Exploración de cohortes en GA4: analiza la retención de tus usuarios

Hay una pregunta que los informes estándar de GA4 no responden bien: ¿los usuarios que llegaron en enero siguen visitando la web en marzo? ¿Los usuarios que llegaron por una campaña concreta vuelven más que los que llegaron por búsqueda orgánica?

Esas preguntas son de retención. Y la exploración de cohortes es la herramienta de GA4 diseñada específicamente para responderlas.

Este es el séptimo y último post de la serie sobre GA4. Si no has leído los anteriores te recomiendo seguir este orden:

Qué es una cohorte

Una cohorte es un grupo de personas que comparten una característica o experiencia común durante un período de tiempo determinado.

El ejemplo más habitual cuando hablamos de GA4, es la cohorte de adquisición; usuarios que llegaron por primera vez a tu web durante una semana concreta. Pero una cohorte puede definirse por cualquier evento: usuarios que completaron una compra en enero, usuarios que se registraron durante una campaña específica, usuarios que descargaron un recurso en un mes determinado.

Lo que hace interesante el análisis de cohortes es que permite seguir el comportamiento de ese grupo a lo largo del tiempo, ver cómo evolucionan semana a semana o mes a mes, después del evento que los define.

Cómo acceder a la exploración de cohortes

Ve a Explorar → Exploración de cohortes desde el menú lateral de GA4. Puedes crear una nueva desde cero o usar la plantilla prediseñada que GA4 ofrece como punto de partida.

Configuración básica

La exploración de cohortes tiene cuatro elementos de configuración principales:

Condición de inclusión en la cohorte

Define qué evento agrupa a los usuarios en una cohorte. Las opciones más habituales son:

first_visit — usuarios que visitaron tu web por primera vez en el período indicado.
first_open — para apps, usuarios que abrieron la app por primera vez.
Cualquier evento personalizado — usuarios que realizaron una acción específica que tenemos medida con un determinado evento.

Condición de retorno

Define qué evento mide el retorno de los usuarios en los períodos siguientes. Por defecto suele ser active_user, cualquier sesión activa, pero puedes cambiarlo por un evento más específico como purchase o cualquier otra conversión relevante para tu negocio.

Granularidad

Define el tamaño de los períodos de análisis. Puedes elegir entre diario, semanal o mensual. Para webs con tráfico moderado la granularidad semanal o mensual suele dar resultados más legibles.

Ventana de retorno

Define cuántos períodos hacia adelante quieres analizar. GA4 permite hasta 12 períodos. Si usas granularidad semanal puedes ver hasta 12 semanas de retención; si usas mensual, hasta 12 meses.

Leer la tabla de cohortes

El resultado de la exploración de cohortes es una tabla donde:

Cada fila es una cohorte, un grupo de usuarios definido por el período en que realizaron la condición de inclusión.
Cada columna es un período de retorno, Semana 0, Semana 1, Semana 2…
Cada celda muestra el porcentaje de usuarios de esa cohorte que han vuelto en ese período.

La columna Semana 0 siempre es el 100%, ya que es el período en que los usuarios se incluyeron en la cohorte. A partir de ahí los porcentajes bajan conforme pasan las semanas.

Una tabla de cohortes típica tiene forma de triángulo, las cohortes más recientes tienen menos períodos de datos porque llevan menos tiempo.

Cómo interpretar los resultados

La tasa de retención general

Lo primero que hay que mirar es la tendencia general: ¿cómo de rápido caen los porcentajes en las primeras semanas? Una caída muy brusca de la Semana 0 a la Semana 1, del 100% al 5% por ejemplo, indica una retención muy baja. Los usuarios vienen, no encuentran suficiente valor para volver y desaparecen.

Una tasa de retención saludable depende mucho del tipo de web o app. Una web de noticias debería tener retención alta, los usuarios vuelven cada día a informarse. Una tienda de comercio electrónico puede tener retención baja en períodos cortos pero alta a más largo plazo si los clientes repiten compras.

Comparativa entre cohortes

La segunda lectura es la comparativa entre filas. ¿Hay cohortes que retienen mejor que otras? Una cohorte de usuarios que llegaron durante una campaña específica que retiene mucho mejor que el resto puede indicar que esa campaña atrajo a usuarios de mayor calidad o mejor alineados con tu contenido.

Estabilización de la retención

En muchos productos digitales la curva de retención se estabiliza en algún punto, llega un momento en que el porcentaje de usuarios activos deja de caer y se mantiene relativamente constante. Ese porcentaje estable es tu retención base, el núcleo de usuarios verdaderamente comprometidos con tu web o app.

Identificar en qué semana se estabiliza y a qué porcentaje es información muy valiosa para entender el comportamiento a largo plazo de tu audiencia.

Casos de uso prácticos

Medir el impacto de cambios en el contenido o el producto

Si en una semana específica lanzaste algo nuevo, una sección, un tipo de contenido, una funcionalidad, … puedes ver si la cohorte de usuarios de esa semana retiene mejor que las anteriores. Es una forma de medir el impacto de cambios sin necesidad de tests A/B complejos.

Comparar la calidad de diferentes canales de adquisición

Combinando cohortes con segmentos puedes comparar la retención de usuarios que llegaron por diferentes canales. ¿Los usuarios que llegaron por email retienen mejor que los que llegaron por redes sociales? ¿Los usuarios orgánicos son más fieles que los de pago?

Esta información es muy útil para priorizar la inversión en los canales que no solo traen tráfico sino que traen usuarios que vuelven.

Medir la efectividad de acciones de retención

Si implementaste una estrategia específica para mejorar la retención, una newsletter, un programa de fidelización, notificaciones push,… la exploración de cohortes te permite ver si las cohortes posteriores a esa implementación retienen mejor.

Limitaciones a tener en cuenta

Los datos necesitan tiempo para madurar

La exploración de cohortes requiere que las cohortes hayan tenido tiempo suficiente para generar datos en los períodos de retorno. Una cohorte de la semana pasada solo tiene datos de Semana 0 y Semana 1, por lo que no puedes sacar conclusiones de retención a largo plazo.

El volumen importa

Cohortes con muy pocos usuarios pueden dar porcentajes que parecen significativos pero no lo son estadísticamente. Si una cohorte tiene 10 usuarios y 2 vuelven en la Semana 2, el 20% de retención no es una señal fiable.

La granularidad afecta la lectura

Con granularidad diaria los porcentajes son muy bajos, pocos usuarios vuelven cada día. Con granularidad mensual los porcentajes son más altos pero pierdes el detalle de cuándo exactamente se produce el abandono.

Con este post cierro la serie sobre informes y exploraciones de GA4. Si quieres profundizar en alguno de los temas, puedes escribirme directamente estaré encantado de ayudarte.