Calculadora de Retención por Cohortes

La Calculadora de Cohorte de Tasa de Retención transforma el tamaño de una cohorte y una lista de recuentos de usuarios activos en una radiografía completa de la fidelización: la tasa de retención en cada punto de control, una curva de retención animada, un mapa de calor de pérdidas período tras período codificado por colores, la vida media de la cohorte, un detector de aplanamiento / curva de sonrisa de encaje producto-mercado, un ajuste de ley de potencia con extrapolación de estado estacionario y una clasificación por cuartiles frente a los puntos de referencia publicados de la industria para cohortes de SaaS, móviles, suscripciones de consumo, comercio electrónico y fintech. A diferencia de las calculadoras de abandono de tasa única, una curva de retención de cohortes plasma la forma de la pérdida —y es precisamente la forma, y no un número aislado, lo que revela si su producto logra fidelizar.

Cómo usar

1. Introduzca el tamaño de la cohorte — el número de usuarios adquiridos en la misma ventana de tiempo (semana de registro, mes de conversión a pago, día de instalación, etc.).
2. Elija la unidad de medida. Las aplicaciones móviles suelen medir en días, las suscripciones B2C en semanas y el SaaS B2B en meses.
3. Introduzca los períodos de los puntos de control en una lista separada por comas. El valor predeterminado 1, 7, 14, 30, 60, 90 es el esquema clásico para aplicaciones móviles; para SaaS B2B pruebe con 1, 2, 3, 6, 9, 12 meses.
4. Introduzca los usuarios activos en cada punto de control, respetando el mismo orden. Cada valor representa el recuento de usuarios de la cohorte original que continúan activos en ese punto de control — nunca recalcule la base del denominador.
5. Seleccione el punto de referencia de la industria más afín — SaaS B2B, SaaS para PYMES, suscripción de consumo, aplicación móvil, comercio electrónico o fintech.
6. Haga clic en Generar curva de retención para visualizar la tasa de retención en cada punto de control, la curva animada, el mapa de calor de pérdidas, la vida media, el veredicto de la curva de sonrisa, el ajuste de la ley de potencia y la clasificación por cuartiles.

Fórmulas aplicadas

Qué diferencia a esta Calculadora de Cohortes

• Una curva completa, no un número aislado. La mayoría de las "calculadoras de tasa de retención" se limitan a calcular una sola tasa. Esta herramienta diseña la curva de retención completa en hasta diez puntos de control definidos por el usuario — la forma es lo que revela si la cohorte toca fondo o sigue perdiendo usuarios.
• Detector de curva de sonrisa / aplanamiento de PMF. Una prueba integrada para los últimos tres puntos de control clasifica la cohorte como aplanamiento fuerte (la señal clásica de PMF de Sean Ellis), aplanamiento leve o sigue decayendo.
• Vida media de cohorte por interpolación. La interpolación lineal entre puntos de control proporciona una estimación precisa del período exacto en el que el 50% de la cohorte ha abandonado — no solo si se ha superado o no.
• Ajuste de ley de potencia y proyección de estado estacionario. El análisis OLS en la transformación log-log ajusta R(t) = a · t^(−k), reporta el R² y proyecta la retención aproximada a 3 veces el último período observado cuando el ajuste es óptimo.
• Mapa de calor de pérdidas. Las caídas período tras período se codifican por colores desde el verde (≤2 pp) hasta el rojo intenso (>50 pp) para que la filtración más crítica sea visible de un vistazo.
• Puntos de referencia de cuartiles de la industria. Seis puntos de referencia específicos de cada segmento (SaaS B2B, SaaS para PYMES, suscripción de consumo, aplicación móvil, comercio electrónico, fintech) clasifican sus equivalentes de Día-1, Día-7 y Día-30 frente a los rangos publicados P25 / P50 / P75.
• Curva SVG animada. El trazado de la línea, el rellenado del área y las etiquetas de los valores aparecen de forma secuencial para que la pérdida sea visualmente evidente — superando a un gráfico estático.
• Unidades en días, semanas o meses. Elija la escala temporal que mejor se adapte al ciclo natural de su producto. Las aplicaciones móviles se analizan en días; el entorno B2B en meses.
• Vista previa en vivo antes del envío. Escriba cualquier número y la vista previa de las minibarras, el porcentaje y la etiqueta de PMF se actualizarán al instante — sin requerir la recarga completa de la página.
• Desglose matemático paso a paso. Cada cálculo se detalla línea por línea para que pueda verificar, documentar o aprender del resultado.

