Cohorte

Qué define una cohorte y por qué el mes de adquisición es el predeterminado

Una cohorte necesita dos cosas: un evento de inicio compartido y un reloj que comience en ese evento. Lo segundo es la parte que la gente omite y la parte que hace todo el trabajo. Una vez que la línea de tiempo de cada cliente se reindexa para que el mes 0 sea su propio primer mes en lugar de un mes calendario, los clientes adquiridos en enero y en julio se vuelven directamente comparables a la misma edad. Sin esa reindexación, tienes un filtro, no una cohorte.

El mes de adquisición es el evento de inicio predeterminado por una razón simple: es el único evento que cada cliente tiene exactamente una vez, nunca cambia retrospectivamente y se registra de manera fiable. Contrasta eso con la creación de cohortes basada en la "primera suscripción" — un cliente puede suscribirse, cancelar y volver a suscribirse, por lo que el evento de inicio es ambiguo y la pertenencia a la cohorte puede cambiar después del hecho, lo que reescribe silenciosamente la historia en cada gráfico construido sobre ella.

La fecha de adquisición no es el único eje útil, solo el más seguro para empezar. Las cohortes de comportamiento — primer producto comprado, canal de adquisición, precio completo versus descuento de primer pedido, dispositivo, país — son con frecuencia más diagnósticas, y se combinan: la cohorte de marzo adquirida a través de redes sociales pagadas con un 20% de descuento es una cohorte legítima y a menudo la que explica un problema de retención. La regla que sobrevive a todos estos cortes es que el índice de tiempo debe ser la edad, no la fecha del calendario.

Mensual es la granularidad estándar para el comercio electrónico porque la mayoría de los ciclos de repetición se miden en semanas o meses. Las cohortes semanales para un negocio que realiza unos pocos cientos de pedidos al mes son en su mayoría ruido; las cohortes trimestrales para un negocio que realiza decenas de miles ocultan demasiado. Elige la granularidad que te dé cohortes lo suficientemente grandes como para leer, y luego no la cambies.

Cómo leer un triángulo de cohortes

El resultado estándar es un triángulo: una fila por cohorte, una columna por mes de edad, y progresivamente menos celdas a medida que avanzas hacia cohortes que no han existido el tiempo suficiente para llenarlas. La forma no es un defecto. Es la representación honesta del hecho de que las cohortes recientes tienen menos historial, y cualquier gráfico que lo oculte está promediando datos que no existen.

Hay tres formas de leerlo y responden a tres preguntas diferentes. A lo largo de una fila se muestra el envejecimiento de una cohorte: cómo un solo grupo de clientes disminuye. Hacia abajo en una columna está la comparación que realmente importa para las decisiones — ¿son las cohortes más nuevas mejores que las más antiguas a la misma edad? A lo largo de la diagonal se muestra un mes calendario experimentado por cada cohorte simultáneamente, que es donde las interrupciones del sitio, las roturas de stock y las promociones aparecen como una franja que atraviesa cohortes de todas las edades.

Los errores que hacen que un gráfico de cohortes mienta

Lee la columna del mes 1 en ese ejemplo: 22%, 23%, 25%, 26%. Las cohortes más nuevas están repitiendo antes, lo cual es una mejora real. Ahora fíjate que las cohortes también están creciendo — de 1,200 a 2,400 — por lo que la tasa de repetición combinada entre todos los clientes está siendo arrastrada hacia el comportamiento del grupo más nuevo y grande, y podría moverse en casi cualquier dirección dependiendo de cómo envejezcan las cohortes más antiguas. La vista de cohorte y la vista combinada pueden apuntar en direcciones opuestas sin que ninguna de las dos esté equivocada.

• Comparar cohortes de edad desigual. Abril ha tenido un mes y enero ha tenido cuatro, por lo que cualquier medida acumulativa favorece a enero por construcción. Siempre compara a la misma edad — mes 1 contra mes 1 — y nunca clasifiques las cohortes por una cifra acumulada hasta la fecha.
• Supervivencia en el denominador. Una curva de retención calculada sobre "clientes aún activos" mide a los supervivientes, no a la cohorte. El denominador debe mantener el tamaño original de la cohorte durante toda la vida de la curva, o el número aumentará a medida que los clientes menos comprometidos abandonen el cálculo.
• Censura a la derecha en la parte inferior. Las cohortes más nuevas tienen filas incompletas. Promediarlas en un resumen lo arrastra hacia abajo; excluirlas por completo lo sesga hacia arriba al eliminar la evidencia más reciente. Muestra el triángulo y deja que los huecos sean visibles.
• Creación de cohortes basada en un evento repetible. Primera suscripción, primera instalación de aplicación, primer inicio de sesión — cualquiera de estos puede ocurrir dos veces, lo que hace que la pertenencia a la cohorte sea mutable y cada gráfico histórico inestable.
• Efectos del calendario que caen en diferentes edades. El Black Friday es el mes 1 para la cohorte de octubre y el mes 11 para la de diciembre anterior, por lo que un pico estacional aparece en una posición diferente en cada curva. Promediar las curvas difumina un evento real a lo largo de todo el eje horizontal.
• Cambiar la definición de cohorte sin reestablecer el historial. Una tabla de cohortes donde "nuevo cliente" significaba algo diferente antes de junio son dos gráficos dibujados en un mismo eje.

Cuando los números son demasiado pequeños para actuar

El análisis de cohortes falla silenciosamente en libros pequeños porque un porcentaje de un número pequeño se mueve en grandes pasos. Una cohorte de 40 clientes con una tasa de repetición del 20% en el mes 1 son 8 personas; dos clientes más o menos es el 15% o el 25%, y un envío retrasado puede producir eso. Un gráfico de tales cohortes parece un negocio con una retención extremadamente volátil, y en realidad es un negocio con cohortes de 40 clientes.

La respuesta práctica es ampliar la granularidad en lugar de suavizar el gráfico — las cohortes trimestrales de 500 son legibles donde las cohortes mensuales de 160 no lo son — y colocar el tamaño de la cohorte en una columna junto a las tasas para que nadie lea un porcentaje sin saber de qué es un porcentaje. El triángulo de ejemplo anterior hace esto deliberadamente.

Luego, actúa sobre la comparación de columnas en lugar de la fila. La fila te dice que los clientes disminuyen, lo cual siempre sucede. La columna te dice si las cohortes que estás adquiriendo este trimestre son mejores a la misma edad que las que adquiriste el trimestre pasado, y esa es la única pregunta en el gráfico sobre la que cualquiera puede hacer algo.