Saltar al contenido

Análisis de cohortes: entendiendo la retención y actividad de los usuarios en una plataforma

Cuando se habla de métricas de negocios online, sobre todo en modelos SaaS o suscripción, se suele poner el foco en el coste de adquisición del cliente (el famoso CAC) y el lifetime value (el famoso LTV) como las unit economics principales. El cálculo del LTV no es, precisamente, sencillo y pone sobre la mesa uno de los factores clave de cualquier negocio: la retención y, precisamente, esto es algo que se entiende muy bien con el análisis de cohortes.

Más allá de los registros y usuarios activos, cualquier negocio online necesita entender el comportamiento que tienen sus usuarios (y clientes) dentro de su plataforma puesto que, más allá de las acciones y esfuerzo dedicado a captar usuarios, lo que nos interesa es poder aportarles valor y, por tanto, que nos consideren útiles (algo que se pone de manifiesto con su propia actividad).

funnel cliente análisis de cohortes

Dicho de otra forma, tras impactar en usuario y atraerlo viene la parte más difícil: fidelizarlo porque nos usa (y nos paga) y, de paso, que nos traiga a más usuarios.

¿Funcionan nuestros mecanismos de activación y retención? ¿Tenemos un problema con el churn (usuarios que se dan de baja? ¿Tenemos un problema con los usuarios que están inactivos y, a pesar de no darse de baja, no nos usan y han dejado de percibir valor en nuestra plataforma?

De todo esto vamos a intentar hablar hoy y, lo más importante, cómo podemos darnos cuenta de que esto está ocurriendo.

Empezamos.

1. Las métricas típicas de un modelo por suscripción o SaaS

Decía al inicio que, típicamente, consideramos como métricas clave el CAC y el LTV y es algo que tiene mucho sentido si hacemos bien las cosas porque, tal y como indica Tomasz Tunguz, dicen mucho de la performance de un negocio y de qué cosas están pasando o se están haciendo:

Ajustes de CAC y LTV en SaaS
Fuente: Tomasz Tunguz

El CAC, evidentemente, habla de la captación pero el LTV habla de márgenes y también habla de la retención del cliente, del engagement que tiene con el servicio y, por tanto, de la aportación de valor que le hacemos.

Sin embargo, es curioso como solemos poner el foco a veces en “números gordos” como los usuarios registrados o los usuarios activos sin tener en cuenta, por ejemplo, cuánto tiempo pasa hasta que un usuario recién llegado pasa a quedar totalmente inactivo y deja de utilizarnos.

slack_business-momentum_2019-01.es-ES

Por ejemplo, en esta gráfica de Slack apreciamos una muy buena evolución de los usuarios activos (concretamente, los que usan todos los días la plataforma) pero, realmente, estamos viendo un número neto y no tenemos información de los que dejan de tener actividad (el churn mide las bajas) o cómo se pierde el interés en el uso del servicio.

datos facebook
Resultados Q4 2021 de Facebook (Meta). La métrica clave que ofrece es la de usuarios activos a diario.

Necesitamos contar con un “termómetro” preciso de lo que le pasa a nuestros usuarios para así aplicar acciones correctivas o de mejora en nuestro servicio.

Sin este “termómetro”, en realidad, no nos vamos a dar cuenta y vamos a estar cegados por unos registros que crecen, unos usuarios activos que nos parecen razonables y un churn controlado.

2. El análisis de cohortes: cuando la vista de pájaro no es suficiente

Un cohorte es un grupo de usuarios (o clientes) que comparten una característica común y esta es la base fundamental del análisis de cohortes que vamos a ver.

En un negocio SaaS, típicamente, la característica común que agrupa a los usuarios es la fecha o el mes en el que se registraron en el servicio (captación).

El objetivo del análisis de cohortes es “seguir” a estos grupos de usuarios y entender qué pasa con ellos a lo largo del tiempo y, de esta forma, entender cuántos pierden el interés en nuestro servicio (dejan de ser activos) y cuándo ocurre esto o cuántos dejan de comprarnos (pensando, por ejemplo, en un modelo transaccional).

Al conocer este proceso, para empezar, podremos calcular el LTV de nuestro servicio de una manera mucho más precisa y, además, podremos plantearnos acciones para subir el LTV y evitar que los usuarios de nuestro servicio dejen de ser activos (además de conocer el payback que tenemos cuando comparamos el LTV con el CAC).

LTV CAC unit economics
Miguel Macías en Advenio

Vamos a verlo con un ejemplo que pone el foco en la actividad de los usuarios en un servicio (es un gráfico interactivo hecho con Genially):

El ejemplo lo que muestra son dos “fotos” o “cohortes” de usuarios que se registran en un servicio tras realizar dos campañas de captación:

  • En la primera campaña captamos 150 usuarios de los que, pasados 3 meses, solo quedan activos 25
  • En la segunda campaña captamos 200 usuarios de los que, pasados 2 meses, solamente quedan activos 70

¿Tendríamos que plantear qué nos está pasando con la retención y activación? Yo diría que habría que reflexionar un poco.

