¿Cómo funciona el análisis de cohortes?
Agrupas a los usuarios según cuándo aparecieron por primera vez (los registros de enero, los de febrero) y mides el mismo comportamiento en cada grupo a la misma edad relativa: día 1, día 7, día 30. El resultado suele ser una cuadrícula en la que cada fila es una cohorte y cada columna, una edad. Leer una columna de arriba abajo responde a la pregunta que una media agregada no puede responder: ¿las cohortes más nuevas retienen mejor que las antiguas, o el producto está estancado mientras crece la adquisición?
¿Cómo se lee una curva de retención?
Representa la tasa de retención de una cohorte frente al tiempo desde el registro y obtendrás una curva que empieza en el 100 % y baja. La forma importa más que cualquier punto concreto. Una curva que sigue cayendo hacia cero significa que todos los usuarios acaban yéndose: el crecimiento está rellenando un cubo con agujeros, y tu tasa de churn acabará alcanzando a la adquisición. Una curva que se aplana significa que un núcleo de usuarios se ha asentado. Quienes trabajan en growth suelen leer una curva que se aplana como una señal de product-market fit; es una heurística y no una prueba formal, pero una en la que se confía mucho.
Por qué importa para un equipo de dos personas
Las métricas agregadas favorecen a los productos que crecen: cuando los registros de este mes superan a los del año pasado, la media la dominan usuarios demasiado nuevos como para haberse ido. Las cohortes eliminan esa distorsión con una sola agrupación, y la consulta es lo bastante sencilla como para ejecutarla en SQL sobre tus propios eventos. Combina la columna del día 30 con tu tasa de activación para comprobar si los cambios de onboarding se mantienen de verdad. Qué hacer cuando una cohorte decae (journeys de recuperación, mensajes de ciclo de vida) se explica en la guía de flujos de retención y recuperación.
¿Cuáles son los errores comunes en el análisis de cohortes?
Hay tres que se repiten. Cohortes demasiado pequeñas para ser una señal: en una cohorte de 20 usuarios, una persona mueve la retención cinco puntos, así que lee la tendencia en varias cohortes y no en una sola. Comparar cohortes a edades distintas: una cohorte de dos meses siempre parece mejor que una de doce meses en el mes doce, porque todavía no tiene datos ahí. Y definir “activo” a la ligera: si abrir un email cuenta como retención, la curva te favorece. Vincula “activo” a la acción que aporta el valor central de tu producto, no a un inicio de sesión.