Análise de Coorte para Fundadores SaaS: Guia Prático

A sua coorte de março churna a 40 % aos 90 dias. A de junho a 12 %. Mesmo produto. Mesmo preço. Algo mudou pelo meio — e a análise de coorte é a ferramenta que torna essa mudança visível.

A análise de coorte agrupa clientes pela data de cadastro e segue o seu comportamento ao longo do tempo, para que veja quais versões do seu produto retêm melhor. Este guia explica como funciona uma análise de coorte, como construí-la a partir do Stripe e como ler os padrões que ela revela. Para entender por que o churn importa em primeiro lugar, leia o guia completo sobre churn em SaaS.

Análise de Coorte para Fundadores SaaS: Guia Prático

Uma análise de coorte agrupa clientes por uma característica partilhada, geralmente a data de aquisição, e segue um comportamento específico (retenção ou receita) ao longo do tempo para cada grupo.

Uma coorte = clientes que se inscreveram no mesmo mês (ou semana, ou versão de produto)
A análise de coorte = qual % de cada coorte ainda está ativa aos 30, 60, 90, 180 dias

Por que uma análise de coorte vence as métricas agregadas: a retenção agregada esconde o facto de as suas coortes novas poderem ser desastrosas enquanto as antigas seguram a média. Uma retenção global de 75 % pode significar que cada coorte retém a 75 % — ou que as antigas retêm a 90 % enquanto as novas caem para 60 %. Só a análise de coorte expõe essa diferença.

Não consegue corrigir aquilo que não vê. Use a análise de coorte para ler a sua taxa de retenção geral em contexto.

Como é uma tabela de coortes?

Coorte	Mês 0	Mês 1	Mês 2	Mês 3
Jan 2025	100 %	72 %	61 %	55 %
Fev 2025	100 %	68 %	57 %	51 %
Mar 2025	100 %	81 %	74 %	70 %

Cada linha = uma coorte de inscrição. Cada coluna = quantos ainda pagam N meses depois.

A coorte de março é visivelmente mais forte: alguma coisa mudou para melhor em março. Talvez tenha lançado um novo onboarding. Talvez um bug crítico tenha sido corrigido. Talvez um artigo de blog tenha atraído clientes mais bem encaixados. A análise de coorte traz a mudança à superfície; cabe a si diagnosticar a causa.

É isso que retenção por coorte significa na prática: não um número agregado, mas uma tabela que mostra a saúde de cada lote de clientes ao longo do tempo.

Como construir uma tabela de coortes a partir do Stripe

Passo a passo (versão mínima):

Exporte os clientes com a respetiva data created do Stripe
Exporte todos os eventos invoice.paid por cliente
Para cada cliente: marque os meses em que pagou (mês 0 = mês de cadastro, mês 1 = um mês depois)
Agrupe os clientes pelo mês de inscrição (coorte)
Calcule o % de cada coorte que pagou em cada mês seguinte

Nota honesta: construir uma análise de coorte à mão é trabalhoso. O Stripe não oferece esta vista de forma nativa, e uma folha de cálculo cede rapidamente acima dos 100 clientes.

Ferramentas que fazem isto automaticamente: NoNoiseMetrics, ChartMogul, Baremetrics. Para um modelo de análise de coorte com dados Stripe, comece por uma configuração base do dashboard.

Como ler e interpretar uma análise de coorte

Como interpretar uma análise de coorte: procure estes quatro padrões. Esta abordagem alinha-se com o framework de métricas SaaS de David Skok — os padrões de retenção dizem mais do que qualquer número isolado.

A escarpa de retenção (mau)

Queda rápida no mês 1 (ex.: 100 % → 40 %) = problema de ativação. Os clientes inscreveram-se mas nunca viram o valor. Não cancelam por estarem insatisfeitos: cancelam porque nunca chegaram a começar de verdade.

Correção: sequência de onboarding, marco de ativação.

A fuga lenta (mau, mas corrigível)

Declínio progressivo: 100 % → 85 % → 72 % → 61 %. Churn constante sem chão. Provavelmente um problema de product-market fit ou alternativas que erodem a sua posição.

Correção: inquéritos de saída, análise das lacunas funcionais. Mas demora — está a lutar contra a deriva do produto.

