- Un análisis de cohortes agrupa a los clientes por el mes de su primer pedido y compara los grupos a la misma edad, algo que los totales mensuales no pueden hacer.
- Lee las filas para ver una cohorte a lo largo del tiempo, las columnas para comparar cohortes a la misma edad y las diagonales para ver efectos de calendario, como una promoción de noviembre.
- Compara las cohortes por cliente y en beneficio bruto, para que el tamaño de la cohorte y los descuentos del primer pedido no distorsionen el resultado.
- Merece la pena captar una cohorte cuando su beneficio bruto acumulado por cliente supera su CAC en un plazo que puedas aceptar.
El análisis de cohortes en ecommerce agrupa a los clientes por el mes de su primer pedido y sigue lo que compra cada grupo en los meses posteriores. Muestra si los clientes que consigues hoy vuelven y gastan tanto como los que conseguiste antes. Un total mensual de ingresos no puede mostrarlo, porque mezcla clientes nuevos y recurrentes de todas las edades.
Esta guía explica cómo construir una tabla de cohortes de adquisición, cómo leer la retención y el beneficio bruto acumulado por cliente, qué errores distorsionan la imagen y qué muestra ROASaurus.
¿Qué es un análisis de cohortes?
Una cohorte es un grupo de clientes que comparten un punto de partida. En ecommerce, el punto de partida habitual es el primer pedido. Todos los que compraron por primera vez en marzo forman la cohorte de marzo, vengan del canal que vengan.
Una tabla de cohortes tiene una fila por cohorte y una columna por periodo desde el primer pedido. M0 es el mes del primer pedido, M1 es el mes siguiente, y así sucesivamente. Cada celda responde a una pregunta para un grupo a una edad: cuántos clientes volvieron, cuánto gastaron o cuánto beneficio bruto dejaron.
Esta disposición compara clientes de la misma edad. La cohorte de marzo en su tercer mes se puede comparar con la cohorte de junio en su tercer mes, aunque esos meses caigan en estaciones distintas.
Shopify tiene un informe integrado de análisis de cohortes de clientes que agrupa a los clientes por su primer pedido de la misma manera. Sus métricas son el número de clientes, la retención y las ventas. Para ver las cohortes en beneficio bruto, también necesitas los costes de cada pedido: coste del producto, envío, comisiones de pago y preparación.
Cómo construir una tabla de cohortes
- Reúne los pedidos pagados con una identidad de cliente
Cada pedido necesita un id de cliente o una dirección de email. Sin uno, no puedes vincular un segundo pedido con el primero. Deja fuera los pedidos cancelados y sin pagar.
- Busca el primer pedido de cada cliente
El mes de ese pedido es la cohorte del cliente.
- Asigna una edad a cada pedido
Cuenta los meses entre el mes de la cohorte y el mes del pedido: 0 para el primer mes, 1 para el siguiente, y así sucesivamente.
- Suma por cohorte y edad
Suma los pedidos, los ingresos y el beneficio bruto de cada celda y cuenta los clientes que hicieron pedidos.
- Divide entre el tamaño de la cohorte
Divide entre el número de clientes de la cohorte, para poder comparar cohortes de distinto tamaño.
- Elige entre por periodo o acumulado
Una celda por periodo muestra solo ese mes. Una celda acumulada suma todos los meses hasta ahora, que es lo que comparas con el coste de adquisición.
Google Analytics ofrece una elección parecida en su exploración de cohortes, con cálculos estándar, móviles y acumulados. El estándar cuenta cada periodo por separado y el acumulado suma los periodos hasta ahora. Para las cohortes de una tienda online, usa celdas por periodo para la retención y celdas acumuladas para el valor.
