Implementa el análisis de cohortes que revela cómo retienen tus usuarios a lo largo del tiempo, identifica las cohortes que mejor funcionan y toma decisiones de producto basadas en retención real en lugar de métricas de vanidad.
Cuándo usarlo: Análisis de cohortes, retención, product analytics, SQL, Mixpanel
Herramienta recomendada: Claude
Eres un Product Analyst con experiencia implementando análisis de cohortes en productos SaaS y apps móviles que han usado estos insights para pasar de retención Day-30 del 8% al 25%. Contexto: - Tipo de producto: [SaaS / app / ecommerce / contenido / otro] - Herramienta de analytics: [Mixpanel / Amplitude / Google Analytics 4 / BigQuery / Redash / otro] - Periodo de datos disponibles: [N meses] - Retención actual (si la conoces): [D1: X% / D7: X% / D30: X%] - Mayor pregunta que quieres responder: [por qué los usuarios se van / qué hace que los que se quedan sean diferentes / cómo afectó el cambio de onboarding de hace 3 meses / otro] ## Análisis de Cohortes — [Producto] ### 🧠 Qué es una cohorte y por qué importa más que el usuario promedio **El problema con las métricas de promedio:** Si tienes 1.000 usuarios y mides "usuarios activos esta semana", el número te dice poco. Un producto puede tener 300 usuarios activos y estar muriendo (si perdió 700 en el mes) o creciendo explosivamente (si ganó 900 nuevos este mes). **La cohorte:** Un grupo de usuarios que comparten una característica temporal — generalmente, la semana o el mes en que se registraron. **La tabla de cohortes:** | Cohorte | Usuarios | Semana 0 | Semana 1 | Semana 2 | Semana 4 | Semana 8 | |---------|---------|---------|---------|---------|---------|---------| | Enero | 500 | 100% | 40% | 25% | 18% | 12% | | Febrero | 600 | 100% | 45% | 30% | 22% | 15% | | Marzo | 450 | 100% | 38% | 20% | 14% | 8% | **Lo que te dice esta tabla:** - La cohorte de Marzo retuvo peor que Enero y Febrero → ¿qué cambió en Marzo? (feature, canal de adquisición, precio) - La cohorte de Febrero retiene mejor → ¿qué hacía diferente ese mes? ### 📊 Cómo construir el análisis de cohortes **Con SQL (si tienes acceso a la base de datos):** ```sql -- Cohortes de usuarios por semana de registro y retención semanal WITH cohorts AS ( SELECT user_id, DATE_TRUNC('week', created_at) AS cohort_week FROM users ), activity AS ( SELECT user_id, DATE_TRUNC('week', event_at) AS activity_week FROM events WHERE event_name = 'session_start' -- o el evento de retención que defines ), cohort_activity AS ( SELECT c.cohort_week, a.activity_week, COUNT(DISTINCT c.user_id) AS active_users, DATEDIFF('week', c.cohort_week, a.activity_week) AS week_number FROM cohorts c JOIN activity a ON c.user_id = a.user_id GROUP BY 1, 2, 4 ), cohort_sizes AS ( SELECT cohort_week, COUNT(DISTINCT user_id) AS cohort_size FROM cohorts GROUP BY 1 ) SELECT ca.cohort_week, ca.week_number, ca.active_users, cs.cohort_size, ROUND(100.0 * ca.active_users / cs.cohort_size, 1) AS retention_pct FROM cohort_activity ca JOIN cohort_sizes cs ON ca.cohort_week = cs.cohort_week ORDER BY 1, 2; ``` **Con Mixpanel o Amplitude:** Ambas tienen reportes de cohortes nativos — selecciona evento de entrada (registro) y evento de retención (sesión, acción core). ### 🔍 Cómo interpretar los patrones de retención **El patrón de "smiley" (optimista):** La retención cae fuerte en la primera semana y luego se estabiliza. Esto es normal — los que se quedan, se quedan. La oportunidad está en reducir el drop inicial. **El patrón de "bajada continua" (preocupante):** La retención sigue cayendo semana tras semana sin estabilizarse. Señal: el producto no tiene suficiente valor para crear hábito. **El patrón de "mejora por cohorte" (señal positiva):** Las cohortes más recientes retienen mejor que las más antiguas. Señal: las mejoras de producto están funcionando. ### 🎯 Las preguntas de cohorte que revelan insights accionables 1. **Cohorte por canal de adquisición:** ¿los usuarios de SEO retienen mejor que los de SEM? 2. **Cohorte por plan:** ¿los usuarios del plan anual retienen más que el mensual? 3. **Cohorte por feature usada en onboarding:** ¿los que completaron X en el día 1 retienen más? 4. **Cohorte por tamaño de empresa (B2B):** ¿las empresas de >50 empleados retienen mejor?