Nivel 2 · La tabla de retención por cohortes

La retención necesita una ventana

“¿Qué proporción de clientes volvió?” no tiene respuesta hasta que dices en cuánto tiempo. Dale a un cliente tres años y casi todos en Harbor & Pine vuelven a pedir; dale una semana y casi nadie lo hace. Una tabla de retención por cohortes fija la ventana y mide cada cohorte con ella: “recompra en 90 días desde el primer pedido”, “recompra en 365 días”.

La ventana se cuenta desde el primer pedido de cada cliente, no desde el inicio del trimestre. Un cliente que compró por primera vez el 30 de marzo y otro que lo hizo el 2 de enero tienen exactamente 90 días cada uno.

Una bandera por cliente

Une los pedidos registrados posteriores de cada cliente con su primer pedido, y convierte “¿hay alguno dentro de la ventana?” en una bandera 0/1:

MAX(CASE WHEN b.order_date <= f.first_at + INTERVAL 90 DAY THEN 1 ELSE 0 END) AS r90

MAX reduce muchos pedidos posteriores a una bandera por cliente: un cliente con cinco pedidos de recompra sigue contando una vez. El join debe ser un LEFT JOIN con b.order_date > f.first_at en la cláusula ON, para que quienes compraron una sola vez permanezcan en la tabla con bandera 0. Si pones esa condición en WHERE, desaparecen del denominador y la retención se dispara.

Luego la tasa de la cohorte es el promedio de las banderas: SUM(r90) * 100.0 / COUNT(*).

Solo ventanas justas

Una ventana de 365 días solo tiene sentido para clientes que han tenido 365 días. Quien hizo su primer pedido en 2025 no los ha tenido, así que sus recompras ausentes no son un veredicto, solo falta de tiempo. Por eso esta tabla se detiene en los primeros pedidos anteriores a 2025-01-01. Esto se llama censura por la derecha: el resultado lo corta el final de los datos, no el cliente.

Leer la tabla

Lee una columna hacia abajo para ver si las cohortes nuevas se comportan como las antiguas. Lee una fila hacia la derecha para ver cómo se acumula la retención con una ventana más larga. Compara las cohortes de fiestas con las de fiestas: los compradores de regalos de noviembre se comportan distinto de los clientes que descubrieron la tienda en primavera.

Cuidado con la primera cohorte de cualquier conjunto de datos. Si los datos empiezan en enero de 2023, la “cohorte 2023Q1” incluye en parte a clientes que ya eran leales antes de que empiecen los datos. Aquí son 116 de 177 personas, y por eso esa fila se ve tan bien.

Errores comunes

• Sin ventana. “Alguna vez volvió” premia a las cohortes antiguas por ser antiguas.
• WHERE en vez de ON. Filtrar los pedidos posteriores en WHERE elimina a quienes compraron una sola vez.
• Contar pedidos en vez de clientes. COUNT(b.order_id) mide cuánto compran los que repiten, no cuántos volvieron.