Análisis de cohortes y retención en startups: cómo entender si tus clientes se quedan

¿Qué es un análisis de cohortes?

Un análisis de cohortes agrupa a clientes (o usuarios) según el período en que empezaron, y luego rastrea su comportamiento a lo largo del tiempo. En lugar de ver los datos como un promedio total (que oculta mucha información), los cohortes muestran cómo se comporta cada "generación" de clientes.

Definición técnica: Una cohorte es un grupo de individuos que comparten una característica en un período específico. En startups, la característica habitual es la fecha de adquisición (mes o trimestre en que se convirtieron en clientes).

Por qué los promedios engañan:

• MRR total de 100.000€ puede venir de 200 clientes que pagan 500€ o de 1.000 que pagan 100€
• Un churn del 3% puede ocultar que los clientes nuevos churnean al 8% pero los antiguos solo al 1%
• Sin cohortes, no sabes si tu producto mejora o empeora con el tiempo

"El análisis de cohortes es la radiografía del negocio. Los indicadores agregados son la presión arterial: útiles pero insuficientes."

Tipos de análisis de cohortes

Cohortes de retención de usuarios (User Retention)

Mide qué porcentaje de usuarios de un mes dado siguen activos X meses después.

Tabla de retención de usuarios (ejemplo):

Lectura: De los clientes adquiridos en enero 2025, al mes 3 quedan el 55%; al mes 12, el 38%.

Cohortes de retención de ingresos (Revenue Retention)

Más relevante que la retención de usuarios para negocios SaaS, porque un cliente puede reducir su plan (contraction) o expandirlo (expansion).

Tabla de retención de ingresos (example):

Dato importante: Que la retención de ingresos supere el 100% en meses posteriores (como en enero '25, M12 = 97%) indica expansion revenue: los clientes que quedan gastan más que al inicio. Esto es un signo excelente.

Cómo construir una matriz de cohortes

Paso 1: Definir la cohorte

Elige el período de agrupación. Lo más habitual:

• Mensual: Ideal para SaaS con alto volumen de clientes nuevos cada mes
• Trimestral: Para B2B Enterprise con ciclos de venta largos
• Por canal de adquisición: Para analizar si los clientes de paid ads retienen diferente que los orgánicos

Paso 2: Definir la métrica de "actividad"

¿Qué significa que un cliente "está activo"?

• SaaS: Pagar la cuota mensual / tener al menos 1 login al mes
• eCommerce: Haber realizado al menos 1 compra en el período
• App mobile: Abrir la app al menos X días por mes
• Marketplace: Haber completado al menos 1 transacción

Consejo: Usa la métrica que correlaciona con el valor real que el cliente obtiene (no la que hace que los números queden mejor).

Paso 3: Recopilar los datos

Necesitas:

• Fecha de adquisición de cada cliente
• Estado activo/inactivo (o ingresos) para cada mes posterior

Fuentes habituales:

• CRM (Hubspot, Salesforce): estado del cliente
• Sistema de facturación (Stripe, Chargebee): ingresos
• Analytics (Mixpanel, Amplitude): actividad de producto
• Data warehouse (BigQuery, Snowflake) para empresas más maduras

Paso 4: Construir la tabla

En Excel/Google Sheets:

Filas = Cohortes (meses de adquisición)
Columnas = Meses desde la adquisición (M0, M1, M2...)
Valores = % de clientes/ingresos que quedan respecto al M0

Fórmula básica:

Retención Mn = Clientes activos en mes n / Clientes adquiridos en M0 × 100

Paso 5: Visualizar con mapa de calor

Un mapa de calor (colores del verde al rojo según el % de retención) facilita ver patrones:

• Verde = alta retención
• Rojo = baja retención

Cómo interpretar los cohortes

Patrón 1: Curva de retención que se aplana (buena señal)

M0: 100%
M1: 65%   ← Caída inicial (usuarios que prueban y no se quedan)
M2: 55%
M3: 52%
M6: 50%   ← La curva se aplana: los que quedan, se quedan
M12: 49%

Interpretación: Hay un núcleo de clientes altamente satisfechos. El churn inicial es de "exploradores" que no encajan en el ICP. Con el tiempo, el negocio se vuelve más estable.