¿Qué es exactamente una Cohorte?

Una cohorte es un grupo de usuarios que comparten un mismo evento de adquisición dentro de una ventana temporal específica; por lo general, la semana, el día o el mes en que se registraron, instalaron la aplicación o realizaron su primera compra. El análisis de cohortes realiza el seguimiento de ese mismo grupo fijo a lo largo de los períodos sucesivos, por lo que el denominador permanece invariable. Esto hace que la retención por cohorte sea estrictamente más honesta que la fórmula de "usuarios activos mensuales divididos por el total de usuarios", la cual puede camuflar un abandono acelerado detrás del crecimiento de nuevas adquisiciones.

Tasa de retención vs Tasa de abandono (Churn Rate)

La tasa de retención y la tasa de abandono son inversas para cualquier período dado: retención = 1 − abandono. La razón por la que los equipos eligen una u otra responde más a un factor psicológico que matemático — plantear una cifra como "95% retenido" en lugar de "5% de abandono" suele desviar la atención desde la prevención de pérdidas hacia la celebración de las cuentas salvadas. La versión de retención por cohorte aporta más información que el abandono periódico debido a que monitoriza a los mismos usuarios a lo largo del tiempo, evidenciando dónde están las fugas: un abandono del 50% el Día-1 seguido de una retención perfectamente plana constituye una cohorte radicalmente distinta (y preferible) a un declive lento y persistente.

Interpretación de la forma de la curva de retención

• Caída inicial pronunciada, extremo plano (la "sonrisa"). La mayoría de los usuarios adquiridos no encajaban con el perfil, pero un núcleo estable considera el producto indispensable. Esta es la silueta de libro de texto del encaje producto-mercado — y la base representa el tamaño de su mercado direccionable real dentro del segmento adquirido.
• Declive suave y constante. Una forma habitual en productos de baja frecuencia de uso (artículos de compra anual, herramientas fiscales, aplicaciones de organización de bodas). No es necesariamente negativa, pero la viabilidad económica unitaria dependerá de la pendiente, no del nivel absoluto.
• Estabilidad inicial seguida de una caída abrupta. Casi siempre responde a un evento de cancelación forzada — la finalización de un período de prueba, un fallo en el procesamiento del pago o la no renovación de un contrato anual. Conviene buscar la causa estructural antes que una explicación conductual del usuario.
• Descenso continuo en el último punto de control. No se vislumbra un suelo estable. Esto indica que necesita ampliar el tiempo de observación o que el producto aún no ha consolidado un caso de uso fidelizado para esta cohorte.
• Curva ascendente. Se trata, casi sin excepción, de una anomalía en la medición: reactivaciones que se están contabilizando como miembros de la cohorte, o definiciones de actividad que se han visto infladas por el lanzamiento de una nueva función. Conviene investigar antes de celebrar.

Puntos de referencia de retención por categoría

Cuartiles inferidos a partir de informes públicos de AppsFlyer, Mixpanel, Amplitude, OpenView y RJMetrics. Considérense como una orientación general, no como estándares estrictos de la industria.

