Análisis de Cohortes para Fundadores SaaS: Guía Práctica
Publicado el 13 de marzo de 2026 · Jules, Founder of NoNoiseMetrics · 10min de lectura
Actualizado el 15 de abril de 2026
Tu cohorte de marzo churnea al 40 % a los 90 días. La de junio al 12 %. Mismo producto. Mismo precio. Algo cambió entre las dos — y el análisis de cohortes es la herramienta que vuelve visible ese cambio.
El análisis de cohortes agrupa a los clientes por fecha de registro y rastrea su comportamiento en el tiempo, para que veas qué versiones de tu producto retienen mejor. Esta guía explica cómo funciona el análisis de cohortes, cómo construirlo desde Stripe y cómo leer los patrones que revela. Para entender por qué el churn importa en primer lugar, lee la guía completa del churn SaaS.
Análisis de Cohortes para Fundadores SaaS: Guía Práctica
Un análisis de cohortes agrupa clientes por una característica compartida, normalmente la fecha de adquisición, y sigue un comportamiento concreto (retención o ingresos) en el tiempo para cada grupo.
- Una cohorte = clientes que se registraron el mismo mes (o semana, o versión de producto)
- El análisis de cohortes = qué % de cada cohorte sigue activa a los 30, 60, 90, 180 días
Por qué el análisis de cohortes le gana a las métricas agregadas: la retención agregada esconde el hecho de que tus cohortes nuevas pueden ser pésimas mientras las antiguas sostienen el promedio. Una retención global del 75 % puede significar que cada cohorte retiene al 75 %, o que las antiguas retienen al 90 % mientras las nuevas caen al 60 %. Solo el análisis de cohortes saca esa diferencia a la luz.
No puedes arreglar lo que no ves. Usa el análisis de cohortes para calcular tu tasa de retención global en contexto.
Cómo se ve una tabla de cohortes
| Cohorte | Mes 0 | Mes 1 | Mes 2 | Mes 3 |
|---|---|---|---|---|
| Ene 2025 | 100 % | 72 % | 61 % | 55 % |
| Feb 2025 | 100 % | 68 % | 57 % | 51 % |
| Mar 2025 | 100 % | 81 % | 74 % | 70 % |
Cada fila = una cohorte de registro. Cada columna = cuántos siguen pagando N meses después.
La cohorte de marzo es claramente más fuerte: algo cambió a mejor en marzo. Quizá lanzaste un nuevo onboarding. Quizá se corrigió un bug crítico. Quizá un nuevo artículo de blog atrajo a clientes mejor encajados. El análisis de cohortes saca el cambio a la superficie; tú tienes que diagnosticar la causa.
Eso es lo que significa retención por cohorte en la práctica: no un número agregado, sino una tabla que muestra la salud de cada lote de clientes en el tiempo.
Cómo construir una tabla de cohortes desde Stripe
Paso a paso (versión mínima):
- Exporta los clientes con su fecha
createddesde Stripe - Exporta todos los eventos
invoice.paidpor cliente - Para cada cliente: marca los meses en que pagó (mes 0 = mes de registro, mes 1 = un mes después, etc.)
- Agrupa los clientes por su mes de registro (cohorte)
- Calcula el % de cada cohorte que pagó en cada mes posterior
Nota honesta: construir un análisis de cohortes a mano es tedioso. Stripe no ofrece esta vista de forma nativa, y una hoja de cálculo se rompe rápido pasados los 100 clientes.
Herramientas que lo hacen automáticamente: NoNoiseMetrics, ChartMogul, Baremetrics. Para una plantilla de análisis de cohortes con datos de Stripe, empieza por montar un dashboard básico.
Cómo leer e interpretar un análisis de cohortes
Cómo interpretar un análisis de cohortes: busca estos cuatro patrones. Este enfoque encaja con el framework de métricas SaaS de David Skok — los patrones de retención dicen más que cualquier cifra aislada.
El acantilado de retención (malo)
Caída rápida en el mes 1 (ej. 100 % → 40 %) = problema de activación. Los clientes se registraron pero nunca vieron el valor. No cancelan porque están descontentos: cancelan porque nunca llegaron a empezar de verdad.
Solución: secuencia de onboarding, hito de activación.
La fuga lenta (mala pero solucionable)
Declive progresivo: 100 % → 85 % → 72 % → 61 %. Churn constante sin suelo. Probablemente un problema de product-market fit o alternativas que erosionan tu posición.
Solución: encuestas de salida, análisis de huecos de funcionalidad. Pero lleva tiempo: estás luchando contra la deriva del producto.