Patrón 2: Curva que sigue cayendo linealmente (señal de alerta)

M0: 100%
M1: 88%
M2: 76%
M3: 64%
M6: 40%
M12: 20%

Interpretación: No hay núcleo fiel. El producto o el targeting tienen problemas. Escalar en estas condiciones solo amplifica el problema.

Patrón 3: Expansión de ingresos (excelente señal)

M0: 100% (50.000€)
M1: 98%
M3: 102%   ← Los clientes que quedan gastan más (upsell, expansión de uso)
M6: 108%
M12: 115%

Interpretación: El Net Revenue Retention (NRR) es > 100%. Incluso con algo de churn de clientes, los ingresos crecen por expansión. Este es el patrón de los SaaS más exitosos.

Patrón 4: Cohortes que mejoran con el tiempo (señal positiva)

Interpretación: Las cohortes más recientes retienen mejor. El producto o el targeting ha mejorado. Buen momento para escalar.

Señal negativa: Si las cohortes recientes retienen PEOR, algo está degradando la calidad (crecimiento de bajo calidad, deterioro del producto, soporte sobrecargado).

Net Revenue Retention (NRR) y Gross Revenue Retention (GRR)

Gross Revenue Retention (GRR)

Mide los ingresos retenidos sin incluir la expansión. Es el techo máximo de la retención (no puede superar el 100%).

GRR = (MRR inicio - MRR perdido por churn - MRR perdido por contraction) / MRR inicio

Benchmark saludable: GRR > 85% para SaaS B2B.

Net Revenue Retention (NRR)

Incluye la expansión (upsells, nuevos módulos, más usuarios). Puede superar el 100%.

NRR = (MRR inicio + Expansion - Contraction - Churn) / MRR inicio

Benchmarks NRR por segmento:

Por qué el NRR importa tanto para valoración:

• NRR > 100% significa que la base de clientes existentes genera más ingresos sin adquirir nuevos
• Un SaaS con NRR 120% y crecimiento del 50% YoY puede crecer aunque no adquiera ningún cliente nuevo
• Los inversores pagan múltiplos más altos a empresas con NRR > 110%

Decisiones que se toman con el análisis de cohortes

1. Definir el verdadero LTV

El LTV calculado con el churn promedio puede ser engañoso. Con cohortes, puedes calcular el LTV real basado en el comportamiento histórico observado, no en fórmulas teóricas.

2. Identificar el "momento aha"

El momento aha es cuando el usuario entiende el valor del producto. Suele correlacionar con un evento específico (x features usadas, x acciones realizadas). Si sabes cuándo ocurre el aha moment, puedes rediseñar el onboarding para llevarlo antes.

Cómo detectarlo con cohortes: Segmenta los clientes que retienen a 6 meses y los que no. ¿Qué acciones hicieron los primeros en las primeras 2 semanas?

3. Optimizar el onboarding

Si el drop entre M0 y M1 es muy alto (> 40%), el problema está en el onboarding. Los clientes no están alcanzando el aha moment a tiempo.

Acciones: Reducir Time-To-Value (TTV), añadir guided tours, check-in proactivo del equipo de CS.

4. Priorizar segmentos de cliente

Quizás los clientes de un sector retienen a M12 al 60%, y los de otro al 25%. Los cohortes por segmento te dicen dónde enfocar la adquisición.

5. Detectar problemas de producto o mercado

Cohortes que empiezan a degradar correlacionado con una fecha de cambio de producto o de pricing → hay que investigar si ese cambio causó el problema.

Herramientas para el análisis de cohortes

Frecuencia recomendada de revisión

Cómo Hipnia te ayuda con el análisis de retención

En Hipnia implementamos el análisis de cohortes como parte del CFO-as-a-Service:

1. Setup de métricas: Definimos con el equipo qué medir y con qué herramienta
2. Modelo financiero: Integramos el LTV basado en cohortes en las proyecciones
3. Reporting mensual: Incluimos métricas de retención en el cierre mensual
4. Due diligence prep: Preparamos el análisis de cohortes para presentar a inversores
5. Benchmarking: Comparamos tus métricas con estándares del sector

Conclusión

El análisis de cohortes no es una métrica de vanidad: es la radiografía del product-market fit. Una startup con retención fuerte puede escalar con confianza; una con retención débil amplifica sus pérdidas al crecer.

En Hipnia te ayudamos a construir el análisis de cohortes correcto, interpretarlo con criterio y usarlo para tomar mejores decisiones de producto, marketing y financiación.