Errores frecuentes en el análisis de cohortes

• Modificar la base del denominador. Divida siempre por el tamaño de la cohorte original en cada punto de control. Dividir por los "usuarios que seguían activos en el período anterior" infla la retención artificialmente en cada etapa y enmascara la fuga de usuarios.
• Mezclar criterios de lo que constituye un usuario "activo". ¿Se midió la retención del Día-30 por el inicio de sesión, por una acción de valor o por el estado de la suscripción de pago? Cada enfoque dibuja una curva distinta. Elija un criterio y manténgalo en todos los informes.
• Confundir la retención de usuarios con la retención de ingresos. La retención por cohorte de usuarios otorga el mismo peso a cada individuo; la retención neta de ingresos pondera según el volumen económico. Ambas divergen sustancialmente en productos con escalas de precios amplias.
• Tamaño de cohorte insuficiente. Las cohortes con menos de ~500 usuarios presentan intervalos de confianza muy amplios en puntos de control avanzados. Es preferible agrupar varias semanas de adquisición contiguas antes de extraer conclusiones precipitadas de una cohorte pequeña.
• Interpretar un extremo final que sigue cayendo como si fuera un suelo estable. Tres puntos de control prácticamente planos y consecutivos constituyen la señal mínima para hablar de un aplanamiento de PMF. Un único punto plano puede deberse al ruido estadístico.
• Ignorar la geometría de la curva. Una retención del 30% en el Día-30 producto de una caída brusca seguida de una estabilización plana difiere radicalmente de un 30% derivado de un declive lento y continuo. Mismo número, lecturas opuestas.
• Anomalías por cancelaciones forzadas. Vencimientos de pruebas gratuitas, fallos de facturación y renovaciones de contratos anuales generan caídas artificiales en períodos predecibles. Asegúrese de anotarlas en lugar de interpretarlas como desinterés hacia el producto.

Cómo impulsa la retención el valor del ciclo de vida del cliente

Una mayor retención se traduce directamente en una prolongación del ciclo de vida del cliente, lo que incrementa de forma directa el valor del ciclo de vida del cliente (CLV). La fórmula más elemental del CLV es CLV = (ARPU mensual × margen bruto) ÷ abandono mensual; o de forma equivalente: CLV = (ARPU mensual × margen bruto) × ciclo de vida promedio del cliente en meses. Dado que el ciclo de vida es el inverso del abandono, una mejora de un punto porcentual en la retención sobre una base de abandono mensual del 5% extiende la vida media de 20 a 25 meses — lo que representa un incremento del 25% en el CLV manteniendo el mismo ARPU. Esta es la razón por la que las inversiones en retención suelen superar en rendimiento a las de adquisición para un mismo presupuesto, una vez que el producto alcanza una escala mínima.

Dónde enfocar la atención para optimizar la retención

1. Activación en el primer período. La caída más pronunciada en casi todas las curvas se localiza entre el Día 0 y el Día 1 (o Semana 0 → Semana 1). La claridad en la incorporación (onboarding), la reducción del tiempo para percibir el primer valor (time-to-first-value) y las campañas proactivas de activación constituyen las palancas más eficaces.
2. Hitos de renovación y corte. El vencimiento de períodos de prueba y los momentos de renovación concentran los abandonos en fechas previsibles. Contraste las caídas de su cohorte con estos hitos estructurales antes de atribuirlas a la falta de interacción con el producto.
3. Recuperación de pagos fallidos. Una proporción notable del "abandono" se debe meramente al vencimiento de tarjetas de crédito. Las herramientas de actualización de tarjetas y las secuencias de reclamación (dunning) recuperan entre el 5% y el 15% del abandono mensual en la mayoría de los SaaS B2C.
4. Identificación de usuarios avanzados (Power Users). Los integrantes de la cohorte que siguen activos en el último punto de control representan su segmento más fiel. Analice sus rasgos comunes — uso de funciones específicas, adopción de integraciones, tamaño de sus equipos — y dirija sus esfuerzos de adquisición hacia perfiles similares (look-alikes).
5. Segmentación de la cohorte. Si la cohorte general nunca llega a estabilizarse, segméntela. Con frecuencia, una fuente de adquisición o un perfil de usuario concreto alcanza el PMF dentro de una curva general que aparenta ser mediocre.

Preguntas frecuentes

¿Qué es una tasa de retención por cohorte?

La tasa de retención por cohorte es el porcentaje de usuarios de una misma cohorte de adquisición que continúan activos en un período posterior. Se calcula dividiendo los usuarios activos en el punto de control por el tamaño original de la cohorte, expresado en porcentaje. Dado que el denominador de la cohorte es fijo, la tasa de retención decrece de forma monótona — cada abandono la reduce y las reactivaciones no pueden inflarla.

¿En qué se diferencia la retención por cohorte de la retención mensual?

