¿Qué es el análisis de cohortes y por qué es la métrica más honesta de retención?
Definición clara, cómo construir la matriz de cohortes, qué patrones leer (smile curve, drop temprano, expansion) y errores típicos al medir retención por cohortes en pyme B2B SaaS.
Actualizado mayo 2026
Cohorte: grupo de clientes que llegó a la vez. Análisis: cómo evoluciona ese grupo.
Una cohorte es un grupo de clientes que comparte una característica común — típicamente el mes de adquisición. La cohorte de "enero 2025" son todos los clientes que se dieron de alta ese mes. El análisis de cohortes mide cómo evoluciona cada cohorte en el tiempo: cuántos siguen activos en el mes 2, mes 6, mes 12 desde su alta.
Su valor está en separar lo que las métricas agregadas mezclan. Si reportas "churn 8% mensual" estás mezclando cohortes nuevas (probablemente con churn más alto los primeros meses) y cohortes antiguas (probablemente más retenidas). El análisis de cohortes muestra cada cohorte en su propio plano temporal: la curva real de retención.
Se diferencia de métricas snapshot como NRR o churn agregado en que es longitudinal: cada fila/columna es una cohorte específica, así que ves si las cohortes recientes retienen mejor o peor que las antiguas. Patrón clave: si las cohortes nuevas retienen mejor que las viejas a igual edad, tu producto está mejorando. Si retienen peor, hay deterioro de PMF.
Lo que las cohortes te enseñan en una mirada
Drop temprano (mes 1-3)
Cohortes pierden 20-40% en los primeros 3 meses. Síntoma de activación pobre: clientes contratan pero no llegan a valor. Solución: mejorar onboarding, primer Aha moment, soporte temprano.
Smile curve (recuperación)
Retención cae los primeros meses y luego se estabiliza o sube por expansion en clientes leales. Patrón típico de SaaS con NRR >100%. Buen indicador de PMF a largo plazo.
Decline lineal
Cohortes pierden N% cada mes sin estabilizarse. Indica falta de "stickiness": el producto no genera dependencia. Comparar con benchmarks: SaaS sana llega a una asíntota; SaaS débil sigue cayendo.
Cohortes recientes peor que antiguas
Mes 6 de cohorte 2026 retiene 60%; mes 6 de cohorte 2024 retenía 75%. Deterioro de PMF o cambio de mix de adquisición. Es la señal más grave que muestra cohort analysis.
Cohortes recientes mejor que antiguas
Mes 6 de cohorte 2026 retiene 85%; mes 6 de cohorte 2024 retenía 70%. Producto mejorando, onboarding pulido, ICP mejor calibrado. Patrón deseado.
Expansion en cohortes maduras
Cohortes con 18+ meses muestran >100% de retención de revenue gracias a upgrades/cross-sell. Es el motor del NRR alto. Vale más cuidar a cohortes maduras que captar logos nuevos en SaaS con expansion fuerte.
Tres tipos de cohort analysis útiles.
1. Cohort retention de logos. ¿Qué % de los clientes que llegaron en enero siguen activos en cada mes posterior? Mide retención pura (sin contar expansion). Es la cohort matrix más simple y útil para entender stickiness del producto.
2. Cohort revenue retention. ¿Qué % del revenue inicial de la cohorte de enero sigue generándose en cada mes posterior? Incluye expansion (upgrades, upsell) y downgrade. Aquí es donde se ve si NRR es realmente >100% o no.
3. Cohort engagement. ¿Qué % de la cohorte sigue usando el producto activamente cada mes? Predice churn antes de que ocurra: clientes que dejan de usar el producto suelen cancelar 2-3 meses después. Es métrica de Customer Success.
Cinco fallos al hacer cohort analysis
Cohortes demasiado pequeñas
Cohortes <50 clientes tienen ruido estadístico alto. Un par de churns mueven la curva 10 puntos. En pyme con pocos clientes, agrupar por trimestre o semestre para tener cohortes con masa.
Confundir retención de logos con retención de revenue
Cohorte mes 6 retiene 70% de logos pero 95% del revenue (los grandes se quedan). Reportar solo una distorsiona. Ambas dan la foto completa.
No segmentar por canal o segmento
Cohortes globales mezclan SMB inbound (churn alto) con enterprise outbound (churn bajo). Segmentar por canal de adquisición y por tier de cliente revela qué segmentos retienen mejor.
Solo mirar retención, no expansion
Cohort analysis sin medir expansion subestima el valor. Una cohorte con 80% retención de logos puede generar 120% del revenue inicial gracias a upgrades de los que se quedan.
No comparar entre cohortes
Ver cada cohorte aislada no dice nada. La gracia es comparar mes 6 de cohorte 2024 vs mes 6 de cohorte 2026. Si mejora, producto evoluciona; si empeora, deterioro.
Cohort retention en el panel SaaS.
Cohort retention es la base de NRR y de LTV. NRR es la métrica resumen; cohort analysis muestra de dónde sale. LTV se calcula con la curva real de retención por cohorte, no con un churn promedio agregado.
Se complementa con Customer Success: el equipo CS interviene sobre las cohortes — sobre todo en los primeros 90 días, donde el drop temprano es más prevenible.
Para pymes SaaS españolas, montar cohort retention requiere CRM/billing con datos limpios y un dashboard sencillo (Sheets o Looker Studio bastan al inicio). Magnetia lo incluye en consultoría IA para pymes y formación a equipos CS.
Dudas que nos hacéis llegar
¿Sabes si tus cohortes recientes retienen mejor o peor que las antiguas?
Montamos tu cohort retention de logos y revenue, identificamos puntos de fuga y diseñamos plan para mejorar la curva en los primeros 90 días.