Cómo usar el análisis de cohortes para reducir la pérdida de clientes y mejorar la retención

He leído varios artículos sobre análisis de cohortes. Y para ser honesto, la mayoría son aburridos, innecesariamente técnicos y no prácticos.

No deberías tener que ser un científico de datos o ingeniero para entender cómo analizar cohortes de clientes. Es algo que cualquier fundador, especialista en marketing o cualquiera que trabaje en SaaS puede aprender a hacer.

Así que al preparar esta guía, decidí tomar un camino diferente.

Si alguna vez te has sentido curioso sobre cómo hacer análisis de cohortes (no solo una definición de qué es) y cómo usarlo para mejorar tu negocio, sin toda la jerga, este artículo es para ti.

Específicamente, vamos a ver cómo usar análisis de cohortes para reducir la pérdida de clientes y retener más clientes para aumentar tu LTV. ¡Vamos directo al grano!

¿Qué son las cohortes?

Una cohorte es un grupo de usuarios con una experiencia común.

Generalmente, las cohortes se establecen dentro de un período de tiempo determinado. Puedes pensarlo como funciona la graduación escolar. Tendrás la clase de 2020, 2021, etc. Todas las personas que se graduaron en esos años específicos son parte de la misma cohorte.

Cuando se trata de aplicaciones y software, las cohortes se componen de tus usuarios y clientes. Por ejemplo:

• Usuarios que se registraron para una prueba en el mismo mes
• Usuarios que se convirtieron en clientes de pago en el mismo mes
• Usuarios que cancelaron en el mismo mes
• Usuarios que utilizaron una función específica en un período de tiempo determinado

Usar cohortes facilita el análisis del comportamiento del usuario sin necesidad de mirar a cada cliente uno por uno. En su lugar, puedes agrupar clientes en cohortes y analizar las tendencias dentro de ellas.

Puedes lee este artículo para aprender más sobre cohortes. Pero para esta guía, solo necesitas saber qué son, para que podamos desglosar cómo analizarlas.

¿Qué es el análisis de cohortes?

El análisis de cohortes es cuando extraes información de tus cohortes para obtener una mejor comprensión de tu producto, marketing, incorporación de usuarios y otras partes de tu negocio.

Entender el momento de la pérdida de clientes es solo la mitad de la batalla. Investigación de Amplitude sobre análisis de cohortes descubre que el aspecto más poderoso del enfoque es que revela no solo cuándo se van los clientes, sino los patrones de comportamiento subyacentes que predicen la salida, lo que te da algo en lo que realmente puedes actuar. Esta distinción es enormemente importante cuando decides dónde invertir en incorporación de usuarios o mejoras del producto.

Y uno de los usos más comunes del análisis de cohortes es mejorar la retención de clientes.

Al analizar clientes en cohortes, podemos ver cosas como si los clientes están cancelando al principio de su suscripción, cómo los cambios de producto o negocio impactan la pérdida de clientes (negativa o positivamente), cómo cada cohorte afecta los ingresos y otras perspectivas importantes.

Un desglose práctico de la cohorte de retención de clientes análisis confirma lo que descubren la mayoría de los fundadores de SaaS después de hacer este trabajo: segmentar clientes en cohortes revela consistentemente patrones de retención que los datos agregados ocultan completamente. La clave es pasar de la observación a la acción identificando la cohorte donde la pérdida se acelera, y luego rastreándola hasta un canal de adquisición específico, cambio de precios o brecha en la incorporación de usuarios.

En la mayoría de los casos, las empresas SaaS analizan cohortes en función del comportamiento o la adquisición. Aquí hay una descripción rápida de cada una.

Cohortes conductuales

Las cohortes conductuales se agrupan por acciones específicas que los usuarios realizan en tu producto.

Por ejemplo, en Baremetrics podríamos tener una cohorte de usuarios que iniciaron sesión y vieron su MRR en una semana específica.

Con cohortes conductuales, necesitas definir:

1. Un comportamiento específico
2. Período de tiempo

Puede utilizar una herramienta como Mixpanel (o incluso Google Analytics) para esto. Las cohortes conductuales son excelentes para entender cómo los usuarios interactúan con tu producto, qué características mantienen a los usuarios regresando y otra información específica del producto.