3. Un ejemplo al detalle del análisis de cohortes aplicado a la actividad de los usuarios (análisis de engagement)

Tras este ejemplo sencillo creo que nos hacemos una idea de la importancia que tiene el análisis de cohortes para una startup y por qué es algo sobre lo que, generalmente, un fondo va a preguntar o va a pedir información cuando esté analizando tu compañía.

De hecho, vamos a tomar como referencia un ejemplo de Point Nine cuyo caso está compartido en Google Drive para verlo con detalle y con cifras.

Vamos a suponer una startup cuyos datos de nuevos usuarios y usuarios activos al mes (MAU) evolucionan de la siguiente manera:

Nuevos registros de usuarios y usuarios activos análisis de cohortes
En este ejemplo, la línea azul representa los nuevos usuarios de una plataforma y la roja representa los usuarios activos mensuales (MAU)

Si planteamos las cohortes en función del mes de registro, la situación que tenemos es la siguiente:

Analisis de cohortes ejemplo

Como podemos observar en la cohorte de enero, pasado un mes (de enero a febrero), la mitad de los usuarios ha dejado de usar el servicio y, de hecho, es un patrón que se repite mes a mes con cada cohorte.

Si nos montamos a hombros de los 1.059 usuarios que se registraron en el mes de enero de 2021 y viajamos con ellos hasta el mes de octubre llegaremos a la conclusión que nuestros compañeros de viaje se han reducido a 2 y, por tanto, hemos perdido a 1.057 por el camino (¡vaya masacre!).

Esto es algo que se aprecia mucho mejor viéndolo al alinear las cohortes marcando como origen su primer mes en la plataforma:

Detalle análisis de cohortes

Cuando pasan 5 meses desde el registro (mes 6), solamente el 3,92% de los usuarios sigue usando el servicio y, cuando pasan 9 (mes 10) solamente el 0,2%: Houston, tenemos un problema.

4. Retención, actividad y recurrencia, por eso el análisis de cohortes es tan importante

Llegados a este punto creo que, más o menos, nos podemos hacer una idea de la importancia del análisis de cohortes en modelos de negocio basados en la suscripción (SaaS) como también en los transaccionales para entender el grado de adherencia o recurrencia que tienen nuestros usuarios.

Básicamente, con este análisis hacemos algo que solían decir en clase de operaciones del MBA: viajamos con un grupo de usuarios y vamos viendo qué ocurre con ellos, cuántos tienen actividad y cuántos se van quedando por el camino (y aquí nos interesa que pase lo contrario que en la película Battle Royale, queremos que permanezcan activos todos los usuarios que se registren o, al menos, la mayoría de ellos).

Otra perspectiva de análisis de cohortes, para modelos transaccionales, es la de la estimación de la recurrencia; es decir, seguir a un cohorte desde su primera compra para ver con cuánta frecuencia permanecen en el servicio y siguen comprando en éste para así poder extrapolar una recurrencia que nos permita estimar el LTV del negocio.

Analisis de cohortes recurrencia compras
Imagen: François Derbaix

Precisamente, éste es el caso de uso que plantea François Derbaix en su blog.

Otro ejemplo interesante viene de Miguel Sanz en el que aplica el análisis de cohortes al análisis de la retención:

análisis de retención
Imagen: Miguel Sanz

5. Para saber más…

Para complementar la lectura sobre el análisis de cohortes y seguir profundizando en este tema, aquí van algunas recomendaciones adicionales:

  • François Derbaix, co-CEO y co-fundador de Indexa Capital y co-fundador de Bewater Funds, publicó en 2013 en su blog un artículo enfocado en el análisis de cohortes para estimar la recurrencia que vale la pena repasar porque explica todo esto perfectamente y, además, de una forma muy práctica incluyendo una plantilla en Excel.

  • Probe más que una “lectura recomendada” es una herramienta de ayuda. Consiste en una app para usar en Google Spreadsheets que nos permite automatizar los cálculos de las métricas clave de un SaaS como el MRR, Churn, LTV (Lifetime Value), ARPU (Average Revenue Per User) y aplicar un análisis de cohortes a la rentención (o, desde la perspectiva contraria, al Churn, es decir, las bajas).

  • Samaipata VC tiene una serie de dos artículos también enfocados en el análisis de cohortes. En la primera parte se aborda el concepto desde un punto de vista teórico y, en la segunda parte, desde un punto de vista más práctico (incluyendo también una hoja de cálculo a modo de guía que se puede descargar).

  • Christoph Janz, partner en Point Nine Capital, también tiene un artículo en su blog en que explica, de una forma muy clara y concisa, esto del análisis de cohortes y cómo nos puede ayudar a tener conocimiento de cómo se están comportando nuestros usuarios dentro de nuestro servicio. De aquí viene el ejemplo que he usado en el tercer bloque del artículo.

  • Chartmogul también tiene un artículo muy interesante en su blog sobre el análisis de cohortes en su blog que vale la pena repasar.

Y en el apartado de libros recomendados:

Nos leemos la próxima semana.

Imágenes: Tatiana Syrikova en Pexels, GIPHY, Grow with Ward, Tomasz Tunguz, François Derbaix, Advenio y Miguel Sanz.


Publicado enStartups

Sé el primero en comentar

Deja una respuesta

Tu dirección de correo electrónico no será publicada.

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.