El análisis de cohortes es una técnica analítica que agrupa a usuarios o clientes en segmentos, llamados cohortes, según una característica o experiencia compartida que ocurre dentro de un período definido, con mayor frecuencia la fecha en que se registraron por primera vez, realizaron su primera compra o fueron captados por un canal específico, y después sigue cómo evoluciona el comportamiento de cada cohorte en los períodos posteriores. El resultado más habitual es una tabla de retención por cohortes, o curva de retención, que muestra qué porcentaje de una cohorte sigue activo, vuelve a comprar o continúa suscrito a intervalos determinados tras su punto de partida, como 1 semana, 1 mes, 3 meses y 12 meses después, lo que permite a los analistas comparar cómo se comportan, a lo largo de su respectiva vida útil, las cohortes captadas en momentos distintos o a través de canales diferentes.
El análisis de cohortes es importante porque corrige una limitación fundamental de las métricas agregadas de series temporales: la tasa global de retención de un negocio o los ingresos medios por usuario en un mes dado mezclan a clientes que se encuentran en etapas completamente distintas de su relación con el producto, algunos que se incorporaron ese mismo mes y otros que lo hicieron años antes, lo que puede ocultar por completo tendencias de deterioro o de mejora. Por ejemplo, una base de usuarios puede mostrar un total estable de usuarios activos mensuales aunque las cohortes más recientes estén abandonando mucho más rápido que las antiguas, una señal de alerta que permanecería invisible en la métrica combinada pero que resulta evidente en cuanto se separan las cohortes y se comparan lado a lado en una curva de retención.
Las cohortes pueden definirse según múltiples dimensiones más allá de la simple fecha de captación, entre ellas las cohortes de comportamiento (agrupadas por una acción realizada, como completar o no la incorporación), las cohortes por canal de adquisición (agrupadas según si el usuario llegó por búsqueda de pago, orgánica o por recomendación) y las cohortes de ingresos (agrupadas por el valor de la compra inicial). Los analistas suelen visualizar estos datos como una tabla de retención triangular, con filas que representan las cohortes por período de inicio y columnas que representan el tiempo transcurrido desde ese inicio, lo que permite aislar en ese período exacto patrones como que la cohorte de un mes concreto rinda por debajo de lo esperado a causa de un cambio de precios, un error o una campaña de captación de menor calidad, en lugar de quedar ocultos en los promedios generales. Herramientas como Mixpanel, Amplitude y los informes nativos de exploración de cohortes de GA4 se utilizan habitualmente para construir estos análisis sin necesidad de ingeniería de datos a medida.
Un error frecuente es sacar conclusiones de cohortes demasiado pequeñas o demasiado recientes para haber acumulado datos estadísticamente significativos, ya que una cohorte captada hace solo dos semanas aún no puede revelar nada sobre la retención a 6 o 12 meses, y comparar una cohorte inmadura con una madura en esas métricas posteriores produce una imagen engañosa. Otro riesgo habitual es no tener en cuenta factores externos que afectan a toda una cohorte a la vez, como un pico estacional en la calidad de la captación en torno a una venta festiva o una interrupción temporal del producto, que pueden hacer que una cohorte parezca inusualmente fuerte o débil por motivos ajenos a cualquier cambio deliberado de producto o de marketing realizado en ese momento.
Para una consultoría de crecimiento o de CRO, el análisis de cohortes es especialmente valioso para evaluar si los cambios de producto, de incorporación o de marketing de ciclo de vida producen mejoras duraderas y no picos a corto plazo, ya que un cambio que aumenta los registros iniciales pero no mejora, o incluso empeora, la retención a 30 o 90 días dentro de la cohorte afectada no ha creado necesariamente un valor duradero. También es una herramienta estándar para evaluar la calidad de los canales de adquisición a lo largo del tiempo, ya que los canales pueden compararse no solo por su tasa de conversión inmediata o su coste por adquisición, sino por la trayectoria de retención y de valor del ciclo de vida a largo plazo de las cohortes que generan, y a menudo se descubre que un canal con un coste por adquisición inicial más alto es en realidad más rentable una vez que se tiene en cuenta el comportamiento de las cohortes a más largo plazo.
Más términos que empiezan por C
Llamada a la acción (CTA)Clasificación de tarjetas (card sorting)Abandono del carrito (Cart Abandonment)Gestión del cambio (Change Management)Optimización del checkout (Checkout Optimization)Tasa de abandono (churn rate)Tasa de clics (CTR, Click-Through Rate)Pruebas del lado del cliente (Client-Side Testing)Carga cognitiva (Cognitive Load)Análisis de la competenciaIntervalo de confianza (Confidence Interval)Modo de consentimiento (consent mode)