Si tu objetivo es aprender cómo los usuarios interactúan con tu producto, entonces las cohortes conductuales son una buena opción. Pero para nuestros propósitos, queremos enfocarnos en la retención y la adquisición.

Cohortes de adquisición

Para usar análisis de cohortes y mejorar la pérdida de clientes, necesitamos mirar cohortes de adquisición. Estas son cohortes basadas en cuándo un usuario se registró en tu producto.

Por ejemplo, las personas que se registraron en febrero serían parte de la misma cohorte. Puedes rastrear esto en Baremetrics.

Las cohortes de adquisición pueden ayudarte a calcular el LTV de los clientes, el tiempo de pérdida promedio y otras perspectivas relacionadas con la retención. Profundizaremos en todo eso un poco más adelante en este artículo.

Cómo leer un gráfico de análisis de cohortes

Si eres nuevo en los gráficos de cohortes, pueden ser un poco confusos a primera vista. Pero en realidad son bastante fáciles de leer una vez que sabes qué estás mirando.

Aquí hay una descripción rápida de cómo se ven nuestros gráficos de cohortes en Baremetrics.

Primero, veamos solo una cohorte.

De izquierda a derecha, esto es lo que estás viendo:

• Abril de 2019: Esta es la "cohorte": clientes que se registraron en nuestro producto en abril de 2019.
• 24: Este es el número de clientes en esta cohorte. Entonces, 24 clientes se registraron en nuestro producto en abril de 2019.
• 92%: Este es el porcentaje de clientes que permanecieron dentro del primer mes después de registrarse. Entonces, en abril de 2019, el 8% de esos 24 clientes cancelaron.

Cada columna después de esa muestra el porcentaje de clientes restantes de esa cohorte después de cada mes. Entonces, bajo la columna "1", podemos ver que el 88% de los 24 clientes originales permanecen después de su primer mes, y así sucesivamente.

Si no te gusta ver porcentajes, también puedes ver los datos en números absolutos. Esto te mostrará el número exacto de clientes restantes después de cada mes.

Bastante simple, ¿verdad?

Si quieres ver ingresos en lugar de usuarios, también te proporcionamos esos datos.

Regístrate para ver tu gráfico de retención de ingresos

Tener los datos y saber cómo leer un gráfico de cohorte es agradable. Pero a menos que lo conviertas en acción, ¿cuál es el punto?

Así que hablemos sobre cómo poner en uso estas bonitas tablas de cohorte.

Las capturas de pantalla y tácticas que voy a cubrir en esta guía van a ser de nuestro producto, Baremetrics. Si estás interesado en obtener este tipo de información para tu empresa, registrarte para una prueba gratuita aquí ¡y sigue adelante!

Cómo usar el análisis de retención de cohorte para reducir la rotación temprana

Puedes aprender mucho sobre tu empresa observando la rotación dentro de los primeros meses después de que los clientes se registren.

La investigación académica sobre rotación de clientes muestra consistentemente que las señales de comportamiento que preceden a la cancelación son detectables semanas antes de que un cliente realmente se vaya. Un estudio que analizó la rotación de clientes desde una perspectiva estratégica encontró que los patrones de participación temprana, específicamente cómo los clientes interactúan con características principales en los primeros 30 días, son entre los predictores más fuertes de la retención a largo plazo. Es exactamente por eso que tus datos de cohorte del primer mes son tan valiosos. Por ejemplo, digamos que tu gráfico de retención de cohorte se ve así:

Demasiados clientes se están yendo en los primeros meses de usar tu producto.

Mirando el gráfico anterior, en el primer mes después de registrarse, esta empresa está perdiendo casi una cuarta parte de sus clientes de cada cohorte. Después de dos meses, están por debajo del 50%.

Las posibilidades de que esta empresa permanezca son escasas a menos que descubra qué está pasando.

Si los clientes se van después de solo unos pocos meses, podría ser una señal de uno o más de estos:

Tu producto no coincide con las expectativas de tus clientes

• Tu proceso de incorporación necesita trabajo
• Hay un problema con cómo estás adquiriendo/activando usuarios
• Echemos un vistazo a cómo puedes usar el análisis de cohorte para identificar cada uno de estos tres escenarios y cómo solucionarlos.

