Análise de Coorte: Como Perceber Por Que os Clientes Ficam ou Saem
A análise de coorte revela os padrões de retenção escondidos nos seus números agregados. Veja como ler uma, construir uma e agir com base no que encontrar.
A sua taxa de retenção global é de 78%. Isso é bom? Depende inteiramente de quais clientes estão a ficar e quais estão a sair — e é exatamente isso que o seu número de retenção agregado não consegue dizer. Uma empresa com 78% de retenção pode estar a reter com sucesso os seus clientes mais valiosos enquanto perde os mais recentes, ou pode estar a segurar uma base de clientes legada enquanto os seus coortes recentes abandonam rapidamente. O agregado esconde as duas histórias. A análise de coorte revela-as.
Um coorte é simplesmente um grupo de clientes que começaram ao mesmo tempo — inscreveram-se no mesmo mês, fizeram a primeira compra no mesmo trimestre, ou fizeram upgrade na mesma semana. Ao acompanhar cada coorte de forma independente ao longo do tempo, consegue ver como os padrões de retenção mudam em diferentes períodos da história da sua empresa. O resultado é um dos diagnósticos mais poderosos disponíveis para uma equipa de produto ou negócio.
Como ler uma tabela de retenção por coorte
Uma tabela de retenção por coorte padrão tem os coortes de aquisição nas linhas (Janeiro, Fevereiro, Março...) e os meses desde a aquisição nas colunas (Mês 0, Mês 1, Mês 2...). O Mês 0 é sempre 100% — esse é o ponto de partida. Os números em cada linha mostram qual a percentagem daquele coorte que ainda estava ativa em cada mês subsequente.
| Coorte | Mês 0 | Mês 1 | Mês 2 | Mês 3 | Mês 4 | Mês 5 | Mês 6 |
|---|---|---|---|---|---|---|---|
| Janeiro | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Fevereiro | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Março | 100% | 76% | 62% | 51% | 49% | — | — |
| Abril | 100% | 79% | 65% | 61% | — | — | — |
| Maio | 100% | 82% | 69% | — | — | — | — |
| Junho | 100% | 84% | — | — | — | — | — |
Esta tabela conta uma história clara: a retenção melhorou significativamente a cada mês. O coorte de Janeiro reteve apenas 34% no Mês 6, enquanto coortes mais recentes estão a manter 69–84% nos primeiros dois meses. Algo mudou — provavelmente uma melhoria no produto, um fluxo de onboarding melhor, ou uma mudança no canal de aquisição que trouxe clientes mais adequados. O número de retenção agregado teria mascarado isso completamente.
Os três padrões a observar
Quando tem uma tabela de coorte, está à procura de três padrões específicos. Cada um aponta para um problema diferente e exige uma solução diferente.
Uma queda inicial acentuada: Se a retenção do Mês 0 para o Mês 1 estiver consistentemente abaixo de 50%, tem um problema de onboarding. Os clientes estão a inscrever-se e não a encontrar valor suficientemente depressa para continuar. Este é o padrão mais comum em SaaS em fase inicial e o mais tratável — melhor onboarding, menor tempo para o valor e maior envolvimento nos primeiros dias ajudam bastante.
Declínio consistente em todos os coortes: Se a retenção continua a cair à mesma taxa mês após mês em todos os coortes, tem um problema de valor do produto. Os clientes experimentam o produto, alguns ficam inicialmente, mas não há valor contínuo suficiente para os manter envolvidos. Nenhuma melhoria de onboarding vai resolver isso — o produto em si precisa de entregar mais razões para voltar.
Uma curva em "sorriso" que se estabiliza: As melhores curvas de retenção estabilizam após uma queda inicial. Os clientes que sobrevivem aos primeiros dois ou três meses tendem a ficar. O objetivo é maximizar o número de clientes que atingem esse ponto de inflexão. Se a curva nunca estabiliza — se a retenção continua a cair à mesma taxa no Mês 6 que no Mês 1 — não tem uma base de clientes retidos estável, e os cálculos de LTV baseados nesse coorte serão enganosos.
O número mais importante numa tabela de coorte não é a percentagem no Mês 6 — é a inclinação entre o Mês 0 e o Mês 2. É aí que a maioria dos clientes é perdida, e onde a maioria das intervenções tem maior alavancagem.
Segmentar coortes: onde reside o verdadeiro insight
A análise de coorte torna-se verdadeiramente poderosa quando se segmentam os coortes por canal de aquisição, escalão de preço, dimensão do cliente ou geografia. Uma tabela de coorte que mostra retenção global de 60% após três meses pode revelar que clientes da pesquisa orgânica retêm a 75% enquanto clientes de redes sociais pagas retêm a 40%. Esse único insight reformula toda a conversa sobre alocação de marketing.
A segmentação de maior valor é quase sempre por canal de aquisição. Clientes que o descobrem através de referências, conteúdo ou pesquisa orgânica tipicamente retêm a taxas materialmente mais altas do que os adquiridos através de campanhas pagas amplas. Se os seus dados de coorte mostram este padrão — e geralmente mostram — é um argumento forte para investir em conteúdo e programas de referência, mesmo quando a aquisição paga parece mais barata no custo por aquisição. O CAC parece barato até incorporar a retenção no modelo.
O que fazer com uma tabela de coorte em declínio
Se os seus coortes mais recentes estão a reter pior do que os mais antigos, esse é um sinal urgente. Significa que algo no seu produto, aquisição ou onboarding piorou — e piorou recentemente. Verifique o que mudou. Abriu um novo canal de aquisição que traz clientes menos qualificados? Lançou uma funcionalidade que interrompeu um fluxo de trabalho existente? Mudou os preços de uma forma que atraiu clientes que não eram o fit certo?
Melhorar a retenção por coorte é quase sempre um problema de produto e onboarding antes de ser um problema de marketing. A sequência de intervenções que tende a funcionar: primeiro, identifique as ações que os clientes retidos tomam nas primeiras duas semanas que os clientes que abandonam não tomam. Depois, redesenhe o onboarding para impulsionar essas ações mais cedo. Em seguida, use o comportamento inicial como sinal para identificar clientes em risco e intervir antes de abandonarem, e não depois.
Os coortes de longa data parecem ótimos porque os clientes que ficaram são, por definição, os mais satisfeitos e com melhor fit. Quando analisa a retenção do Mês 24 de um coorte com dois anos, está a ver uma população que já foi fortemente filtrada pelo abandono. Não use o comportamento de clientes retidos há muito tempo como modelo para o que novos clientes farão — são uma amostra selecionada, não representativa.
A análise de coorte é mais útil quando é revista de forma consistente, e não executada uma vez e esquecida. No FabricLoop, as equipas de produto e crescimento costumam manter uma nota mensal no grupo partilhado com um snapshot de coorte atualizado — a tabela renovada com os dados mais recentes, um parágrafo de interpretação sobre o que mudou e porquê, e uma lista de tarefas de intervenções a ser testadas nos coortes em risco. Quando a análise fica junto das tarefas que respondem a ela, a lacuna entre insight e ação reduz-se substancialmente.