El análisis de cohortes ecommerce es una herramienta práctica para responsables de ecommerce que quieren aumentar la retención y la recompra. En lugar de mirar métricas agregadas que ocultan cuándo pierdes clientes, las cohortes te permiten ver el comportamiento de grupos de compradores que comparten una característica en común (por ejemplo, la fecha de su primera compra).
Qué es una cohorte de clientes
Una cohorte es un grupo de clientes definidos por una característica temporal o categórica. En ecommerce la cohorte más común es la cohorte por fecha de primera compra: todos los usuarios que realizaron su primera compra en un mismo período (día, semana o mes).
El objetivo del análisis de cohortes es seguir esa cohorte a lo largo del tiempo para medir métricas como:
- Retención por periodo (qué porcentaje vuelve a comprar)
- Frecuencia de compra
- Valor medio por cliente (AOV y contribución al LTV)
Cómo construir una tabla de cohortes
Sigue estos pasos sencillos. No necesitas herramientas complejas: una hoja de cálculo (Excel o Google Sheets) basta para un primer diagnóstico.
Paso 1: Define la cohorte y el periodo
Decide si vas a agrupar por día, semana o mes. Para tiendas con pocas ventas mensuales, usa meses. Para volúmenes altos, las semanas o días ofrecen más resolución.
Paso 2: Extrae los datos básicos
Necesitas, como mínimo, una tabla con: ID de cliente, fecha de primera compra, fecha de cada compra subsiguiente y valor de cada compra.
Paso 3: Crea la tabla pivot/cohort
- En filas: la cohorte (p. ej., mes de primera compra).
- En columnas: periodo relativo (mes 0 = mes de adquisición, mes 1 = primer mes tras la compra, etc.).
- En celdas: la métrica que quieres medir, normalmente porcentaje de clientes de la cohorte que compraron en ese periodo.
Ejemplo de estructura (tendrás valores en %):
- Fila: Cohorte enero 2025
- Columna: Mes 0, Mes 1, Mes 2, …
Paso 4: Calcula tasas de retención
Para cada cohorte y periodo, la fórmula básica es:
Retención = (Número de clientes de la cohorte que compraron en el periodo) / (Tamaño inicial de la cohorte)
Ejemplo hipotético (claramente identificado):
Ejemplo 1: cohorte enero
- Tamaño cohorte (clientes con primera compra en enero): 200
- Clientes que compran en mes 1 (febrero): 60
- Retención mes 1 = 60 / 200 = 0,30 → 30%
Repite para mes 2, mes 3, etc. Lo habitual es crear la tabla con porcentajes y colorearla (heatmap) para ver caídas pronunciadas.
Cómo leer la retención por período
Una vez tengas la tabla, sigue estos principios para interpretar los resultados:
Busca el punto de inflexión
Identifica el primer periodo donde la retención cae de forma significativa. Ese periodo es donde más clientes dejan de ser recurrentes y es tu pista para intervenir.
Comparación entre cohortes
Compara cohortes sucesivas (por ejemplo, enero vs. febrero) para ver si tu retención mejora, empeora o se mantiene estable con el tiempo. Si una cohorte presenta mayor retención, revisa qué cambió (promociones, producto destacado, campañas de onboarding).
Interpreta la forma de la curva
- Curva pronunciada hacia abajo en meses tempranos: problemas en la experiencia postcompra (envío, embalaje, comunicación).
- Caída gradual y estable: comportamiento normal en muchas categorías; aquí trabaja la frecuencia de contacto y el catálogo.
- Picos en meses concretos: revisa estacionalidad o campañas puntuales.
Métricas complementarias
No te quedes solo con la retención en número de clientes. Analiza también:
- Valor medio por cliente en cada periodo (para ver si los que vuelven gastan más o menos).
- Frecuencia de compra acumulada por cohorte.
- Tiempo medio hasta la segunda compra.
