Análisis de cohortes de clientes: cómo evaluar la retención y las compras repetidas

A veces, las estadísticas generales parecen bastante convincentes: la base de clientes crece, los pedidos siguen llegando y los ingresos no disminuyen. Sin embargo, por debajo puede estar ocurriendo algo muy distinto. Por ejemplo, los clientes que llegaron en primavera continúan comprando, mientras que aquellos captados en verano casi no regresan después de su primer pedido. En promedio, todo sigue pareciendo «normal». Pero el problema ya existe.

Estas son precisamente las diferencias que ayuda a detectar el análisis de cohortes de clientes. No muestra únicamente el comportamiento de toda la base, sino cómo cambian con el tiempo determinados grupos de compradores.

¿Qué es el análisis de cohortes?

Una cohorte es un grupo de clientes unidos por un mismo evento y un período determinado. Lo más habitual es que ese evento sea la primera compra. Supongamos que 300 personas hicieron su primer pedido en enero. Esa es la cohorte de enero. En febrero aparecieron otros 420 clientes nuevos, que forman un grupo distinto. Después se puede observar qué porcentaje de los compradores de enero regresó al cabo de uno, dos o seis meses y comparar el resultado con la cohorte de febrero.

En pocas palabras, el análisis de cohortes es una forma de seguir a lo largo del tiempo el comportamiento de grupos de clientes similares. Para una empresa resulta especialmente útil cuando necesita entender:

• si los nuevos compradores regresan;
• cuánto tiempo pasa hasta el siguiente pedido;
• qué campaña publicitaria atrajo a clientes más fieles;
• si la retención cambió después de lanzar un programa de fidelización;
• qué promociones generan un aumento breve de las ventas, pero apenas influyen en las compras repetidas.

Por eso, a menudo se realizan por separado el análisis de cohortes de retención y el análisis de cohortes de ventas.

¿En qué se diferencia el análisis de cohortes de la segmentación?

Es fácil confundir estos dos enfoques. Ambos dividen la base de clientes en grupos, pero lo hacen con objetivos distintos.

La segmentación responde a la pregunta: ¿qué tipos de clientes tenemos ahora? Por ejemplo, se pueden identificar compradores habituales, clientes con un ticket medio alto, personas que llevan mucho tiempo sin regresar o quienes se interesan por una categoría concreta de joyería.

El análisis de cohortes responde a otra pregunta: ¿cómo cambió el comportamiento de un grupo después de un evento concreto? Supongamos que hoy dos clientes pertenecen al segmento «fiel». Uno compró por primera vez hace dos años y el otro, hace tres meses. Para la segmentación, esta diferencia puede no ser tan importante. Para el análisis de cohortes, es fundamental. Una forma sencilla de recordarlo es esta: el segmento describe al cliente, mientras que la cohorte ayuda a seguir su recorrido a lo largo del tiempo.

¿Cómo se realiza un análisis de cohortes?

Lo mejor es empezar con un solo evento claro. No intentes analizarlo todo a la vez.

Para las ventas repetidas, normalmente se utiliza la fecha de la primera compra. Después, sigue estos pasos:

1. Elige un período, por ejemplo, los últimos 12 meses.
2. Divide a los nuevos clientes según el mes de su primera compra.
3. Para cada cohorte, calcula cuántos clientes regresaron después de 1, 2, 3 meses y más adelante.
4. Convierte el número de clientes que regresaron en porcentajes.
5. Compara las cohortes entre sí.

Supongamos que 100 personas compraron por primera vez en enero. Un mes después, 28 de ellas hicieron otro pedido. Retención al cabo de un mes:

28 / 100 × 100% = 28%

Dos meses después, 21 clientes seguían activos, por lo que el indicador sería del 21%.

Y aquí empieza lo más interesante. Si la cohorte de febrero ya muestra un 37% al cabo de un mes, vale la pena buscar la causa. Quizá cambiaste la mecánica de bonificación, mejoraste la comunicación después de la primera compra o empezaste a entregar una tarjeta digital directamente al finalizar el pedido.

Análisis de cohortes: ejemplo de una joyería

Imaginemos una joyería que quiere saber si su nuevo programa de fidelización influyó en las ventas repetidas. En enero, el programa todavía funcionaba con las reglas anteriores. En febrero, los nuevos compradores comenzaron a recibir bonos de bienvenida y, unas semanas más tarde, recordatorios sobre su saldo acumulado. El resultado fue la siguiente matriz:

Este tipo de tabla se lee por filas. De los 200 clientes que compraron por primera vez en enero, el 22% regresó al cabo de un mes. Después de tres meses, el 11% seguía activo. La cohorte de febrero ofrece otro resultado: un 31% de compras repetidas al cabo de un mes y un 17% después de tres meses. El crecimiento por sí solo no demuestra que el programa de fidelización sea la única causa. También pueden haber influido las fiestas, el surtido o la demanda estacional. Pero la diferencia es lo bastante notable como para seguir comprobando la hipótesis, por ejemplo, comparando por separado a los miembros del programa con los compradores sin tarjeta.

Así, el análisis de cohortes de ventas permite detectar cambios que se pierden fácilmente en las estadísticas generales.

¿Qué se puede aprender de una matriz de cohortes?

Lo más útil no es buscar un «porcentaje ideal», sino comparar los grupos entre sí. Si cada nueva cohorte presenta una retención peor que la anterior, el problema puede estar en la primera experiencia del cliente, en la calidad del tráfico captado o en cambios del producto. Si la retención crece inmediatamente después de lanzar una nueva mecánica de bonificación, es una buena señal. Ahora hay que comprobar si el efecto se mantiene después de dos o tres meses. También puede ocurrir que la primera compra repetida aumente, pero que después los clientes sigan desapareciendo. Esto significa que el bono de bienvenida funcionó, pero todavía no existe una razón permanente para regresar.

Por eso, las cohortes de clientes son más útiles que una única cifra general de Retention Rate. Muestran exactamente cuándo empieza a cambiar el comportamiento.

¿Cómo ayuda un programa de fidelización a recopilar datos?

Un programa de fidelización resulta especialmente útil para el análisis de cohortes porque vincula las compras con clientes concretos. Sin esta identificación, la tienda ve los recibos, pero no siempre sabe quién regresó y quién apareció por primera vez. Después de conectar el programa, se pueden comparar, por ejemplo:

• cohortes anteriores y posteriores al lanzamiento de los bonos;
• clientes con y sin tarjeta digital;
• compradores que recibieron un bono de bienvenida;
• diferentes condiciones de cashback;
• clientes procedentes de distintos canales publicitarios.

Con Loyallyst, el historial de compras y la actividad de los clientes se reúnen en un único sistema, por lo que no es necesario combinar manualmente decenas de hojas de cálculo. Así es posible ver más rápido qué grupos regresan más y después de qué cambios aumentó realmente la retención.

El análisis de cohortes no responde por ti a la pregunta «¿qué debemos hacer ahora?». Sin embargo, muestra muy bien dónde buscar la respuesta. Si los nuevos clientes empiezan a regresar con más frecuencia después de implementar el programa de fidelización, las cohortes siguientes lo mostrarán. Si el efecto desaparece al cabo de unos meses, también será visible. Con estos datos resulta mucho más fácil decidir qué mecánica mantener, cuál modificar y cuál abandonar.