A curva sorriso (bom)

Queda forte cedo, depois patamar: 100 % → 65 % → 60 % → 59 %. Os clientes que sobrevivem ao mês 1 ficam quase indefinidamente. É o padrão que quer. O seu problema de churn é um problema de ativação, não de retenção — muito mais fácil de corrigir.

Correção: melhorar a ativação no mês 1. Tudo o resto melhora automaticamente.

Coortes em melhoria (excelente)

Cada coorte nova retém melhor do que a anterior. Março > Fevereiro > Janeiro. Algo que mudou está a funcionar — e a análise de coorte é o único sítio onde esse sinal se torna visível.

É o sinal a perseguir: encontre a mudança e duplique a aposta.

Coorte de receita vs coorte de clientes

Mesmo conceito, unidade de medida diferente:

Métrica	O que mede	Quando usar
Coorte de clientes	% de clientes ainda ativos	Pricing uniforme
Coorte de receita	% do MRR inicial ainda pago	Planos com preços mistos

Uma análise de coorte de receita é mais útil se tiver vários níveis de preço. Mostra se os clientes de maior valor churnam mais rápido ou mais devagar do que a média — uma pergunta diagnóstica completamente diferente.

Tabela de coortes de receita: exemplo concreto

Coorte	MRR inicial	M1	M2	M3	M4	M5	M6
Out 2025	4 200 €	91 %	85 %	82 %	80 %	79 %	78 %
Nov 2025	3 800 €	88 %	80 %	74 %	71 %	—	—
Dez 2025	5 100 €	93 %	89 %	86 %	—	—	—
Jan 2026	4 600 €	90 %	84 %	—	—	—	—
Fev 2026	3 200 €	87 %	—	—	—	—	—
Mar 2026	4 900 €	94 %	—	—	—	—	—

As coortes de dezembro e março retêm bem melhor do que as outras. É o seu sinal para investigar: o que mudou? Ajustou o pricing? Lançou um novo onboarding? A análise de coorte traz a anomalia à superfície; o seu trabalho é encontrar a causa e replicá-la.

As coortes de receita revelam algo que as coortes de clientes escondem: se os seus clientes de alto valor churnam mais depressa ou mais devagar. Se os clientes de 99 €/mês saem antes dos de 19 €/mês, tem um problema de fit de valor no topo do pricing. A correção não é “reduzir churn”, é “corrigir a proposta de valor do melhor plano”.

Para uma visão mais profunda, veja NRR: Retenção Líquida de Receita para Bootstrappers.

Quando uma análise de coorte muda as suas decisões

Os números são interessantes. As decisões é que são úteis. Eis quando uma análise de coorte muda mesmo o que faz.

1. Validar uma experiência de onboarding

Redesenhou o onboarding em fevereiro. A coorte de março mostra retenção no mês 1 de 81 %, contra 72 % em janeiro e fevereiro. Não é ruído: são 9 pontos na janela de retenção mais crítica. A análise de coorte é o que isola essa experiência do resto do ruído. Duplique a aposta no novo onboarding e continue a afiná-lo.

2. Medir a qualidade de um canal

As suas coortes orgânicas retêm a 85 % no mês 3. As pagas a 55 %. Mesmo produto, mesmo preço, mesmo onboarding — resultados completamente diferentes. A diferença está na qualidade do público. Os ads trazem curiosos; o SEO traz pessoas que já procuravam uma solução.

Não significa “parar com paid”. Significa ou afinar o targeting (audiência mais estreita, copy mais qualificadora) ou aceitar que a aquisição paga traz uma penalidade de retenção embutida e precificar o CAC em conformidade.

3. Ler o impacto de uma alteração de preço

Subiu preços em janeiro. Se a coorte de janeiro retém ao mesmo ritmo ou melhor que a de dezembro, o preço mais alto selecionou clientes mais bem encaixados. Se a retenção cai, o aumento atraiu clientes mais sensíveis ao preço. Em qualquer dos casos, a análise de coorte torna o veredicto legível.

Uma análise de coorte transforma uma alteração de preço de um palpite numa experiência medida — e é essa tabela que lhe permite defender a decisão numa revisão de board.

A diferença entre retenção agregada e análise de coorte é a diferença entre churn de receita e churn de clientes — uma esconde a história, a outra conta-a.

