Nivel 3 · Cómo leer una curva de retención

De una tabla a una curva

Una tabla de cohortes tiene una fila por cohorte y una columna por periodo, que es demasiado para una diapositiva de junta. Una curva de retención la comprime en una sola línea: para cada número de trimestres desde el primer pedido, ¿qué proporción de clientes hizo un pedido en ese trimestre?

El trimestre 0 es el primer pedido en sí, así que siempre es 100% y se deja fuera. El trimestre 1 es el siguiente, el trimestre 2 el que sigue, y así sucesivamente. Un cliente cuenta como activo en un trimestre si tiene al menos un pedido registrado en él. No tiene que estar activo en todos los trimestres intermedios, por eso la curva puede subir del trimestre 1 al 2.

Los números de trimestre facilitan la aritmética

Numera los trimestres en orden, 2023Q1 = 0 hasta 2025Q4 = 11:

qi = (booked["order_date"].dt.year - 2023) * 4 + booked["order_date"].dt.quarter - 1

La cohorte de un cliente es su menor qi; la distancia de cada pedido a ella es una simple resta:

first = b.groupby("customer_id")["qi"].min().rename("c")
b = b.join(first, on="customer_id")
b["q"] = b["qi"] - b["c"]

Censura por la derecha: cuenta solo a quienes pudieron volver

La cohorte 2025Q4 aún no tiene trimestre 1. La cohorte 2025Q1 tiene los trimestres 1 a 3 y nada después. Si divides la actividad del trimestre 8 entre todos los clientes, esos clientes jóvenes quedan en el denominador sin posibilidad de estar en el numerador, y la curva se dobla hacia abajo por una razón que nada tiene que ver con que los clientes se vayan.

La solución: para el trimestre q, el denominador son solo los clientes cuya cohorte está al menos q trimestres antes del último trimestre de los datos:

fair = first[first + q <= last_q]

El gráfico muestra las dos versiones. La línea honesta se aplana cerca del 40%. La línea sesgada cae casi en línea recta, y cada punto de esa caída es el calendario que se acaba.

Agrupada, no promediada

Esta curva agrupa clientes: los clientes activos de todas las cohortes justas entre todos los clientes de ellas. Promediar en cambio la tasa de cada cohorte da a la cohorte 2023Q3 de 97 clientes el mismo peso que a la 2023Q4 de 181. Ambas son defendibles, pero di cuál usaste, porque no coincidirán.

Errores comunes

• Todos los clientes en el denominador. La curva se hunde porque se acabó el tiempo, no porque se fueran los clientes.
• Olvidar lo delgada que es la cola. El trimestre 8 descansa en cuatro cohortes. Muestra la base.
• Leer la primera cohorte como clientes nuevos. 2023Q1 incluye a personas que eran habituales antes de que empiecen los datos, y está en cada punto de la curva.