La segmentación responde: ¿se comportan distinto los distintos clientes?
Ejemplo: los clientes que adoptaron la función A tienen un dos por ciento de bajas. Los que no la adoptaron tienen un cuatro por ciento. La función A impulsa la retención. La función A es importante.
El análisis de cohortes responde: ¿cambia el comportamiento de los distintos grupos de clientes con el tiempo?
Ejemplo: los clientes que se registraron en enero tienen una retención del ochenta por ciento el primer mes, del sesenta el segundo y del cuarenta el tercero. Los que se registraron en febrero tienen una retención del setenta y cinco por ciento el primer mes y del cincuenta el segundo. La cohorte de enero retiene mejor. Algo cambió entre enero y febrero.
Cuándo usar la segmentación
Usa la segmentación cuando la métrica varía según el segmento
Los ingresos varían según el tamaño del cliente (grandes cuentas frente a autoservicio). El tráfico varía según su origen (de pago frente a orgánico). La interacción varía según el uso del producto (usuarios intensivos frente a ocasionales). Segmenta y mide por separado. Entender la variación mejora las decisiones.
No segmentes si la métrica es igual en todos los segmentos
Las páginas vistas son las mismas el lunes y el martes. No tiene sentido segmentar por día. El día no es un segmento útil.
Cuándo usar el análisis de cohortes
Usa el análisis de cohortes cuando la cohorte importa
¿Cómo cambia el valor de vida del cliente según el mes de registro? Los meses importan (estacionalidad, cambios en el producto). El análisis de cohortes revela los efectos del tiempo.
No uses el análisis de cohortes si la cohorte no significa nada
Las páginas cargadas por visita no varían de forma relevante según el mes de registro. El análisis de cohortes mostraría ruido, no señal.
Un ejemplo real: segmentación avanzada en una empresa de SaaS
Segmentación inicial por tamaño
Grandes cuentas (valor anual del contrato de cien mil o más): veinte clientes. Dos por ciento de bajas al mes. Mercado medio (de diez mil a cien mil): cien clientes. Cuatro por ciento de bajas al mes. Autoservicio (menos de diez mil): quinientos clientes. Ocho por ciento de bajas al mes.
Las grandes cuentas son estables. Los clientes de autoservicio se dan de baja rápido. Es lo esperado. Pero las bajas del mercado medio, con un cuatro por ciento, superan el objetivo del tres por ciento.
Segmentación adicional por comportamiento
Segmenta el mercado medio según la adopción del producto. Clientes del mercado medio que usan la función A (con adopción): dos por ciento de bajas al mes. Clientes del mercado medio que no usan la función A (sin adopción): seis por ciento de bajas al mes.
La función A impulsa la retención en el mercado medio. Acción: mejorar cómo descubren la función A los clientes del mercado medio. Lograr que más clientes del mercado medio la adopten. Las bajas deberían bajar.
Un ejemplo real: análisis de cohortes en un marketplace
Sigue la tasa de recompra de compradores por cohorte de registro
Cohorte de enero (mil compradores): la tasa de recompra del primer mes es del treinta por ciento. La del segundo mes, del veinte. La del tercer mes, del quince.
Cohorte de febrero (mil compradores): la tasa de recompra del primer mes es del veinticinco por ciento. La del segundo mes, del dieciocho. La del tercer mes, del doce.
Descubre la diferencia
La cohorte de enero retiene mejor que la de febrero. ¿Por qué? Investiga.
Prueba una hipótesis
Hipótesis: en enero hubo un proceso de bienvenida especial. En febrero no. Prueba: volver a aplicar ese proceso a la cohorte de marzo.
Cohorte de marzo (mil compradores): la tasa de recompra del primer mes es del treinta por ciento (similar a enero). La del segundo mes, del veintidós. La del tercer mes, del dieciséis.
El proceso de bienvenida mejoró la retención. La función A fue la solución.
Segmentación y análisis de cohortes juntos
Combina ambos para un análisis potente
Segmenta las grandes cuentas por cohorte.
Cohorte de grandes cuentas de enero: tasa de renovación del ochenta y cinco por ciento. Cohorte de febrero: ochenta por ciento. Cohorte de marzo: noventa por ciento.
Investiga y actúa
Las grandes cuentas de marzo renuevan mejor. ¿Por qué? Investiga. Resultado: la cohorte de marzo pasó por un proceso de bienvenida nuevo que hace hincapié en construir la relación. Construir la relación sube las tasas de renovación de las grandes cuentas. Acción: aplicar el proceso nuevo a todas las cohortes a partir de ahora.
Preguntas frecuentes
¿Cuántos segmentos debemos seguir?
De tres a siete segmentos como máximo. Más segmentos añaden complejidad. El punto ideal está entre tres y cinco. Ejemplo: el tamaño del cliente (grandes cuentas, mercado medio, autoservicio) son tres segmentos. Queda limpio. Añadir la geografía (EE. UU., UE, Asia-Pacífico) crea nueve segmentos (3x3). Demasiados. Limítate a una o dos dimensiones. Con el creador de websde WEMASY, puedes configurarlo directamente en tu web.
¿Cómo decidimos por qué dimensión segmentar?
Segmenta por la dimensión que afecta al comportamiento. El tamaño del cliente afecta al comportamiento (las grandes cuentas se comportan distinto del autoservicio). El sector afecta al comportamiento (los clientes de SaaS se comportan distinto de los de comercio). El origen del tráfico afecta al comportamiento (la búsqueda de pago se comporta distinto de la orgánica). Segmenta por la dimensión que explica la variación de la métrica.
¿Hasta cuándo hacia atrás debe llegar el análisis de cohortes?
Al menos doce meses. Las cohortes más cortas (de menos de tres meses) están demasiado verdes. Las más largas (doce meses o más) muestran el ciclo completo. Ejemplo: sigue las bajas de clientes hasta los doce meses porque los contratos anuales son un compromiso. Sigue la tasa de recompra hasta los seis meses porque el ciclo de compra es más corto.
¿Debemos usar importes o porcentajes en el análisis de cohortes?
Porcentajes para métricas de retención y recompra. Importes para métricas de ingresos y valor. La retención es igual si el cliente es pequeño o grande (ambos deben quedarse, como porcentaje de la cohorte). Los ingresos varían según el tamaño del cliente (necesitas importes para ver el impacto).
¿Cómo gestionamos la estacionalidad en el análisis de cohortes?
Tenla en cuenta. La cohorte de enero arrastra el efecto de las fiestas. La de abril llega después de la campaña de impuestos. Las cohortes difieren por la estacionalidad, no por cambios en el producto. Compara cohortes de la misma estación. La cohorte de enero de 2024 frente a la de enero de 2025. La comparación año contra año elimina la estacionalidad.
¿Cómo comunicamos los hallazgos de las cohortes?
Muestra una tabla de retención por cohorte con columnas para el primer, segundo y tercer mes. Muestra una fila por cohorte. El patrón salta a la vista. La cohorte de enero tiene ochenta, sesenta, cuarenta (descenso constante). La de febrero tiene setenta, cincuenta, treinta (descenso más pronunciado). Una tabla visual se entiende mejor que una explicación escrita.