Cómo Hacer Análisis de Cohortes para SaaS en GA4
Por Emily Redmond, Analista de Datos en Emilytics · Abril 2026
TL;DR: Análisis de cohortes agrupa usuarios por fecha de signup y rastrea su comportamiento con el tiempo. El blended retention oculta la verdad. GA4 retention tool muestra curvas de cohortes—úsalo semanalmente.
Análisis de cohortes es la habilidad individual más importante en analytics para fundadores de SaaS.
Tu churn combinado es 5%. Tu análisis de cohortes muestra: cohorte de enero churns en 8%, cohorte de abril en 3%. ¿Cuál problema es real? Ambos. Pero requieren arreglos diferentes.
Las métricas combinadas ocultan la verdad. El análisis de cohortes la revela.
Aquí está cómo ejecutar análisis de cohortes en GA4 y qué hacer con los insights.
¿Qué Es Análisis de Cohortes?
Una cohorte = un grupo de usuarios que comparten algo en común (usualmente fecha de signup).
El análisis de cohortes compara cómo diferentes cohortes se comportan con el tiempo.
Ejemplo:
- Cohorte de enero: 100 usuarios se registraron en enero
- Revisión de febrero: ¿Cuántos siguen activos? (95 usuarios = 95% retención)
- Revisión de marzo: ¿Cuántos siguen activos? (88 usuarios = 88% retención)
- Revisión de abril: ¿Cuántos siguen activos? (80 usuarios = 80% retención)
Si cada cohorte sigue este patrón (95% → 88% → 80%), tu producto es consistentemente sticky. Bien.
Si la cohorte de enero es 95% → 88% → 80%, pero la cohorte de mayo es 85% → 70% → 55%, tu producto es menos sticky. Red flag.
Cómo Ejecutar Análisis de Cohortes en GA4
Paso 1: Navega al Reporte de Retención
- Ve a tu propiedad GA4
- Haz clic en Explore (abajo a la izquierda)
- Selecciona Retention (de lista de plantillas)
Paso 2: Configura la matriz de retención
El reporte te hace tres preguntas:
-
"¿Qué quieres medir?" → Selecciona "Daily active users" o crea una métrica personalizado
- Para SaaS: "active_accounts" (usuarios que iniciaron sesión)
- Diariamente es demasiado ruido; usa Semanalmente
-
"¿Cuál es la dimensión de cohorte?" → Selecciona "First user source date" o "Acquisition date"
- Esto agrupa usuarios por fecha de signup
-
"¿Cuál es la dimensión de retención?" → Selecciona "Days since first event" o "Weeks since first event"
- Para SaaS: Usa Weeks
Paso 3: Lee la matriz de retención
Verás:
| Semana de Adquisición | Semana 0 | Semana 1 | Semana 2 | Semana 4 | Semana 8 | Semana 12 |
|---|---|---|---|---|---|---|
| Semana 1 | 100% | 45% | 35% | 28% | 22% | 18% |
| Semana 2 | 100% | 48% | 40% | 31% | 25% | 20% |
| Semana 3 | 100% | 52% | 42% | 34% | 27% | 22% |
| Semana 4 | 100% | 50% | 41% | 33% | 26% | 21% |
Cómo leerla:
- Primera columna (Semana 0) siempre es 100% (en día 0, todos están activos)
- Cada fila es una cohorte diferente (semana de adquisición)
- Cada columna es tiempo transcurrido desde adquisición
- Los porcentajes son tasas de retención
Ejemplo: Cohorte de Semana 1, revisión de Semana 4 = 28% retención. Eso significa que 72% de usuarios de Semana 1 churnearon por Semana 4.
💡 Emily's take: Este es el reporte más importante que jamás mirarás. Te muestra si tu producto está mejorando (cohortes más nuevas retienen mejor) o degradándose (cohortes más nuevas retienen peor). Revísalo semanalmente.
Qué Buscar en Análisis de Cohortes
Patrón 1: Cohortes Mejorando (Bueno)
| Semana | Semana 0 | Semana 4 | Semana 8 |
|---|---|---|---|
| Enero | 100% | 28% | 22% |
| Febrero | 100% | 32% | 26% |
| Marzo | 100% | 35% | 30% |
| Abril | 100% | 38% | 34% |
Lo que significa: Cohortes más nuevas retienen mejor. Tu producto es cada vez más sticky. Tu onboarding está mejorando.
Qué hacer: Mantén haciendo lo que estás haciendo. Documenta los cambios que hiciste (videos de onboarding, orientación in-app, etc.) para que puedas duplicarlos.
