Generador de tabla y gráfico de retención de cohortes
Introduce el número inicial de clientes de cada cohorte de adquisición mensual y cuántos permanecen entre M1 y M6, y compara las curvas de retención entre cohortes con un gráfico de líneas y una tabla resumen.
Tabla de referencia de retención de cohortes en M6
| Nivel | Tasa de retención en M6 | Significado |
|---|---|---|
| Excellent | 90% o más | Fidelidad de primer nivel, típica del SaaS empresarial, con una curva prácticamente plana |
| Good | 80–89% | Un nivel saludable que indica un programa de éxito del cliente eficaz |
| Fair | 70–79% | Un nivel medio, habitual en el SaaS orientado a pymes |
| Poor | Menos del 70% | La curva sigue en descenso, lo que indica la necesidad de revisar el onboarding y el éxito del cliente |
Nota: los niveles saludables varían mucho según el segmento de clientes (empresarial frente a pyme/autoservicio). Utiliza estas cifras solo como referencia general.
Consejos
- Agrupa a los clientes adquiridos en el mismo periodo en una sola cohorte y sigue cuántos permanecen con el tiempo: esto revela patrones de fidelidad que la tasa de abandono de un solo mes no puede mostrar.
- Representar varias cohortes una junto a otra te permite comparar las curvas de retención antes y después de un cambio, como una mejora del onboarding o una actualización de precios.
- Una curva que se aplana alrededor de M3–M4 es una señal saludable de que los clientes que permanecen siguen usando el producto a largo plazo. Una curva que sigue bajando indica una causa de abandono activa que merece la pena investigar.
- Nuestra herramienta de tasa de abandono de clientes ofrece una foto de un solo periodo; usa esta herramienta cuando quieras comparar tendencias de retención a lo largo del tiempo.
Preguntas frecuentes
A propósito — Por qué el análisis de cohortes agrupa a los clientes por periodo de adquisición
La mayoría de las métricas de abandono y retención utilizadas habitualmente como KPI en SaaS son solo una fotografía de un único momento. Sin embargo, los clientes adquiridos en distintos periodos pueden mostrar patrones de fidelidad muy diferentes en el futuro. Por ejemplo, los clientes adquiridos después de mejorar un flujo de onboarding suelen retenerse mejor que la cohorte adquirida antes de ese cambio. El análisis de cohortes surgió precisamente para hacer visible este tipo de diferencia según "cuándo fueron adquiridos".
La idea no se originó en el SaaS: sus raíces están en la epidemiología, donde los investigadores siguen la tasa de supervivencia de un grupo de personas nacidas el mismo año. Al trasladar el concepto al mundo empresarial, la "cohorte" se redefinió de "año de nacimiento" a "mes en que el cliente se registró", y se convirtió en un patrón de visualización habitual en presentaciones para inversores y paneles de mejora de producto.
El fenómeno por el que una curva de retención se aplana con el tiempo se denomina "aplanamiento de cohorte" ("cohort flattening"), y es uno de los aspectos clave que buscan los inversores al evaluar una empresa de SaaS. Si una curva nunca se aplana y sigue cayendo, significa que en cuanto se detiene la captación de nuevos clientes, toda la base de clientes empieza a reducirse, una señal que a menudo se utiliza para juzgar si está justificado seguir invirtiendo en crecimiento.