Una desconexión entre las expectativas de los clientes y tu producto

¿Alguna vez has visto un tráiler de una película y te emocionaste mucho? Luego, después de ver la película, te sientes decepcionado y te dices a ti mismo: "eso no fue nada como el tráiler".

Eso es exactamente lo que sucede cuando las expectativas de tus clientes no coinciden con su experiencia real de usar tu producto.

No estoy hablando de mentir sobre lo que hace tu producto o engañar a la gente (espero que no estés haciendo eso). Pero la desconexión puede ocurrir cuando estás sobreventa de tu producto o comercializando a la audiencia equivocada.

Por ejemplo, mira Trello. Es un producto amazingly versátil para gestión de proyectos y otras tareas. Pero digamos que comenzaron a comercializarlo como una alternativa a herramientas CRM completas.

No estarían mintiendo. Puedes usar Trello como un CRM (como se señala aquí). Sin embargo, para usarlo como una alternativa a CRM populares como Hubspot, Keap y otros, requiere más configuración y complementos. TrelloSi los clientes se registraron en Trello esperando obtener un CRM más avanzado, es posible que no obtengan exactamente lo que esperaban. Y serían más propensos a cancelar que alguien que se registró buscando un CRM más básico.

Aquí hay una manera de usar el análisis de cohorte para descubrir si la "expectativa vs. realidad" está haciendo que tus clientes se vayan.Primero, pide una razón de cancelación cada vez que los clientes cancelen su suscripción. Puedes usar esto para eso.Después de haber comenzado a recopilar las razones, podrás ver tendencias en las razones por las que las personas cancelan.

Una vez que tengas tus razones configuradas, crea un segmento de cliente en Baremetrics específicamente para personas que indicaron su razón de cancelación como algo relacionado con sus expectativas.

Para nosotros, eso podría ser personas que cancelaron porque nos faltaba una característica, no estaban seguras de cómo usar los datos/herramientas o cambiaron a un competidor.

Guardé este filtro como "Razón de cancelación - Expectativas". Ahora, en adelante, cualquiera que cancele e incluya una de estas razones se incluirá en este segmento. Información de Cancelación A continuación, iremos a nuestro gráfico de cohorte de retención de clientes. Hay una lista desplegable que nos permite elegir un segmento específico para esta cohorte. Elegiremos el que acabo de crear.

Una vez que hayas comenzado a recopilar las razones, podrás ver tendencias en las razones por las que la gente cancela.

Una vez que hayas establecido tus razones, crea un segmento de clientes en Baremetrics específicamente para personas que listaron su razón de cancelación como algo relacionado con sus expectativas.

Para nosotros, eso podrían ser personas que cancelaron porque nos faltaba una función, no estaban seguros de cómo usar los datos/herramientas o cambiaron a un competidor.

Guardé este filtro como "Cancellation Reason – Expectations". Ahora, de cara al futuro, cualquiera que cancele e incluya una de estas razones se agregará a este segmento.

A continuación, iremos a nuestro gráfico de cohorte de retención de clientes. Hay un menú desplegable que nos permite elegir un segmento específico para esta cohorte. Elegiremos el que acabo de crear.

Lo que estamos viendo en el gráfico anterior, son clientes que se registraron en los últimos 12 meses, y proporcionaron una de las razones de cancelación de nuestro filtro cuando cancelaron.

Basándonos en esto, podemos ver que en su mayoría, las personas que cancelan por nuestras razones de "Expectativas" tienden a hacerlo después de al menos un mes o dos, con un par de excepciones.

Dado que no tenemos un modelo de alto volumen, tenemos números más pequeños. Pero si estás en un negocio que registra cientos o miles de clientes al mes, probablemente verás tendencias aún más fuertes.

Estos datos son más valiosos cuando los comparas con las cancelaciones totales.

Entonces, echemos un vistazo a los dos gráficos uno al lado del otro:

(1) El gráfico de retención de clientes para todos los clientes

(2) El gráfico de retención de clientes para nuestro segmento de razón de cancelación de "Expectativas"

Cambiaré de "Relativo" a "Absoluto" para que podamos ver el número real de usuarios restantes cada mes en lugar de porcentajes.