La curva sonrisa (buena)
Caída fuerte al inicio, después meseta: 100 % → 65 % → 60 % → 59 %. Los clientes que sobreviven al mes 1 se quedan casi indefinidamente. Es el patrón que quieres. Tu problema de churn es un problema de activación, no de retención — mucho más fácil de arreglar.
Solución: mejorar la activación del mes 1. Todo lo demás mejora automáticamente.
Cohortes mejorando (excelente)
Cada cohorte nueva retiene mejor que la anterior. Marzo > Febrero > Enero. Algo que cambiaste está funcionando, y el análisis de cohortes es el único sitio donde esa señal se hace visible.
Es la señal a perseguir: encuentra el cambio y dóblalo.
Cohorte de ingresos vs cohorte de clientes
Mismo concepto, distinta unidad de medida:
| Métrica | Qué mide | Cuándo usarla |
|---|---|---|
| Cohorte de clientes | % de clientes aún activos | Pricing uniforme |
| Cohorte de ingresos | % del MRR inicial aún pagado | Planes con precios mixtos |
Un análisis de cohortes de ingresos es más útil si tienes varios niveles de precio. Muestra si tus clientes de mayor valor churnean más rápido o más despacio que la media — una pregunta diagnóstica completamente distinta.
Tabla de cohortes de ingresos: ejemplo concreto
| Cohorte | MRR inicial | M1 | M2 | M3 | M4 | M5 | M6 |
|---|---|---|---|---|---|---|---|
| Oct 2025 | 4 200 € | 91 % | 85 % | 82 % | 80 % | 79 % | 78 % |
| Nov 2025 | 3 800 € | 88 % | 80 % | 74 % | 71 % | — | — |
| Dic 2025 | 5 100 € | 93 % | 89 % | 86 % | — | — | — |
| Ene 2026 | 4 600 € | 90 % | 84 % | — | — | — | — |
| Feb 2026 | 3 200 € | 87 % | — | — | — | — | — |
| Mar 2026 | 4 900 € | 94 % | — | — | — | — | — |
Las cohortes de diciembre y marzo retienen claramente mejor que el resto. Es tu señal para investigar: ¿qué cambió? ¿Ajustaste el precio? ¿Lanzaste un nuevo onboarding? El análisis de cohortes saca la anomalía a la luz; tu trabajo es encontrar la causa y replicarla.
Las cohortes de ingresos revelan algo que las de clientes esconden: si tus clientes de mayor valor churnean más rápido o más despacio. Si tus clientes de 99 €/mes se van antes que los de 19 €/mes, tienes un problema de encaje de valor en la parte alta del pricing. La solución no es “reducir churn”, es “arreglar la propuesta de valor de tu mejor plan”.
Para profundizar en cómo la retención de ingresos afecta la salud del negocio, ve NRR: Retención Neta de Ingresos para Bootstrappers.
Cuándo el análisis de cohortes cambia tus decisiones
Los números son interesantes. Las decisiones son útiles. Aquí es cuando un análisis de cohortes cambia de verdad lo que haces.
1. Validar un experimento de onboarding
Rediseñaste el onboarding en febrero. Tu cohorte de marzo muestra 81 % de retención en el mes 1, frente al 72 % de enero y febrero. Eso no es ruido: son 9 puntos en la ventana de retención más crítica. El análisis de cohortes es lo que aísla ese experimento del resto.
2. Medir la calidad de un canal
Tus cohortes orgánicas retienen al 85 % en el mes 3. Las de pago al 55 %. Mismo producto, mismo precio, mismo onboarding — resultados completamente distintos. La diferencia está en la calidad de la audiencia. Los ads traen curiosos; el SEO trae gente que ya buscaba una solución.
No significa “para todo el paid”. Significa o afinar el targeting (audiencia más estrecha, copy más cualificadora) o aceptar que la adquisición pagada lleva una penalización de retención incorporada y precificar el CAC en consecuencia.
3. Leer el impacto de un cambio de precio
Subiste precios en enero. Si la cohorte de enero retiene igual o mejor que la de diciembre, el precio más alto ha seleccionado clientes mejor encajados. Si la retención cae, la subida atrajo a clientes más sensibles al precio. En cualquier caso, el análisis de cohortes hace legible el veredicto.
Un análisis de cohortes convierte un cambio de precio de una corazonada en un experimento medido — y es la tabla que te permite defender la decisión en una revisión de board.
