Análisis de cohortes: qué es y cómo hacerlo paso a paso
Glosario FLYDE · 9 de noviembre de 2026 · Lectura: 4 minutos
El análisis de cohortes agrupa a los clientes según el momento en que hicieron algo por primera vez, normalmente su primera compra, y sigue cómo se comporta cada grupo con el paso del tiempo. Sirve para saber si la retención mejora o empeora y por qué.
Qué es una cohorte
Una cohorte es un grupo de clientes que comparten un mismo punto de partida. La más habitual es la cohorte de adquisición: todos los clientes que compraron por primera vez en enero forman la cohorte de enero; los de febrero, la de febrero, y así sucesivamente.
La ventaja frente a mirar el total es que separa dos cosas que la media mezcla: cuántos clientes nuevos llegan y cuánto aguantan. Si una campaña trae muchos clientes que no vuelven nunca, el total de ventas puede subir mientras la retención real se hunde.
Cómo hacer un análisis de cohortes
- Elige el evento de entrada. Casi siempre, la primera compra. En suscripciones, el alta.
- Elige el periodo. Meses para la mayoría de negocios; semanas si la compra es muy frecuente.
- Elige la métrica. Porcentaje de clientes que vuelven a comprar (retención), ingresos por cliente o pedidos por cliente.
- Construye la tabla. Una fila por cohorte y una columna por periodo desde la entrada (mes 0, mes 1, mes 2...). El resultado es un triángulo: las cohortes antiguas tienen más columnas que las recientes.
Un ejemplo (ilustrativo), con el porcentaje de clientes de cada cohorte que vuelve a comprar en cada mes:
| Cohorte | Mes 0 | Mes 1 | Mes 2 | Mes 3 |
|---|---|---|---|---|
| Enero | 100 % | 24 % | 18 % | 15 % |
| Febrero | 100 % | 27 % | 20 % | |
| Marzo | 100 % | 31 % |
Cada cohorte nueva repite más que la anterior en el mes 1: algo de lo que se cambió entre enero y marzo (la bienvenida, el producto, el canal de captación) está funcionando.
Cómo leer la tabla
- Por filas: cómo se va apagando cada cohorte. Una caída fuerte del mes 0 al mes 1 apunta a la primera experiencia.
- Por columnas: si las cohortes nuevas retienen mejor o peor que las antiguas en el mismo momento de su vida.
- En diagonal: efectos de calendario. Si todas las cohortes suben a la vez en noviembre, es Black Friday o El Buen Fin, no una mejora de la retención.
Errores habituales
- Mezclar canales: una cohorte de enero captada con descuentos agresivos no se parece a otra captada por recomendación. Sepáralas por canal de adquisición.
- Contar el mismo cliente dos veces porque compró en tienda y online con datos distintos. Sin unir sus registros, la retención sale más baja de lo que es.
- Sacar conclusiones de cohortes muy pequeñas: con 40 clientes, un par de compras mueven el porcentaje varios puntos.
El análisis de cohortes en FLYDE
El análisis de cohortes solo es fiable si cada cliente es una sola persona aunque compre en tienda, online y por teléfono. FLYDE une esos registros en un perfil único, así que las cohortes se construyen sobre clientes reales y no sobre correos o tarjetas sueltas. Con FLYDE Brain puedes pedirlo en lenguaje natural: «muéstrame la retención a 3 meses de los clientes captados cada mes este año».
Preguntas frecuentes
¿Qué es una cohorte de clientes? Un grupo de clientes que comparten el mismo punto de partida, normalmente el mes de su primera compra. Se sigue a ese grupo en el tiempo para ver cuántos vuelven a comprar y cuánto gastan.
¿Para qué sirve el análisis de cohortes? Para medir la retención de verdad, separándola del volumen de clientes nuevos; para comparar la calidad de los clientes que trae cada canal o campaña, y para estimar cuánto valdrá un cliente a lo largo del tiempo.
¿Qué diferencia hay entre cohortes y segmentos? Una cohorte agrupa por el momento en que empezó la relación y se sigue en el tiempo; un segmento agrupa por características o comportamiento en un momento dado, como en un análisis RFM. Se combinan bien: cohortes por canal o por segmento.
¿Se puede hacer un análisis de cohortes en Excel? Sí, con una tabla dinámica: filas con el mes de primera compra de cada cliente, columnas con los meses transcurridos y, como valor, el número de clientes distintos que compran. Se complica cuando los datos de cliente vienen de varias fuentes sin unir.