Análise de coorte avançada

Quando souber ler uma tabela básica, segmente-a. Como salienta as 16 SaaS Metrics da a16z, os melhores operadores vão além dos números globais e descem ao comportamento por coorte. Uma análise de coorte segmentada é onde mora o verdadeiro valor diagnóstico:

Por canal de aquisição: orgânico vs pago vs referral. Que canal traz clientes que ficam?
Por plano de preço: mensal vs anual. Os planos anuais quase sempre apresentam melhor retenção.
Por dimensão da empresa (em B2B): as PMEs churnam mais depressa do que o mid-market?
Por segmento de cliente: agrupe por comportamento, plano ou caso de uso para fazer emergir os segmentos que melhor retêm.

Objetivo: encontrar o segmento de coorte com a melhor retenção e perceber o que distingue esses clientes. É o seu alvo ideal de aquisição. Faça esta análise de coorte segmentada trimestralmente, e a sua estratégia de aquisição começa a escrever-se sozinha.

FAQ

Para que serve a análise de coorte em SaaS?

Em SaaS, a análise de coorte mede a retenção de clientes ao longo do tempo para grupos que se inscreveram no mesmo período. Revela se as melhorias de produto estão de facto a melhorar a retenção, e quais canais de aquisição trazem os clientes mais leais. É uma ferramenta de diagnóstico, não apenas de reporting.

Quantos clientes preciso para uma análise de coorte?

Com 30–50 clientes por coorte já dá para ver tendências numa análise de coorte. Abaixo disso, os números oscilam demasiado para tirar conclusões. Se tem menos volume, agregue por trimestre em vez de por mês para que cada coorte se mantenha estatisticamente útil.

Com que frequência fazer uma análise de coorte?

Mensal é a cadência standard para a maioria dos SaaS bootstrap. Se está a fazer mudanças significativas no produto, faça uma análise de coorte semanal para ver mais cedo o impacto nas coortes recentes. Em SaaS mais maduros, uma análise de coorte trimestral chega para detetar padrões estruturais.

Posso fazer análise de coorte numa folha de cálculo?

Sim, mas é tedioso. Exporte clientes do Stripe por mês de cadastro, faça correspondência com faturas pagas e calcule a retenção manualmente. Uma folha de cálculo lida com 50 clientes sem problemas. A 200+, vai querer automação — cruzar referências entre faturas e datas de cadastro em vários meses torna-se rapidamente propenso a erros. Ferramentas como NoNoiseMetrics constroem a análise de coorte a partir dos dados do Stripe automaticamente, atualizada a cada sincronização.

Preciso de uma equipa de dados para a análise de coorte?

Não. Uma folha de cálculo aguenta uma análise de coorte básica se conseguir exportar dados do Stripe. Ferramentas como NoNoiseMetrics ou ChartMogul constroem a análise de coorte automaticamente.

Qual é uma boa taxa de retenção no Mês 1 numa análise de coorte?

Para B2B SaaS, retenção no Mês 1 acima de 80 % é forte. Entre 65–80 % é viável mas indica uma lacuna no onboarding. Abaixo de 65 % significa que a maioria dos clientes nunca experimentou valor suficiente para justificar voltar a pagar. Na sua análise de coorte, isso é um problema de ativação, não de retenção.

Como uso a análise de coorte com NRR?

A análise de coorte mostra quais grupos retêm. O NRR diz se a sua base de clientes existente cresce ou encolhe em termos de receita. Juntos, respondem: as coortes mais novas estão a reter o suficiente para sustentar a taxa de crescimento? Se o NRR está abaixo de 100 % e a sua análise de coorte mostra retenção a declinar mês a mês, tem um problema composto. Veja o guia NRR para bootstrappers.

O que é uma análise de coorte?

Uma análise de coorte agrupa clientes pela data de cadastro (ou outro traço partilhado) e rastreia o seu comportamento ao longo do tempo. Revela se coortes mais novas retêm melhor que as mais antigas. Diferente das taxas de retenção agregadas, uma análise de coorte mostra a trajetória de cada grupo de clientes separadamente, para que possa ver se o seu produto está a ficar melhor ou pior em manter pessoas.

A sua análise de coorte está escondida nos seus dados Stripe. A NoNoiseMetrics constrói a análise de coorte automaticamente — vê quais coortes vazam e quais aguentam. Grátis até 10 k€ MRR →

Fontes: OpenView 2024 SaaS Benchmarks, Bessemer State of the Cloud 2024, David Skok. SaaS Metrics 2.0, a16z, 16 Startup Metrics