Definición de Cohort Analysis
Cohort Analysis es una técnica analítica que divide a los usuarios en grupos (cohortes) basados en una característica compartida — típicamente la fecha en que realizaron su primera acción (registro, primera compra, primera sesión) — y luego rastrea el comportamiento de cada grupo a lo largo del tiempo.
Cómo leer una tabla de cohortes
La tabla de cohortes más común es la de retención:
- Filas: cada fila es una cohorte (ej: usuarios que se registraron en enero, febrero, marzo...)
- Columnas: el comportamiento en cada período posterior (Mes 0, Mes 1, Mes 2...)
- Celdas: % de usuarios de esa cohorte que siguen activos en ese período
Una tabla sana muestra: 100% en Mes 0 (todos activos al inicio), luego declina gradualmente y eventualmente se estabiliza. Si la retención sigue cayendo sin estabilizarse, el producto no tiene «stickiness».
Tipos de cohortes
- Cohortes de adquisición: agrupadas por mes de registro. Revelan si la calidad de usuarios mejoró o empeoró con el tiempo (útil si cambiaste canales de adquisición).
- Cohortes de comportamiento: agrupadas por acción específica (usuarios que usaron feature X, usuarios que completaron onboarding). Revelan cuáles comportamientos predicen retención.
- Cohortes de canal: usuarios de Google Ads vs. orgánico vs. referido. Comparan calidad de clientes por origen.
Ejemplo real: app de finanzas personales en México
Una app de ahorro mexicana analizó sus cohortes mensuales y descubrió: usuarios adquiridos via Google Ads tenían retención mes 3 del 45%, mientras usuarios referidos por amigos tenían 72% en el mismo período. Además, usuarios que conectaban su cuenta bancaria en los primeros 3 días tenían retención mes 6 de 65% vs. 18% de los que no la conectaban. Resultado: rediseñaron el onboarding para priorizar la conexión bancaria en los primeros 24 horas → retención global aumentó 28%.
Errores comunes en Cohort Analysis
- Analizar solo el total de usuarios activos: sin cohortes, no puedes saber si los usuarios activos son los nuevos (que pronto se irán) o los veteranos (señal de buen producto).
- Cohortes demasiado pequeñas: cohortes de menos de 100-200 usuarios tienen demasiado ruido estadístico para sacar conclusiones confiables.
- Ignorar las cohortes con mejor retención: identificar qué tienen en común las cohortes de mejor retención es tan valioso como entender por qué las peores abandonan.
En Weblindrome ofrecemos Análisis de datos para PyMEs mexicanas. Solicita un diagnóstico gratuito.