Todos los clientes

Segmentado

La cantidad de personas que cancelaron por una de nuestras razones de "expectativa" es muy pequeña, lo cual es una buena señal. Ten en cuenta, sin embargo, que este ejemplo es para guiarte a través del proceso. Tus hallazgos probablemente serán diferentes de los nuestros.

La principal bandera roja que debes vigilar cuando hagas este ejercicio para tu negocio es si la caída para los clientes que cancelaron porque tu producto no coincidió con sus expectativas es peor que el promedio general.

Dicho de otra manera, ¿cuántos clientes en cada cohorte están cancelando porque tu producto no coincidió con sus expectativas?

Proceso de incorporación deficiente

Otra causa potencial de una caída pronunciada en los primeros meses de tus cohortes es que tus clientes no estén siendo incorporados muy bien. Esto está relacionado con el consejo anterior.

Si los clientes están cancelando porque no entienden cómo usar tu producto, debes ajustar tu proceso de incorporación.

Para ver si tu incorporación es el problema, puedes seguir los mismos pasos que la sección anterior. Solo que esta vez, estás específicamente buscando personas que proporcionaron una razón de cancelación de no entender cómo usar tu producto. También podrías permitirles seleccionar específicamente una razón como "Falta de incorporación" o "Capacitación deficiente del producto".

Si el número de clientes que cancelan porque no saben cómo usar tu producto es un buen porcentaje de tus cancelaciones totales, sabes cuál es el problema. Y en ese punto, necesitas arreglar tu proceso de incorporación.

Modelo de adquisición/activación deficiente

Algunos clientes están destinados a abandonar desde el principio debido a la forma en que fueron adquiridos. Ves esto mucho cuando las empresas ofrecen descuentos profundos para nuevos clientes, o varios meses gratis.

Los descuentos son una buena manera de obtener nuevos clientes rápidamente. Pero también tendrás que aceptar que puede generar una alta rotación en los primeros meses también.

Eso es exactamente lo que History Hit descubrió después de ejecutar una oferta de Black Friday. El servicio de video de suscripción adquirió una tonelada de nuevos clientes después de ejecutar una promoción para Black Friday.

Estaban obteniendo clientes por la mitad de su costo de adquisición objetivo. Pero también notaron que su tasa de cancelación pasó del 6% al 9% en semanas.

Además, su LTV mensual cayó el 36% después de noviembre y su tasa de conversión de prueba pasó del 80% al 40%.

Puedes lee su viaje completo para saber qué sucedió y cómo fueron capaces de revertir la tendencia. Pero lo que en última instancia se redujo fue a que los descuentos que ofrecían eran tan grandes que atraían leads de menor calidad.

Recuerda: Si vas a ofrecer descuentos, pruebas gratuitas o incluso pasar a freemium, asegúrate de que tenga sentido financiero para tu negocio.

Modelos y Estrategias de Precios SaaS Desmitificados

¡Descubre cómo elegir el modelo de precios adecuado para tu negocio!

Lo bueno es que es bastante fácil descubrir si tu modelo de adquisición o activación es la causa de tu rotación utilizando análisis de cohortes. Puedes ejecutar un experimento en el que cambies tu modelo de activación durante un mes o dos y compares los resultados.

Eso es exactamente lo que Ahrefs lo hizo.

Durante más de cinco años, permitieron que cualquiera usara su producto de forma gratuita durante 14 días sin tener que proporcionar información de pago.

Esto hizo que tuvieran una cantidad masiva de personas usando su producto de forma gratuita registrándose, cancelando una vez que pasaron los 14 días, y luego registrándose nuevamente con una dirección de correo electrónico diferente.

En un momento, tenían el doble de usuarios gratuitos que clientes de pago. Y ni siquiera eran un producto freemium.

Aunque las pruebas gratuitas inicialmente les dieron mucha exposición, consumieron muchos de sus recursos (costos de servidor y soporte al cliente) en clientes que no pagaban. A largo plazo, no iba a ser sostenible.

Entonces, experimentaron con una prueba de 7 días por $7. Y aunque obtuvieron menos pruebas, su tasa de conversión de prueba a pago mejoró porque estaban obteniendo usuarios de mayor calidad.

