marzo del plan intermedio retiene veinte puntos peor que la de febrero, y ese hallazgo no contiene ninguna razón. Las razones no están en la tabla, están en lo que esos usuarios dijeron.
Por eso el paso siguiente a un hallazgo de cohorte es cualitativo: leer los mensajes de las cuentas de ese grupo. Si el feedback está reunido en un sitio y asociado a la cuenta, ese cruce se hace en una tarde. Si está repartido entre correo, soporte y notas de llamadas, no se hace nunca. Es lo que vuelve práctica la agregación del feedback.
FlagUp registra cada envío junto a la cuenta que lo hizo y señala las que acumulan lenguaje de frustración, lo que permite mirar primero a las cuentas del grupo que peor retiene. La página de detección de churn explica esa señal.
Un procedimiento corto
Ejemplo hipotético. Un equipo observa que el churn global no se mueve. Corta por plan y encuentra que el plan de entrada ha empeorado seis puntos mientras el superior ha mejorado tres. Corta esa población por mes de alta y ve que el deterioro empieza en la cohorte posterior a un cambio de precios. Lee los treinta últimos mensajes de cuentas de ese grupo y encuentra el mismo tema repetido. La media global nunca habría mostrado nada de esto.
El procedimiento general cabe en cuatro pasos:
- Corta por segmento antes que por fecha. El segmento suele explicar más varianza.
- Dentro del segmento peor, corta por cohorte de alta.
- Busca el punto en el tiempo donde la curva cambia y compáralo con lo que hizo el equipo.
- Lee el feedback de ese grupo antes de formular una hipótesis.
Preguntas frecuentes
¿Cuántos usuarios hacen falta por cohorte?
Los suficientes para que un caso no mueva la línea. Con cohortes muy pequeñas, la diferencia entre dos curvas suele ser ruido. Si los grupos quedan diminutos, conviene agrupar por trimestre en lugar de por mes.
¿En qué se diferencia esto de la retención por cohortes para onboarding?
En el alcance. Aquí las cohortes se usan como método general para localizar pérdidas en cualquier punto del ciclo de vida. Aplicadas al onboarding, el foco se estrecha a los primeros días y a los eventos de activación.
¿Necesito una herramienta de analítica avanzada?
No para empezar. Una consulta que devuelva mes de alta y última actividad ya permite construir la primera tabla. La herramienta ahorra tiempo cuando los cortes se multiplican.
¿Las cohortes de comportamiento demuestran causalidad?
No. Muestran asociación. Para acercarse a la causa hace falta cambiar algo deliberadamente y comparar el antes y el después en poblaciones equivalentes.
Artículos relacionados
- Cómo usar cohortes de retención para mejorar el onboarding
- Tasa de churn SaaS: cómo leer los benchmarks por segmento
- Cómo usar señales de churn para mejorar la retención SaaS
Cuando una cohorte destaque por lo mal que retiene, lo siguiente es leer lo que dijeron. Mira la detección de churn y los planes.