La diferencia entre retención agregada y análisis de cohortes es la diferencia entre churn de ingresos y churn de clientes: uno esconde la historia, el otro la cuenta.
Análisis de cohortes avanzado
Una vez sepas leer una tabla básica, segméntala. Como destaca las 16 SaaS Metrics de a16z, los mejores operadores van más allá de los números globales y bajan al comportamiento por cohorte. Un análisis de cohortes segmentado es donde vive el verdadero valor diagnóstico:
- Por canal de adquisición: orgánico vs pagado vs referidos. ¿Qué canal trae clientes que se quedan?
- Por plan de precios: mensual vs anual. Los planes anuales casi siempre muestran mejor retención.
- Por tamaño de empresa (en B2B): ¿las pymes churnean más rápido que el mid-market?
- Por segmento de cliente: agrupa por comportamiento, plan o caso de uso para sacar a la luz qué segmentos retienen mejor.
Objetivo: encontrar el segmento de cohorte con la mejor retención y luego entender qué tienen de distinto esos clientes. Ese es tu objetivo ideal de adquisición. Haz este análisis de cohortes segmentado cada trimestre, y tu estrategia de adquisición empezará a escribirse sola.
FAQ
¿Para qué se usa el análisis de cohortes en SaaS?
En SaaS, el análisis de cohortes mide la retención de clientes en el tiempo para grupos que se registraron en el mismo periodo. Revela si las mejoras de producto realmente mejoran la retención, y qué canales de adquisición traen los clientes más leales. Es una herramienta de diagnóstico, no solo de reporting.
¿Cuántos clientes necesito para el análisis de cohortes?
Con 30–50 clientes por cohorte ya puedes ver tendencias en tu análisis de cohortes. Por debajo de eso, los números fluctúan demasiado para sacar conclusiones. Si tienes menos volumen, agrupa por trimestre en lugar de por mes para que cada cohorte sea estadísticamente útil.
¿Con qué frecuencia debo hacer un análisis de cohortes?
Mensual es la cadencia estándar para la mayoría de SaaS bootstrappeados. Si estás haciendo cambios de producto significativos, hazlo semanal para ver el impacto en cohortes recientes más rápido. Para SaaS más maduros, una revisión trimestral del análisis de cohortes basta para detectar patrones estructurales.
¿Cuál es la diferencia entre análisis de cohortes y tasa de retención?
La tasa de retención es un único número agregado. Un análisis de cohortes es una tabla que muestra retención para varios grupos en varios periodos. El análisis de cohortes te permite ver qué clientes están subiendo o bajando tu tasa.
¿Necesito un equipo de datos para el análisis de cohortes?
No. Una hoja de cálculo puede hacer un análisis de cohortes básico si puedes exportar datos de Stripe. Herramientas como NoNoiseMetrics o ChartMogul construyen el análisis de cohortes automáticamente.
¿Cuál es una buena tasa de retención al mes 1 en un análisis de cohortes?
Para SaaS B2B, una retención al mes 1 por encima del 80 % es sólida. Entre el 65 y el 80 % es viable, pero indica un hueco en el onboarding. Por debajo del 65 %, la mayoría de clientes nunca experimentaron suficiente valor para justificar pagar de nuevo. En tu análisis de cohortes, eso es un problema de activación, no de retención.
¿Cómo combino análisis de cohortes y NRR?
El análisis de cohortes muestra qué grupos retienen. El NRR dice si tu base existente crece o se reduce en ingresos. Juntos responden: ¿están reteniendo lo suficiente las cohortes nuevas para sostener el crecimiento? Si el NRR está por debajo del 100 % y el análisis de cohortes muestra retención cayendo mes a mes, tienes un problema compuesto. Consulta la guía NRR para bootstrappers.
¿Qué es el análisis de cohortes?
El análisis de cohortes agrupa a los clientes por su fecha de registro (u otra característica compartida) y sigue su comportamiento en el tiempo. Revela si las cohortes más nuevas retienen mejor que las anteriores. A diferencia de las tasas de retención agregadas, un análisis de cohortes muestra la trayectoria de cada grupo de clientes por separado, para que puedas ver si tu producto está mejorando en retener a las personas, o empeorando.
Tu análisis de cohortes está escondido en tus datos de Stripe. NoNoiseMetrics construye el análisis de cohortes automáticamente — ves qué cohortes pierden y cuáles aguantan. Gratis hasta 10 k€ MRR →
Fuentes: OpenView 2024 SaaS Benchmarks, Bessemer State of the Cloud 2024, David Skok. SaaS Metrics 2.0, a16z, 16 Startup Metrics