Puedes ver exactamente qué hicieron y sus resultados en este vídeo:

Si tienes una tasa alta tasa de cancelación en los primeros meses, intenta ver si alguno de estos tres problemas es el culpable. Y lo bueno de monitorear por cohortes es que puedes rastrear fácilmente el impacto de tus cambios a lo largo del tiempo.

En algunos casos, sin embargo, podrás retener clientes inicialmente. Pero después de 6-12 meses comienzan a abandonar como moscas.

Aquí está lo que debes hacer en ese escenario.

Cómo usar análisis de cohortes para mejorar tu LTV de cliente

Como empresa SaaS (o realmente cualquier negocio), quieres mantener a los clientes pagándote durante el mayor tiempo posible. Hacer análisis de cohortes te ayudará a ver cómo tu rotación va a tender 6, 12, 18 o incluso 24 meses en el futuro.

Cuando comiences a usar análisis de cohortes para mejorar LTV, ayuda saber cómo se ve realmente lo bueno. El benchmark más ampliamente citado es una relación LTV-a-CAC de 3:1, lo que significa que tu valor de por vida del cliente debe ser al menos tres veces tu costo de adquisición. Si tus datos de cohorte muestran una tendencia de LTV por debajo de ese umbral, esa es una señal concreta de que tu problema de retención también es un problema de economía unitaria.

Aquí te mostramos cómo hacerlo.

Ve a tu tabla de cohorte de retención de clientes. Dependiendo de cuán atrás quieras buscar, recomendaría cambiar de la vista de los últimos 12 meses a 24 meses.

Queremos enfocarnos en los meses 6+.

Lo primero que debes hacer es monitorear cómo se compara cada cohorte con tu tiempo de cancelación promedio. Puedes ver esto en Barmetrics en tu panel de cancelación de usuarios.

Como puedes ver, nuestro tiempo de cancelación promedio es de ~21 meses.

Mirando nuestro gráfico de cohortes, verificaría si alguna de las cohortes tiene un alto nivel de abandono antes de 21 meses.

Afortunadamente, nada parece estar demasiado fuera de lugar. Pero digamos que en su lugar vimos algo como esto:

Podemos ver que una cohorte va en contra de nuestra tendencia. En ese punto, querríamos mirar esa cohorte específica y ver qué sucedió. Crearíamos un segmento personalizado como lo hicimos antes y observaríamos los motivos de cancelación de esa cohorte.

Pero lo más probable es que, si tienes un problema con la cancelación a largo plazo, lo verás en varias cohortes, no solo en una. Y si ese es el caso, aquí te mostramos qué puedes hacer para cambiar la tendencia.

Paso 1. Encuentra tus puntos de abandono

Primero, necesitas ver cuántos meses después de iniciada su suscripción la mayoría de las cohortes se están yendo.

Busca agrupaciones en tu gráfico de cohortes comenzando desde el sexto mes en adelante.

En nuestro gráfico, podemos ver una tendencia que comienza del mes 9 al 11. Una cantidad considerable de las cohortes están cerca del 50% en este momento. Si podemos descubrir cómo mejorar esos números, podemos mejorar nuestro LTV reteniendo a esos clientes por más tiempo.

Paso 2: Verifica los motivos de cancelación de esos clientes

A continuación, querrás averiguar por qué la gente se está cancelando en esos meses.

Puedes ver un proceso paso a paso de cómo hacer esto en mi artículo de análisis de cancelación donde te muestro cómo analizar la cancelación por cohortes.

Paso 3. Verifica en tu punto de abandono

El Paso 2 te mostrará por qué los clientes se cancelaron, y con suerte puedas obtener algunas lecciones de aprendizaje de eso.

Pero otra cosa que puedes hacer es verificar con los clientes alrededor de un mes o dos antes antes del período de abandono.

En nuestro ejemplo, podríamos enviar correos electrónicos de "verificación" en los meses 8 y 9 de su suscripción para ver cómo van las cosas. De esa manera, si hay un problema o algún tipo de fricción, podemos salvar la cuenta antes de que se cancelen.

Una solución más a largo plazo sería tener una secuencia de correo electrónico automatizada (o mensajería en la aplicación) que verifique a tus clientes durante toda su suscripción. Luego mide el desempeño de esas secuencias a lo largo del tiempo (tasa de apertura, engagement, etc.)

