O que são a análise de coorte e as curvas de retenção
Uma análise de coorte agrupa os usuários por um evento de partida em comum — na maioria das vezes, a semana ou o mês em que se cadastraram — e acompanha cada grupo daí em diante. Uma curva de retenção pega uma coorte e mostra a parcela que continua ativa em cada período depois desse início: semana 0, semana 1, semana 2 e assim por diante. O formato dessa linha conta a história.
Por que as coortes separam a retenção do mix de crescimento
O total de usuários ativos mistura todas as coortes, então uma onda de cadastros novos pode esconder um problema de retenção por baixo. Divida os mesmos usuários em coortes semanais e cada curva passa a valer por si. Se a coorte de março retém 40% na semana 8 e a de abril retém 28%, algo mudou entre as duas — uma diferença que você nunca veria no agregado. É também por isso que as coortes combinam com a segmentação de clientes: compare a retenção por plano, canal ou caminho de ativação para descobrir quais grupos realmente ficam — os mesmos recortes que uma plataforma de engajamento como o Iterable usa para direcionar fluxos de ciclo de vida.
Como ler uma curva de retenção
Observe três coisas: a altura da primeira queda, onde a linha faz a curva e se ela se estabiliza. Quase todo produto perde uma parcela grande entre o período 0 e o período 1 — isso é normal. O que importa é se a queda desacelera e se acomoda em um patamar estável ou se continua escorregando para zero. Uma curva que nunca se estabiliza significa que cada coorte acaba saindo por completo. Veja como calcular a taxa de churn para a mesma história contada como um número por período.
A curva que se estabiliza como sinal de product-market fit
Os profissionais de growth tratam uma curva de retenção que se estabiliza em uma assíntota horizontal como um sinal de engajamento duradouro — Andrew Chen inclui as curvas de coorte que se estabilizam entre seus indicadores aproximados de product-market fit, e a Reforge ensina a mesma leitura de “sorriso ou estabilização”. Trate isso como sinal, não como prova. A altura do patamar importa tanto quanto a existência dele: uma curva que se estabiliza em 3% descreve um núcleo fiel minúsculo, não um produto saudável. E uma curva que se estabiliza diz que um grupo continua ativo, não por quê — é uma correlação a investigar, não uma causa comprovada.
Retenção N-day vs. unbounded
| Método | Conta um usuário como retido no dia N se ele… | Ideal para |
|---|---|---|
| N-day | esteve ativo exatamente no dia N (ou em um intervalo definido em torno dele) | produtos de hábito com um ciclo diário ou semanal |
| Unbounded | voltou no dia N ou em qualquer dia depois | produtos de uso irregular; algumas ferramentas chamam isso de rolling |
| Intervalo | esteve ativo pelo menos uma vez dentro de uma janela móvel | suavizar o ruído quando o uso é pouco frequente |
Como agir a partir do que a curva mostra
A curva diz onde olhar, não o que corrigir. Uma queda forte no início aponta para o onboarding e a ativação — a primeira sessão não está entregando valor rápido o bastante. Uma curva que se estabiliza em um patamar baixo aponta para o valor de longo prazo ou para o público errado. Quando tiver uma hipótese, mude uma coisa só e compare a curva da próxima coorte com a da anterior. A coorte é a unidade de medida de quase todo experimento de retenção: lance a mudança, deixe uma coorte nova envelhecer e veja se o patamar dela se mexeu.