Análisis de retención
El análisis de retención te ayuda a entender qué tan bien mantienes la interacción de los usuarios a lo largo del tiempo. Responde a la pregunta: «De los usuarios que hicieron X el día 0, ¿qué porcentaje volvió e hizo Y el día 1, el día 2 y así sucesivamente?»
Mediante un análisis basado en cohortes, agrupas a los usuarios por el momento en que actuaron por primera vez y después mides qué proporción regresa en cada período posterior.
Dos modos
Un selector en la parte superior de la página determina cómo quieres ver la retención:
- Estándar: un análisis de todas las cohortes, con una curva, una matriz de cohortes e información derivada.
- Comparar cohortes: elige dos o más cohortes guardadas y compara su retención lado a lado.
Casos de uso habituales
| Caso de uso | Evento de entrada de cohorte | Evento de retorno | Qué mide |
|---|---|---|---|
| Adherencia al producto | Registro | Vista de página | ¿Los usuarios vuelven tras registrarse? |
| Retención de compra | Compra | Compra | ¿Los clientes vuelven a comprar? |
| Adopción de funciones | Uso de función X | Uso de función X | ¿La función genera hábito? ¿Los usuarios siguen usándola? |
| Éxito de incorporación | Registro completado | Acción principal | ¿Los usuarios incorporados interactúan con el producto? |
| Interacción con contenido | Primera lectura de artículo | Lectura de artículo | ¿Los lectores vuelven por más contenido? |
| Interacción con la app | Instalación de app | Apertura de app | ¿Los usuarios abren la app regularmente? |
Acceder al análisis de retención
Ve a Analítica → Retención desde la barra lateral.
La barra de configuración
Los dos modos comparten el mismo conjunto de controles en la parte superior de la página.
Evento de entrada de cohorte frente a evento de retorno
Estos dos eventos son la base de todo análisis de retención, y su diferencia es importante:
- Evento de entrada de cohorte: la acción que define cuándo «empieza» un usuario. Los usuarios se agrupan en cohortes según el día en que realizaron por primera vez este evento (registro, primera compra, instalación de la app, etc.).
- Evento de retorno: la acción que cuenta como volver. En cada período posterior, comprobamos si un usuario realizó este evento.
Los dos pueden ser el mismo (para medir comportamiento repetido, como compra → compra) o distintos (para medir la interacción después de un punto de entrada, como registro → sesión iniciada).
Intervalo y períodos
| Configuración | Opciones | Descripción |
|---|---|---|
| Intervalo | Diario, semanal, mensual | El tamaño de cada período de retención. |
| Períodos | 7, 14, 30 | Cuántos períodos se deben seguir. |
Al elegir un intervalo:
- Diario: ideal para productos de alta frecuencia (apps sociales, juegos).
- Semanal: un buen equilibrio para la mayoría de los productos.
- Mensual: ideal para productos de baja frecuencia (B2B, utilidades).
Tamaño mínimo de cohorte
Establece la cohorte más pequeña que cuenta, con opciones de 1, 10, 25 o 50 (por defecto, 10). Las cohortes por debajo de este tamaño se excluyen de las cifras principales y los promedios.
Este umbral importa porque las cohortes muy pequeñas distorsionan todo. En una cohorte de un solo dígito, el retorno de un usuario se leería como una retención del 100 %; ese 100 % ruidoso elevaría el promedio y haría que la retención parezca mucho más saludable de lo que es. Exigir un tamaño mínimo mantiene el resumen fiel a la realidad.
Exportar CSV
Exporta los datos de retención como CSV para analizarlos más o crear informes. El botón se habilita una vez que has ejecutado un análisis.
Modo estándar
Fila de KPI
- Usuarios analizados: total de usuarios de todas las cohortes incluidas.
- Día 1: retención en el primer período.
- Día 7: retención en el séptimo período.
- Día N: retención en el último período seleccionado.