Ejemplos de decisiones accionables
Con una tabla de cohortes clara puedes tomar decisiones concretas. Aquí tienes casos prácticos y cómo calcular el impacto.
1) Detectar el mes crítico y programar emails de reenganche
Si la cohorte de enero cae del 30% en mes 1 a 12% en mes 3, tu mes crítico puede ser entre el mes 1 y 3.
Acción: programa una secuencia de reenganche en mes 2 con un incentivo moderado (envío gratuito o descuento pequeño).
Ejemplo hipotético:
- Cohorte: 200 clientes
- Retención mes 1: 30% (60 clientes)
- Retención mes 3: 12% (24 clientes)
- Aumentando la retención en mes 3 al 20% (40 clientes) ganarías 16 clientes adicionales.
Si el AOV es 50 €, esos 16 clientes generan 800 € extra en ese periodo. Compara ese beneficio con el coste de la campaña para decidir la inversión.
2) Identificar cohorts con mayor LTV y replicar su onboarding
Si las cohortes que recibieron un email de bienvenida con guía de uso tienen mayor retención, replica ese flujo para nuevas compras.
3) Ajustar cadencia de promociones
Si observas picos de recompra justo después de las promociones, quizá dependes demasiado de descuentos. Evalúa experimentos donde ofreces valor distinto (contenido, productos complementarios) y observa cohortes posteriores.
4) Segmentación de reactivación por propensión
No todos los clientes requieren el mismo trato. Crea sub-cohortes por AOV o por categoría comprada y planta reglas de reactivación diferentes (email ligero para AOV alto, incentivo para AOV bajo).
Limitaciones y errores frecuentes
El análisis de cohortes es potente, pero tiene trampas. Aquí las más comunes y cómo evitarlas.
1) Cohortes demasiado pequeñas
Si tu cohorte tiene pocos clientes, las tasas fluctuarán mucho y no serán fiables. Solución: agrupa por periodos más largos (de semana a mes) o combina cohortes similares.
2) Mezclar canales sin etiquetado
Si no diferencias adquisición por canal, no sabrás si una caída es general o causada por un canal específico (p. ej., marketplace vs. web propia). Mantén etiquetado de canales en tus datos.
3) No controlar devoluciones y cancelaciones
Las devoluciones afectan la percepción de retención: un cliente que compra y devuelve no debe contarse igual que uno que mantiene la compra. Ajusta tu definición de «compra válida».
4) Ignorar estacionalidad
Comparar cohortes estacionales (Black Friday vs. mes sin promo) sin ajuste puede llevar a conclusiones erróneas. Usa cohortes anuales para comparar el mismo periodo de cada año.
5) Interpretación causal equivocada
Que una cohorte tenga mejor retención no prueba causa. Puede ser que un producto popular trajo clientes más fieles. Complementa cohortes con pruebas A/B o análisis cualitativos.
Checklist rápido para tu primer análisis de cohortes
- Define la cohorte (p. ej., mes de primera compra) y el periodo de análisis (meses 0–6).
- Extrae: ID cliente, fecha de primera compra, fechas y valores de compras.
- Construye la tabla y calcula retenciones relativas.
- Colorea la tabla para identificar caídas rápidas.
- Actúa sobre el primer mes crítico: secuencias de email, oferta de cross-sell o mejora postventa.
- Repite cada mes y compara cohortes para medir impacto de tus acciones.
Recursos relacionados
Enlaza internamente este artículo con contenido que amplíe acciones concretas tras el análisis:
- email marketing para ecommerce
- automatizaciones de email marketing
- reactivación de clientes
- fidelización de clientes en ecommerce
El análisis de cohortes ecommerce no es sólo una tabla bonita: es la mejor forma de localizar el momento exacto en el que pierdes clientes y diseñar intervenciones precisas. Empieza con cohortes sencillas y crece en detalle según necesites segmentación por producto, canal o AOV.
Recibe estrategias prácticas para mejorar la retención y la recompra de tu ecommerce.