Cómo leer una tabla de cohortes
Esta es una tabla de retención de una tienda de ejemplo, vista a principios de enero. Cada celda muestra la proporción de la cohorte que volvió a pedir ese mes.
| Primer pedido | Clientes | M1 | M2 | M3 | M4 | M5 |
|---|---|---|---|---|---|---|
| Julio | 1,000 | 8% | 6% | 5% | 9% | 7% |
| Agosto | 900 | 8% | 6% | 10% | 7% | – |
| Septiembre | 1,100 | 7% | 11% | 7% | – | – |
| Octubre | 1,050 | 12% | 8% | – | – | – |
| Noviembre | 2,400 | 5% | – | – | – | – |
Lee las filas
Una fila sigue una cohorte a lo largo del tiempo. En este ejemplo, la cohorte de julio vuelve a pedir un 8% en su primer mes. La tasa baja al 5% en su tercer mes y luego salta al 9% en noviembre.
Lee las columnas
Una columna compara cohortes a la misma edad. En M1, octubre fue la mejor con un 12% y noviembre la peor con un 5%. Pero el M1 de la cohorte de octubre fue noviembre, el mes de la promoción. Así que parte de ese 12% viene de la promoción, no de la cohorte.
Lee las diagonales
Una diagonal es un mes del calendario en todas las cohortes. La diagonal de noviembre marca 9%, 10%, 11% y 12%: todas las cohortes más antiguas compraron más en noviembre. Cuando una diagonal destaca, la causa es algo que ocurrió en ese mes, como una promoción, el lanzamiento de un producto o un problema de entrega. No dice nada sobre la calidad de las cohortes.
La propia cohorte de noviembre es la verdadera cuestión. Es más del doble de grande que las demás, pero solo el 5% volvió en diciembre. En el mismo mes, todas las demás cohortes volvieron un 7% o un 8%.
Ingresos y beneficio bruto acumulados por cliente
La retención te dice si los clientes vuelven. El valor acumulado por cliente te dice cuánto valen. Suma todo lo que compró una cohorte desde su primer pedido y divídelo entre el número de clientes de la cohorte. Hazlo en beneficio bruto, no solo en ingresos, porque el beneficio bruto es lo que amortiza el coste de captar al cliente.
Detrás de las dos líneas: los primeros pedidos de la cohorte de marzo tuvieron un promedio de $70 con una tasa de margen bruto del 48%, así que dejaron $33.60 por cliente. Los primeros pedidos de la cohorte de noviembre habrían sido de $80 a precio completo, con la misma tasa de margen bruto del 48%. Tras un descuento del 20% tuvieron un promedio de $64, pero sus costes se mantuvieron en $41.60. La tasa de margen bruto cayó al 35% y cada primer pedido dejó $22.40. El descuento recortó el margen del primer pedido y volvieron menos de esos clientes.
Merece la pena captar una cohorte cuando su beneficio bruto acumulado por cliente supera su CAC en un plazo que puedas aceptar. El mes en que ocurre eso es el periodo de recuperación. Para la cohorte de marzo, es M0. Para la cohorte de noviembre, todavía no ha ocurrido. Cómo fijar ese límite se explica en valor de vida del cliente para tiendas de Shopify, y el propio margen se explica en margen de contribución en ecommerce.
Errores habituales del análisis de cohortes
Mezclar tamaños de cohorte
Una cohorte de 150 clientes y una de 2,400 no merecen el mismo peso. Cuando promedies cohortes, pondera cada una por su número de clientes. Trata con cuidado las cohortes pequeñas: en una cohorte de 150, tres clientes que gasten $200 más cada uno mueven el promedio $4.
El error opuesto es comparar los totales de las cohortes. La cohorte de noviembre tiene más ingresos en total solo porque tiene más clientes. Compara las cohortes por cliente.
Leer las cohortes jóvenes como peores
Una cohorte que empezó el mes pasado ha tenido un mes para comprar. Compárala solo con cohortes más antiguas a la misma edad. La última celda de una fila también puede ser el mes en curso, que aún no ha terminado, así que parece baja hasta que acaba el mes.
Ignorar la estacionalidad
Las cohortes captadas en un mes de promociones, como noviembre, se comportan de forma distinta a las captadas a precio completo. Compáralas con el mismo mes del año anterior, no con el mes previo. Y revisa las diagonales antes de culpar a una cohorte: si todas las cohortes tuvieron un mes flojo a la vez, la causa es el calendario.