(Las etiquetas siguen tu intervalo: semanas o meses en lugar de días.)
La curva de retención
La curva muestra la retención a lo largo del tiempo como un promedio de todas las cohortes ponderado por tamaño. La ponderación importa: un promedio simple permitiría que una cohorte de dos usuarios con 100 % contase tanto como una cohorte de 996 usuarios por debajo del 1 %, lo que representaría muy mal la realidad. Ponderar por tamaño de cohorte significa que cada cohorte influye en la curva en proporción a los usuarios que realmente contiene.
Por definición, la curva comienza en D0 = 100 %: el día de entrada están presentes todos los usuarios de la cohorte.
La matriz de cohortes
Debajo de la curva, la matriz muestra una fila por cohorte y una columna por período:
- Se omite la columna D0. Por definición siempre es 100 %, así que se deja fuera para mantener la atención en los períodos que varían.
- Una fila «Todas las cohortes» queda fijada arriba como línea de referencia ponderada - el mismo promedio ponderado por tamaño de la curva - para que puedas comparar cada cohorte con la tendencia general.
- Escala térmica: las celdas se tiñen según la retención. Las celdas cero son neutrales: en lugar de teñirse en el extremo frío de la escala, muestran una raya corta atenuada y el valor exacto al pasar el cursor. Así los ceros reales no parecen «simplemente bajos».
- Barra de tamaño: cada cohorte muestra una barra para su tamaño y aparece un icono de advertencia en cualquier cohorte por debajo del tamaño mínimo.
Dos interruptores ajustan la matriz:
- Ocultar cohortes con todo ceros: elimina las filas que nunca tuvieron retornos.
- Mostrar usuarios: alterna las celdas entre recuentos absolutos de usuarios y porcentajes.
Ejemplo de matriz (semanal)
| Cohorte | Semana 1 | Semana 2 | Semana 3 | Semana 4 |
|---|---|---|---|---|
| Todas las cohortes | 49 % | 35 % | 30 % | 26 % |
| 1-7 de ene. | 45 % | 32 % | 28 % | 25 % |
| 8-14 de ene. | 48 % | 35 % | 30 % | 27 % |
| 15-21 de ene. | 52 % | 38 % | 33 % | - |
| 22-28 de ene. | 50 % | 36 % | - | - |
Interpretación:
- El 45 % de los usuarios del 1 al 7 de enero volvió en la semana 1 y el 32 % en la semana 2.
- La fila fijada «Todas las cohortes» ofrece el valor de referencia ponderado para comparar cada cohorte.
- Las cohortes más recientes tienen tasas más altas en la semana 1, por lo que la retención parece estar mejorando.
Qué significa esto
La sección Qué significa esto convierte los números en conclusiones fáciles de entender y normalmente cubre:
- La tasa de retención del día 1 (primer período).
- La lectura del ciclo de hábito: si la cola se ha estabilizado, señal de que has llegado a un núcleo de usuarios habituales que siguen regresando.
- La cohorte con mejor rendimiento.
- Cuántas cohortes se excluyeron por estar por debajo del tamaño mínimo.
Modo Comparar cohortes
El modo Comparar cohortes te permite situar distintas cohortes de comportamiento unas junto a otras.
- Cambia a Comparar cohortes.
- Elige tu Evento de entrada de cohorte y tu Evento de retorno.
- Selecciona dos o más cohortes guardadas de la lista.
- Ejecuta la comparación.
Verás lo siguiente:
- Tarjetas KPI por cohorte: las cifras principales de retención de cada cohorte seleccionada.
- Curva de comparación: la retención de cada cohorte superpuesta en un gráfico. Las líneas se dibujan con segmentos rectos que conectan cada intervalo, porque la retención solo se define en los puntos de intervalo, no entre ellos. Cualquier cohorte por debajo del tamaño mínimo se dibuja discontinua con una advertencia, para señalar visualmente las muestras pequeñas.