Paso 4. Seguimiento después del período de abandono

Los pasos anteriores te ayudarán a abordar el problema en el futuro, pero ¿qué hay de los clientes que actualmente están en tu período de abandono, o poco después?

Estas personas:

Puedes ver que la tasa de retención es un poco más estable, pero eso no significa que no estén en riesgo de cancelarse.

Aunque hayan "sobrevivido" a ese período inicial de abandono, aún deberías comunicarte con ellos para asegurarte de que estén comprometidos y disfruten tu producto.

Además, dado que se han mantenido contigo, podría ser una buena idea enviar a estos usuarios una encuesta para preguntarles qué les gusta/disgusta de tu producto.

Compara la retroalimentación que recibiste de esta encuesta con los motivos de cancelación que encontraste en el paso 2.

Busca similitudes y diferencias. Y usa la retroalimentación para mejorar tu producto y experiencia del cliente.

El objetivo es descubrir qué puedes hacer para mantener a los clientes satisfechos y que te paguen durante más tiempo. Usa las tácticas anteriores para encontrar tendencias e identificar cualquier problema potencial.

Cómo usar el análisis de cohortes para optimizar la cancelación de ingresos

Hasta este punto, hemos hablado mucho sobre la cancelación de usuarios. Pero también podemos usar el análisis de cohortes para obtener información sobre la cancelación de ingresos.

Un buen caso de uso para esto es tratar de entender el impacto de los descuentos.

Digamos que tenías curiosidad sobre cómo los descuentos impactan tus ingresos. Puedes mirar a los clientes con descuento frente a los de precio completo en una cohorte específica.

Usaré nuestra propia cuenta para este ejemplo.

En nuestra cuenta, especificamos las cuentas con descuento como sus propios planes.

Entonces primero, necesitamos crear un segmento de cliente para aislar a los clientes con descuento y precio completo en una cohorte específica. Usaremos la cohorte de abril de 2019 para este ejemplo.

Crea un segmento personalizado con estos dos filtros:

• Fecha de registro: Los clientes de una cohorte específica
• Plan: Todos los planes con descuento que ofreces (Si marcas a tus clientes con descuento de una manera diferente, como etiquetarlos en tu CRM, simplemente agregarás el filtro apropiado aquí en lugar de "Plan".)

Guarda ese segmento como algo como [Cohorte de abril de 2019 – Con descuento].

Luego, crea el mismo filtro, pero en lugar de "Cualquiera de estos" para el filtro de Plan, cámbialo a "Ninguno de estos":

Luego guarda ese segmento como algo como [Cohorte de abril de 2019 – Sin descuento]

Ahora, podemos usar Baremetrics para comparar diferentes métricas relacionadas con ingresos para estos dos segmentos.

Por ejemplo, podemos ver qué segmento de esta cohorte tiene un mejor sus ingresos promedio por usuario (ARPU) a lo largo del tiempo:

Realiza un seguimiento del promedio de ingresos por usuario de tu empresa

Los clientes de precio completo experimentaron una disminución negativa de ingresos algunos meses. Eso significa que algunos de nuestros clientes de precio completo se expandieron (actualizaron su cuenta u obtuvieron nuestros productos complementarios como Información de Cancelación y Recuperar).

Podrías descubrir que aunque tienes algunos clientes de precio completo con más cancelaciones que los de descuento, aún te generan más MRR que los clientes con descuento que permanecen por un período más largo.

Ese es solo un ejemplo de cómo usar el análisis de cohortes para analizar la disminución de ingresos. Pero el proceso se puede personalizar dependiendo de lo que busques.

Para evitar caer en un agujero negro de gráficos y datos, te sugiero que empieces con un único problema que quieras resolver. Luego, utiliza los consejos anteriores para ejecutar algunos análisis. De lo contrario, pasarás todo el día clasificando datos.

Créeme, lo he hecho.

Usa el análisis de cohortes para ver el panorama general

Desglosar tus usuarios por cohortes hace mucho más fácil ver tendencias y tomar medidas.

Si tienes problemas con la cancelación, no te agobies analizando toda tu base de clientes a la vez. En su lugar, analízala por cohorte. Identifica los problemas dentro de esas cohortes, realiza cambios y mide los resultados.

Con el tiempo, deberías empezar a ver una mejora en tu cancelación en general.