La retención mensual suele calcularse dividiendo los usuarios activos mensuales entre el total de usuarios registrados — una métrica que puede permanecer estable o crecer incluso si las cohortes adquiridas sufren fugas, debido a que las nuevas adquisiciones cubren los huecos. La retención por cohorte sigue a un grupo fijo en el tiempo, impidiendo que el crecimiento en captación enmascare los datos. El análisis por cohorte es estrictamente más honesto para evaluar la fidelidad hacia el producto; la retención mensual resulta más útil para informes de crecimiento global.

¿Qué puntos de control debería utilizar?

El esquema clásico para aplicaciones móviles comprende el Día 1, Día 7, Día 14, Día 30, Día 60 y Día 90 — una ventana lo bastante ajustada para detectar abandonos tempranos y con la perspectiva necesaria para observar si se consolida una base estable. Para suscripciones B2C se recomiendan puntos de control semanales; para SaaS B2B, mensuales. La calculadora admite entre 2 y 10 valores enteros en orden estrictamente creciente.

¿Qué representa una curva de sonrisa en el análisis de cohortes?

Una curva de sonrisa es una representación de la retención que desciende de forma marcada en las etapas iniciales para luego estabilizarse en una base horizontal. Ese aplanamiento constituye la señal inequívoca descrita por Sean Ellis para el encaje producto-mercado: una proporción constante de los usuarios captados percibe el producto como algo verdaderamente indispensable. Una curva con un declive indefinido nunca dibuja la sonrisa e indica que el producto aún no ha dado con un caso de uso que retenga a ese segmento.

¿Qué se considera una buena retención al Día-30?

Una buena retención al Día-30 varía sensiblemente según la categoría del producto. En SaaS B2B, las cohortes del cuartil superior retienen el 65% o más en el Día 30. En SaaS enfocado a PYMES, el cuartil superior se sitúa en torno al 45%. Las suscripciones de consumo suelen registrar un 20% en la mediana. En aplicaciones móviles, los valores habituales son un 9% para la mediana y un 18% para el cuartil superior. La calculadora contrasta su Día-30 frente al punto de referencia idóneo para el sector que elija.

¿Cómo se efectúa el cálculo de la vida media?

La vida media define el período exacto en el que la retención cruza el umbral del 50%. La calculadora examina los puntos de control buscando el primer par de valores que flanquean ese 50% de retención y realiza una interpolación lineal entre ambos. Si la retención no llega a descender del 50% en la ventana observada, la vida media se indica como "más allá de los datos disponibles", lo cual es un indicador excelente de fidelización.

¿Qué información aporta el ajuste de la ley de potencia?

La mayoría de las curvas de retención por cohorte tienden a emular una ley de potencia R(t) = a · t^(−k). La calculadora aplica este modelo a sus puntos de control mediante mínimos cuadrados ordinarios sobre la transformación log-log y reporta el coeficiente de determinación (R²). Si el R² supera el 90%, la ley de potencia sintetiza fielmente su curva, haciendo que la extrapolación matemática hasta aproximadamente tres veces el último período observado constituya una proyección válida del rumbo que toma la retención. Un R² inferior suele delatar una alteración estructural (fin de pruebas, renovaciones) que el modelo suavizado de la ley de potencia no alcanza a reflejar.

¿Es posible emplear esta herramienta para la retención de ingresos en lugar de usuarios?

Sí — introduzca la facturación total inicial de la cohorte como el tamaño de la cohorte, y los ingresos recurrentes que se siguen percibiendo de dicha cohorte en cada punto de control. El algoritmo procesa las operaciones de idéntica manera con independencia de si corresponden a usuarios o a unidades monetarias. Este enfoque le proporcionará la retención bruta de ingresos (GRR). Para la retención neta de ingresos (NRR), que contempla las expansiones de cuenta, requeriría incorporar los ingresos por expansión en el numerador — una operación que esta calculadora no realiza de forma directa.

¿Cuántos integrantes debe tener una cohorte para que los resultados sean representativos?

Por regla general, las cohortes con menos de 500 usuarios arrojan curvas de retención con bastante ruido en horizontes lejanos, donde la reactivación de unos pocos usuarios aislados puede alterar el perfil de la curva de forma visible. Para dotar al análisis de solidez estadística, se aconseja agrupar períodos de adquisición sucesivos (por ejemplo, consolidar los registros de varias semanas en una sola cohorte) o interpretar cada punto de retención como un intervalo de confianza en lugar de un valor absoluto único.