- Banner de muestra pequeña: aparece una banda ámbar cuando una o más cohortes seleccionadas están por debajo del tamaño mínimo, recordándote que interpretes esas líneas con precaución.
- Tabla de hitos clave: retención del día 1, día 7 y día 14 para cada cohorte, con la diferencia de puntos +/- respecto a la primera cohorte seleccionada para saber cuál retiene mejor o peor y en qué medida.
Casos de uso de la comparación de cohortes
| Comparación | Qué revela |
|---|---|
| Usuarios avanzados frente a usuarios ocasionales | Cómo afecta el nivel de interacción a la retención |
| Usuarios de iOS frente a Android | Patrones de retención específicos por plataforma |
| Usuarios de pago frente a gratuitos | Impacto de la monetización en la retención |
| Campaña A frente a campaña B | Qué canal de adquisición atrae usuarios con más adherencia |
| Usuarios de la función X frente a no usuarios | Si una función mejora la retención |
Crear cohortes para comparar
Las cohortes se crean en Analítica → Cohortes. Puedes definir cohortes según:
- Eventos realizados (por ejemplo, «usó la función X»).
- Frecuencia de eventos (por ejemplo, «compró tres o más veces»).
- Propiedades de usuario (por ejemplo, «country = US»).
- Ventanas de tiempo (por ejemplo, «durante los últimos 30 días»).
Consulta Cohortes para ver los detalles de creación de cohortes de comportamiento.
Explicación de las métricas clave
Retención del día 1 / semana 1 / mes 1
La métrica de retención más importante. Muestra cuántos usuarios regresan después de su primer período.
Las referencias varían según el sector:
- Apps de consumo: una retención D1 del 25-40 % es buena.
- Productos B2B: una retención W1 del 60-80 % es habitual.
- Juegos: un 30-40 % en D1 y un 15-20 % en D7 es saludable.
Forma de la curva de retención
- Caída inicial pronunciada y luego estable: normal. Pierdes pronto a usuarios ocasionales, pero conservas a los que interactúan. La cola plana es el ciclo de hábito.
- Descenso continuo: un problema. Incluso los usuarios que interactúan se van.
- Plana desde el inicio: inusual. Puede indicar un producto muy adherente o un problema de datos.
Buenas prácticas
Elige eventos significativos
Buenos eventos de entrada de cohorte: registro completado, primera acción significativa e incorporación completada.
Buenos eventos de retorno: una acción principal del producto (no solo vistas de página), algo que señale interacción real o el mismo evento de entrada al medir comportamiento repetido.
Respeta el tamaño mínimo de cohorte
Deja el tamaño mínimo de cohorte en 10 o más salvo que tengas un motivo concreto. Las cohortes pequeñas se leen como valores 100 % ruidosos y engañan a los promedios.
Céntrate en la retención inicial
La retención del día 1 y de la semana 1 son los predictores más sólidos de la retención a largo plazo. Si los usuarios no vuelven pronto, rara vez regresan.
Segmenta tu análisis
Usa el modo Comparar cohortes para comparar la retención por canal de adquisición, tipo de usuario o uso de funciones. Consulta Cohortes para crear segmentos de comportamiento.
Problemas habituales
Los tamaños de las cohortes varían demasiado
Usa la vista de porcentaje (desactiva Mostrar usuarios) y apóyate en la fila «Todas las cohortes» ponderada por tamaño en vez de valorar visualmente cohortes pequeñas individuales.
El evento de retorno es demasiado amplio
Si usas un evento genérico como page_view, la retención puede parecer artificialmente alta. Usa eventos de interacción más significativos.
El intervalo de fechas es demasiado corto
Con la retención mensual, necesitas al menos tres o cuatro meses de datos para obtener conclusiones útiles.
Contenido relacionado
- Cohortes: crea cohortes de comportamiento.
- Análisis de embudos: registra flujos de conversión.
- Explorador de eventos: encuentra eventos para analizar.