# Análisis de cohortes: cómo leer la retención por grupo

> Cómo leer una tabla de cohortes por filas, columnas y diagonales, y cómo resumirla sin mezclar grupos que todavía no llegan a cada mes.


**Un análisis de cohortes agrupa a clientes o usuarios por algo que comparten, casi siempre el periodo en que empezaron, y sigue a cada grupo en el tiempo para ver cuántos siguen activos.** Google Analytics usa la misma idea: una cohorte es [un grupo de usuarios con una característica común](https://support.google.com/analytics/answer/9670133), por ejemplo la misma fecha de adquisición.

La [tasa de retención](/es/guides/tasa-retencion-clientes/) responde cuántos clientes de un grupo siguen al final de un periodo. El análisis de cohortes pone varios grupos lado a lado. Así se ve si los clientes que llegaron este trimestre se quedan más o menos que los anteriores, algo que una cifra total mezcla.

## Cómo se lee una tabla de cohortes

Caso ficticio. Una suscripción mensual cuenta a sus clientes por mes de alta, con datos al cierre de abril. «Activo» significa que pagó ese mes. El mes 1 es el primer mes completo después del alta.

| Cohorte | Clientes al inicio | Mes 1 | Mes 2 | Mes 3 |
| --- | --- | --- | --- | --- |
| Enero | 200 | 60,0 % (120) | 48,0 % (96) | 44,0 % (88) |
| Febrero | 400 | 55,0 % (220) | 42,0 % (168) | — |
| Marzo | 100 | 70,0 % (70) | — | — |
| Abril | 300 | — | — | — |

Las rayas no son ceros. Son meses a los que esa cohorte todavía no llega: la de abril recién se formó y su mes 1 será mayo.

La tabla se lee en tres direcciones:

- **Por filas**, una cohorte envejece. Enero pasa de 60 % a 48 % y a 44 %: pierde 12 puntos entre el mes 1 y el 2, y solo 4 entre el 2 y el 3. La caída se frena, y eso indica que hay un grupo de clientes que se queda.
- **Por columnas**, se comparan cohortes a la misma edad. En el mes 1, marzo retiene un 70 % frente al 55 % de febrero. Antes de atribuirlo a un cambio de marzo, mira el tamaño: son 100 clientes, y una cohorte pequeña varía más. Espera a la siguiente para confirmar.
- **Por diagonales**, se ve el mismo mes del calendario. Enero en el mes 3, febrero en el mes 2 y marzo en el mes 1 corresponden a abril. Si las tres celdas cayeran a la vez, la primera hipótesis sería algo que pasó en abril, como un cambio de precio o una falla en los cobros. Antes de atribuirlo, compara por ejemplo los cobros fallidos de abril con los de meses anteriores.

## Cómo resumir una columna sin engañarte

Dos errores comunes cambian el resultado.

**Dividir por cohortes que todavía no llegan a ese mes.** En el mes 2 hay 264 clientes activos (96 + 168). Si los divides por los 1.000 clientes de las cuatro cohortes, obtienes un 26,4 %. Pero marzo y abril aún no cumplen el mes 2. Con las dos cohortes que sí llegan, la retención es 264 ÷ 600 = 44,0 %.

**Promediar porcentajes de cohortes de distinto tamaño.** El promedio simple del mes 1 es (60 + 55 + 70) ÷ 3 = 61,7 %. La retención ponderada es 410 ÷ 700 = 58,6 %. El promedio simple hace pesar igual a los 100 clientes de marzo que a los 400 de febrero. Lo explicamos con más detalle en [promedio ponderado](/es/guides/promedio-ponderado/).

Para saber qué parte de tus clientes sigue activa en cada mes, usa la ponderada. El promedio simple da el mismo peso a cada cohorte, así que puede quedar por encima o por debajo según qué cohortes retengan más; aquí queda por encima porque marzo, la más pequeña, retiene más. Para ver si las cohortes se parecen, mira sus tasas fila por fila.

**Calculadora de retención por cohortes**

Escribe cuántos clientes empezaron en cada cohorte y cuántos seguían activos en cada mes. Deja vacío el mes al que una cohorte todavía no llega.