Ignorar los descuentos del primer pedido
Un descuento en el primer pedido atrae clientes con un margen menor, y algunos vinieron por el descuento y no por el producto. Divide las cohortes por el código de descuento del primer pedido y compara su beneficio bruto por cliente.
Perder a los clientes que compran como invitados
Si un cliente recurrente paga con otra dirección de email, parece un cliente nuevo. Su segundo pedido inicia una cohorte nueva en lugar de contar como pedido repetido. Las tasas de repetición salen entonces demasiado bajas y los recuentos de clientes nuevos demasiado altos. Fomenta las cuentas de cliente y lee las tasas de repetición como un límite inferior.
Cómo actuar a partir de un análisis de cohortes
- Fija lo que puedes pagar por un cliente. Lee el beneficio bruto acumulado por cliente en el plazo de recuperación que aceptes, por ejemplo 6 meses. Ese es tu CAC máximo.
- Mueve presupuesto hacia las cohortes que repiten. Divide las cohortes por primer producto, código de descuento o primer canal publicitario, y destina más presupuesto a los grupos que siguen comprando.
- Ajusta el momento de tus emails de seguimiento. Si la mayoría de los segundos pedidos llegan en el segundo mes, envía el recordatorio antes de eso, no después.
- Corrige la oferta del primer pedido. Si las cohortes con descuento nunca se ponen al día, prueba un descuento menor u otra oferta y compara las cohortes nuevas a los tres meses.
- Usa la recuperación para valorar las pérdidas del primer pedido. Una cohorte que se recupera en M2 puede justificar campañas por debajo de su ROAS de equilibrio del primer pedido. Una cohorte que nunca se recupera no.
Análisis de cohortes en ROASaurus
El informe de cohortes de valor de vida del cliente de ROASaurus se construye a partir de tus pedidos y de los costes de producto de análisis de beneficios. Los clientes se identifican por el id de cliente de Shopify o por el email, y solo cuentan los pedidos pagados.
- Cohortes por semana, mes, trimestre o año del primer pedido, en forma de matriz o de curvas, con exportación a CSV.
- 14 métricas, entre ellas Customers returning (%), Cumulative orders per customer, Cumulative revenue per customer y Cumulative contribution margin per customer. Esa última métrica descuenta los costes de producto, el envío, las comisiones de pedido, las comisiones de pago, la preparación y los impuestos que solo se trasladan, y es anterior al gasto publicitario. Es la que coincide con el beneficio bruto por cliente tal como esta guía usa el término. El informe también tiene una métrica Cumulative gross profit per customer, pero incluye los impuestos que cobras, salvo que Taxes collected esté en Left out of revenue en Profit › Cost settings.
- Cada fila muestra el número de clientes, el CAC, R% (la proporción con un segundo pedido hasta ahora) y el primer pedido promedio. El CAC es el gasto publicitario del periodo de la cohorte dividido entre todos los clientes nuevos captados en él.
- La fila de promedio pondera las métricas por cliente según el número de clientes de cada cohorte.
- Un contorno verde marca el periodo en que el margen acumulado por cliente de una cohorte superó su CAC: el periodo de recuperación.
- En las cohortes mensuales, las celdas rayadas muestran valores previstos hasta 24 meses, a partir de la propia curva de recompra de tu tienda.
- Filtros sobre el primer pedido: primer producto, tipo de producto, proveedor, código de descuento, país, primer canal publicitario, canal de venta, fuente, medio o campaña UTM, etiqueta de cliente o etiqueta de pedido.
- Tasas de recompra por mes del primer pedido a 30, 60, 90, 180 y 365 días. Una ventana que aún no ha pasado para todos los clientes de la cohorte se marca con un asterisco.
Ask AI también puede responder preguntas sobre tus cohortes. Lee por ti las cohortes mensuales, el margen de contribución acumulado por cliente y el mes de recuperación del CAC.