Cuál es la retención de tu negocio
Cómo calcular la retención general de clientes en Spreadsheet / Excel
Introducción
La retención de usuarios es una métrica archiconocida y expuesta con orgullo en el ABC de las métricas clave tanto de Startups como de negocios digitales. Todas las herramientas de analítica nos arrojan esta información y a groso modo sabemos ubicarlo; el porcentaje de los usuarios que accedieron a la web en un determinado momento y realizan nuestros objetivos reiteradamente en el tiempo.
Sin embargo, a pesar de ser una información valiosa, nos quedamos en una etapa muy lejana de la conversión final del usuario. Este dato contiene mucho más valor si lo calculamos en referencia a clientes reales.
Por desgracia, cuando hablamos de clientes puede que estos estén operando desde nuestra web, que esté realizando pedidos por teléfono, por email o incluso por distintos canales simultáneamente. En estas ocasiones las herramientas de métricas tienen muy complicado seguir ofreciéndonos esta información a menos que construyamos un buen pipeline de datos a través de un Data Analyst o un DevOps.
En este artículo vamos a ver cómo realizar el cálculo de la retención de clientes utilizando un hoja de spreadsheet (excel), donde es más sencillo recopilar todo el registro de compras sin tener que llamar a la puerta del equipo de desarrollo.
La Retención y los Cohortes
En cualquier caso, es importante no olvidar qué datos queremos obtener, ya que es fácil perderse en el camino mientras se consigue aunar la información necesaria. En otras palabras, y orientado al cliente final, la retención sería algo así como: El ratio de clientes que fueron captados en una fecha determinada que vuelven a comprar tras su primer pedido sobre el total de clientes captados en la misma fecha.
Clientes que fueron captados en una fecha determinada.
Normalmente, a este conjunto de clientes se les denomina cohorte o cartera de clientes. De hecho, en el estudio de la retención, analizaremos como se comportan estas carteras de clientes con el paso del tiempo. La cartera disminuirá con la pérdida de clientes activos y/o disminuirá en su volumen de compras (churn rate), o incluso podría aumentar el volumen de compras (expansion rate).
Clientes que vuelven a comprar tras su primer pedido.
Completando la frase anterior: clientes que pertenecen a un cohorte que vuelven a comprar. Así, la retención es el ratio de clientes reincidentes en relación al tamaña de la cartera o cohorte al que pertenecen y su valor tiene un límite superior de 1 (ó 100%).
Ahora bien, podemos atribuir un cliente a un cohorte específico atendiendo a múltiples criterios:
- La fecha de la campaña de MKT en la que se identificó como prospecto.
- La fecha en la que se registró en la base de datos.
- La fecha en la que realizó su primera compra.
Todas ellas son válidas y es una decisión relativa a dejar fuera de la ecuación, o no, a MKT, Producto y a otros departamentos que no sean exclusivamente ventas. Aquí depende como sea la arquitectura de tu negocio, pero cuánto mejor se pueda separar, más fácil será identificar dónde se producen las mayores caídas en la retención.
Identificación de Cohortes
Para poder calcular la retención, primero necesitamos construir nuestros cohortes. La forma más sencilla de hacer esto es disponiendo de un registro de compra con un mínimo de datos que permitan identificar al cliente y su fecha de compra: identificador de cliente, fecha de compra, fecha de primera compra e importe de la compra (este último es opcional). Cada línea de esta tabla es un registro de compra:
En la tabla anterior hemos añadido cuatro columnas auxiliares para construir nuestra tabla de cohortes utilizando una pivot table de spreadsheet. Puede que si utilizas otra herramientas no te sea necesario. Además, la columna de First Buyout Date o fecha de primera compra, se calcula mediante la siguiente fórmula extendida a todas las filas de la columna:
=MIN(FILTER($C:$C;$A:$A=A1))Donde la columna C debería ser la columna en la que aparecen las fechas de compra y la columna A donde aparece el ID de cliente. Para las columnas First Buyout Year / Month y Buyout Year / Month utilizamos las funciones =YEAR(…) y =MONTH(…).
Obtención de Cohortes
Una vez tenemos nuestro registro de compra completo, seleccionamos la tabla completa y accedemos al menú de datos y elegimos la opción de Tabla Dinámica:
Se abrirá una nueva pestaña con un menú lateral a la derecha que configuraremos para que agregue los datos de la forma que más nos interese. En las filas tendremos la fecha de primera compra y en las columnas las fechas generales de compra:
Se debería generar una tabla, en esta nueva pestaña, parecida a la de la siguiente imagen:
Esta tabla es, de hecho, un listado de nuestros cohortes. Cada fila representa un conjunto de clientes que comparten la misma fecha de primera compra. Así, cada fila es un cohorte y la diagonal de la tabla representa el tamaño máximo de cada cohorte, o el tamaño de la cartera de clientes.