Ejemplo inicial, en clientes activos:

| Cohorte | Clientes al inicio | Mes 1 | Mes 2 | Mes 3 |
| --- | --- | --- | --- | --- |
| Enero | 200 | 120 | 96 | 88 |
| Febrero | 400 | 220 | 168 | — |
| Marzo | 100 | 70 | — | — |
| Abril | 300 | — | — | — |

Resultado del ejemplo:

| Cohorte | Mes 1 | Mes 2 | Mes 3 |
| --- | --- | --- | --- |
| Enero | 60,0 % | 48,0 % | 44,0 % |
| Febrero | 55,0 % | 42,0 % | — |
| Marzo | 70,0 % | — | — |
| Abril | — | — | — |
| Retención ponderada | 58,6 % | 44,0 % | 44,0 % |
| Promedio simple de porcentajes | 61,7 % | 45,0 % | 44,0 % |
| Cohortes con dato | 3 | 2 | 1 |

Mes 1: retención ponderada de 58,6 % con 3 cohortes; el promedio simple da 61,7 %. Si ambos difieren, las cohortes tienen tamaños distintos y el promedio simple da el mismo peso a cada una.

Retención de una celda = activos en ese mes ÷ clientes al inicio × 100. Retención ponderada de un mes = suma de activos ÷ suma de clientes al inicio, solo con las cohortes que tienen dato en ese mes.

Ejemplo ficticio de una suscripción. Una celda vacía no es un cero: indica que la cohorte aún no llega a ese mes y la deja fuera del resumen. Define antes qué cuenta como activo y usa la misma regla en todas las cohortes.

La versión web permite escribir otras cifras y calcular de nuevo.

## Define qué cuenta como activo antes de comparar

La misma tabla cambia según la regla. En una suscripción, activo puede ser quien pagó ese mes. En una app, quien la abrió. En una tienda, quien volvió a comprar. Escoge la regla según lo que quieres decidir y aplícala igual a todas las cohortes.

En Google Analytics 4, la exploración de cohortes pide esa definición en tres partes: la condición para entrar en una cohorte (por ejemplo, la primera visita), la condición de regreso (por ejemplo, una compra) y el tipo de cálculo. El **estándar** cuenta a quienes cumplieron la condición en ese periodo, sin importar los demás. El **continuo** exige que la hayan cumplido en ese periodo y en todos los anteriores. El **acumulativo** cuenta a quienes la cumplieron en cualquier periodo hasta ese. Además, GA4 arma las cohortes solo con los datos del dispositivo y no tiene en cuenta el User-ID, así que una persona que usa dos dispositivos puede contar dos veces. Si cambias el tipo de cálculo a mitad del análisis, las cifras dejan de ser comparables.

## Qué hacer con lo que encuentres

Si una cohorte retiene peor, busca qué tuvo distinto: el canal por el que llegó, el precio que pagó o el proceso de bienvenida que recibió. Separar las cohortes por canal responde, por ejemplo, si los clientes que llegaron por un [programa de referidos](/es/guides/marketing-de-referidos/) se quedan más que los de anuncios.

La retención por cohortes es también la base para estimar el [valor de vida de un cliente](/es/guides/clv-ltv-valor-vida-cliente/) con datos observados. Una curva que se aplana deja una base de clientes que sigue pagando; una que no se detiene pide revisar el producto o la oferta antes de invertir más en atraer clientes.

## Planifica el próximo post en HeyMark.

Guarda la idea, revisa el texto con tu equipo y mira cómo le fue después en las cuentas que conectaste.

[Empezar gratis](https://app.heymark.ai) · [Ver cómo funciona](https://heymark.ai/es/#product)

## Recursos para desarrolladores y agentes

- [Documentación MCP de HeyMark](https://heymark.ai/es/mcp/)
- [llms.txt](https://heymark.ai/llms.txt)
- [Contenido completo del sitio para modelos de lenguaje](https://heymark.ai/llms-full.txt)
- Endpoint del protocolo MCP: `POST https://mcp.heymark.ai`
- Metadatos OAuth del recurso protegido: [/.well-known/oauth-protected-resource](https://mcp.heymark.ai/.well-known/oauth-protected-resource)
- MCP server card: [/server-card](https://mcp.heymark.ai/server-card)