Patrón 2: Cohortes Degradándose (Malo)
| Semana | Semana 0 | Semana 4 | Semana 8 |
|---|---|---|---|
| Enero | 100% | 38% | 34% |
| Febrero | 100% | 35% | 31% |
| Marzo | 100% | 32% | 28% |
| Abril | 100% | 28% | 24% |
Lo que significa: Cohortes más nuevas retienen peor. Tu producto es menos sticky. O tu onboarding está empeorando, o estás adquiriendo los usuarios equivocados.
Qué hacer: Investiga. ¿Cambiaste el onboarding? ¿Cambiaste el messaging de marketing? Revierte a lo que estaba funcionando y arregla el problema real.
Patrón 3: Cohorte Acantilado (Problema de Producto/Feature)
| Semana | Semana 0 | Semana 1 | Semana 2 | Semana 3 | Semana 4 |
|---|---|---|---|---|---|
| Semana 1 | 100% | 50% | 40% | 35% | 30% |
| Semana 2 | 100% | 50% | 40% | 35% | 30% |
| Semana 3 | 100% | 50% | 40% | 35% | 30% |
| Semana 4 | 100% | 15% | 10% | 8% | 6% |
Lo que significa: La cohorte de Semana 4 tiene un acantilado. Algo se rompió esa semana. ¿Deployaste un bug? ¿Removiste una característica? ¿Cambiaste pricing?
Qué hacer: Revisa tu deploy log para esa semana. Identifica el cambio y revierte o arréglalo.
Cohortes Conductuales: Más Allá de Fecha de Signup
El análisis de cohortes no es solo sobre fecha de signup. Puedes hacer cohorte también por comportamiento.
Ejemplo: Cohortes de activation
| Cohorte | Retención en Semana 4 |
|---|---|
| Usuarios que activaron en primeros 2 días | 45% |
| Usuarios que activaron en días 3–7 | 25% |
| Usuarios que activaron después del día 7 | 8% |
| Usuarios que nunca activaron | 2% |
Insight: Activation más rápida = churn menor. Usuarios que activan en primeros 2 días churns en 55%. Usuarios que nunca activan churns en 98%.
Acción: Enfócate en onboarding para conseguir más usuarios en la cohorte "activó en primeros 2 días."
Análiza Tasa de Churn de Cohorte (Mes a Mes)
El porcentaje de retención es útil, pero la tasa de churn es accionable.
Calcula churn mes a mes para cada cohorte:
Cohorte de enero:
- Semana 0: 100% activo
- Semana 1: 45% activo = 55% churn
- Semana 2: 35% activo = 22% churn desde semana 1 (35÷45)
- Semana 3: 28% activo = 20% churn desde semana 2 (28÷35)
- Semana 4: 22% activo = 21% churn desde semana 3 (22÷28)
Churn combinado: (100 - 22) ÷ 100 = 78% por semana 4
Tasa de churn de cohorte: Semana 1 = 55%, Semana 2 = 22%, Semana 3 = 20%, Semana 4 = 21%
La tasa de churn de cohorte te muestra dónde están cayendo los usuarios. Si churn de Semana 1 es 55% pero Semana 4 es 20%, eso es falla de onboarding, no falla de producto.
Errores Comunes en Análisis de Cohortes
Error 1: No mirar análisis de cohortes en absoluto
Probablemente estés mirando solo retención combinada. Eso oculta todo. Comienza a mirar cohortes semanalmente.
Error 2: Confundir retención con crecimiento
95% retención suena bien. Pero si tenías 100 usuarios y retuviste 95, tienes 95 usuarios (tasa de crecimiento = 0%). Para SaaS, quieres que % de retención sea alto y que conteo absoluto de usuarios crezca.
Error 3: Comparar cohortes con tamaños diferentes
Cohorte de enero: 500 usuarios. Cohorte de marzo: 100 usuarios. No compares su retención absoluta—compara porcentajes.
Error 4: No contabilizar estacionalidad
Tu cohorte de enero podría tener retención más baja porque son usuarios de vacaciones que churn en febrero. Tu cohorte de mayo podría tener retención más alta porque son usuarios serios de verano. Busca patrones, no anomalías individuales.
Error 5: No investigar acantilados
Si una cohorte se cae duro, investiga esa semana. Deploy log, cambios de características, cambios de messaging de marketing—algo cambió.
La Conclusión
El análisis de cohortes revela si tu producto está mejorando o degradándose. Mira el reporte de retención semanalmente. Busca cohortes mejorando (good), cohortes degradándose (bad), o acantilados (investigate).
Emily Redmond es una analista de datos en Emilytics — agente de analytics con AI monitoreando tu GA4, Google Search Console y datos de Bing las 24 horas. 8 años de experiencia. Saluda →