A medida que avanzamos en las columnas vemos cómo el recuento de clientes activos (los valores de las celdas) va disminuyendo. Es decir, cada mes hay menos clientes activos de un mismo cohorte, o lo que es lo mismo, existe una pérdida de retención, pero ahora vamos a eso.
Normalización de Cohortes
A pesar de que la tabla anterior es una lista de cohortes válida, es difícil compararlos cómodamente. Nuestro objetivo es poder comparar los cohortes entre sí y para ello normalizaremos los datos de forma que cada fila sea un cohorte (como hemos hecho hasta ahora) y cada columna esté alineada de tal forma que la primera sea el mes siguiente al mes de primera compra M+1, la siguiente M+2, etc. Concretamente, en M+0 tendremos el número de clientes que realizan su primera compra, que en la tabla anterior es la diagonal.
Para hacer esto, abrimos una nueva pestaña y replicamos la tabla de cohortes, ya que la tabla dinámica puede cambiar de tamaño si actualizamos el registro de compras. Una vez hecho esto, iniciamos una tabla justo debajo con los mismos cohortes:
Es importante entender este formato de tabla y los beneficios que nos aporta. En el cohorte de 2018–11 (fila 18), la columna M+1 representa el número de clientes activos del mismo cohorte en la fecha 2018–12, mientras que en el cohorte 2019–04 la columna M+1 representa la fecha los clientes activos del mismo cohorte en la fecha 2019–05.
La tabla anterior la podemos conformar arrastrando la siguiente fórmula por todas las casillas de la tabla:
=IFERROR(INDEX($B2:$N2;(COLUMN()-1)+ROW()-18);"-")Es importante tomar nota de que el número 18 que aparece en la fórmula es en realidad el número de la fila del primer cohorte en esta nueva tabla y que $B2:$N2 es la fila del cohorte de la tabla original.
Cálculo de Retención por Cohortes
Hemos comentado que la diagonal de la tabla de cohortes es en realidad el tamaño de la cartera de clientes o del propio cohorte. Con este dato, podemos determinar el ratio de clientes activos por cohorte con tal solo dividir cada celda de la tabla de cohortes normalizada por el tamaño del cohorte al que pertenece. Obtenemos así una tabla de retención por cohortes que añadimos a continuación de la anterior:
Así, cada línea representa la retención de cada cohorte en el tiempo. Podríamos comparar la característica de cada curva de retención u obtener la media de la retención de todos los cohortes, obteniendo así la curva de retención representativa de nuestros clientes:
La línea anterior la obtenemos realizando la media de las retenciones por cada columna y que podemos representar en el siguiente gráfico:
En este caso, tenemos una curva de retención bastante negativa. Lo ideal es que esta curva sea lo más horizontal posible, lo que indicaría que el tiempo de vida general de nuestros clientes es largo.
No obstante, si el primer paso es medir, el siguiente es proponer soluciones y comparar con el histórico. Por ejemplo, podríamos implementar una campaña de engagement durante unos meses y comprobar si para el cohorte en el que hemos aplicado el cambio la curva de retención es menos pronunciada, lo que indicaría que nuestro plan ha tenido un impacto positivo en la retención. También podrían realizarse actualizaciones de producto, mejoras en la calidad del servicio, y una infinidad de estrategias adicionales.
Conclusiones
Como hemos podido ver, la retención no es un único número si no que depende más bien de en qué momento del tiempo de vida del cliente estemos analizando. La pregunta más correcta sería: ¿Cuál es la retención en el M+5?
El cálculo de la curva de retención es uno de los primeros parámetros clave que te permite derivar otros muy importantes como el LTV, el Churn Rate, Expansion Rate, el ticket promedio, etc.
Por ejemplo, en el caso que hemos analizado sería un engaño calcular un LTV a 2 años, dado que según los resultados los clientes desaparecen a los 12 meses, por lo que nos tendríamos que limitar a hacer el calculo a un año. Es muy recomendable interiorizar el insight que arroja este tipo de métricas y no dejarse llevar por las métricas vanidosas.
Si te ha interesado y quieres ver en más detalle como implementarlo en Spreadsheet o en excel, te dejo referencia al que he utilizado para este artículo para que puedas consultar todas las fórmulas con detenimiento o duplicarlo para uso propio.
