Muchos vendedores siguen el consejo de mirar primero la facturación y después preocuparse por la rentabilidad. En marketplaces, esa prioridad puede salir cara. Una cuenta puede crecer en pedidos mientras acumula devoluciones, descuentos difíciles de sostener, costos logísticos elevados y compradores que nunca vuelven.
El análisis de cohortes ayuda a separar el crecimiento saludable del volumen que erosiona valor. En lugar de observar un total mensual que mezcla clientes nuevos y antiguos, permite seguir grupos comparables y descubrir qué canal, categoría, campaña o tipo de comprador genera una relación rentable. Es una forma práctica de dejar de celebrar ventas aisladas y empezar a administrar un negocio.
Tabla de contenido
- Por qué vender más no siempre significa ganar más
- Qué es el análisis de cohortes y por qué importa en eCommerce
- Métricas clave que debes seguir en cada cohorte
- Cómo construir cohortes útiles para tu operación
- Ejemplos reales de cohortes en marketplaces mexicanos
- Cómo convertir los datos en decisiones de negocio
- Herramientas y plantillas para empezar hoy
Por qué vender más no siempre significa ganar más
Vender más no garantiza ganar más. En Mercado Libre y Amazon, una campaña puede elevar la demanda y, al mismo tiempo, reducir la utilidad por pedido si depende de promociones agresivas, aumenta las devoluciones o concentra las ventas en productos con poca contribución. El tablero del marketplace suele mostrar pedidos, ingresos y visitas, pero no siempre responde la pregunta que importa: qué queda después de descuentos, comisiones, publicidad, logística y atención al cliente.
La realidad del comercio digital en México vuelve este análisis más urgente. El comercio electrónico retail alcanzó MX$789.7 mil millones en 2024, con un crecimiento anual de 20% frente a 2023, y representó 15.8% del retail nacional, según los datos recopilados por la información sobre el crecimiento del comercio electrónico en México. El canal ya exige estrategia, inversión, inventario disponible y una operación organizada. Publicar productos y esperar ventas no es un modelo operativo.
El crecimiento puede esconder fugas
Una cohorte atraída por un descuento de bienvenida puede comprar mucho durante una campaña y desaparecer después. Otra puede comprar menos al principio, pero repetir con mayor margen y necesitar menos inversión publicitaria para regresar. Si ambas se mezclan en el promedio general, el negocio puede tomar decisiones equivocadas.
Las fugas más comunes aparecen en puntos concretos:
- Descuentos: aumentan el volumen, pero reducen la contribución por pedido.
- Devoluciones: convierten una venta aparentemente exitosa en un costo operativo.
- Logística: ciertos productos o zonas elevan el costo de entrega y atención.
- Publicidad: una campaña puede atraer compradores de una sola ocasión.
- Inventario: vender una referencia rentable sin disponibilidad provoca pérdida de recompra.
Regla operativa: una venta es buena cuando deja margen suficiente y fortalece la siguiente decisión, no solamente cuando incrementa el contador de pedidos.
Por eso conviene relacionar el análisis de cohortes con los unit economics para entender la rentabilidad real. La pregunta deja de ser “¿cuánto vendimos?” y pasa a ser “¿qué cohorte, en qué canal y con qué categoría está generando utilidad después de todos los costos?”. Esa lectura protege el negocio de escalar una operación que crece en ingresos, pero pierde dinero en cada repetición.
Qué es el análisis de cohortes y por qué importa en eCommerce
Una cohorte es un grupo de clientes que comparte un punto de partida. En una tienda, puede reunir a quienes hicieron su primera compra durante el mismo mes. En un marketplace, también puede agrupar compradores por canal, categoría inicial, campaña o rango de ticket. Después se observa cómo evoluciona cada grupo desde ese inicio.
La analogía más sencilla es comparar generaciones de alumnos. Si mezclas a todos los estudiantes de una escuela, obtienes un promedio general, pero no sabes qué grupo empezó con mejores condiciones ni cuál abandonó antes. Con clientes ocurre lo mismo. El total de ventas combina compradores recién adquiridos con clientes antiguos, temporadas distintas y productos con márgenes diferentes.
Cómo leer una cohorte sin complicarse
El proceso tiene tres preguntas:
- ¿Cuál es el evento inicial? Puede ser la primera compra, el primer pedido de una categoría o la llegada desde una campaña.
- ¿Qué comportamiento quieres observar? Recompra, margen acumulado, frecuencia, devoluciones o permanencia activa.
- ¿En qué periodos compararás la evolución? Por ejemplo, semanas o meses desde la primera compra, en lugar de comparar únicamente fechas del calendario.
Esta última diferencia es importante. Si comparas enero contra febrero usando fechas absolutas, mezclas clientes con distinta antigüedad. Si comparas “primer periodo desde la compra”, “segundo periodo” y “tercer periodo”, puedes observar trayectorias más justas.
En México, el enfoque tiene una base metodológica sólida. Una investigación sobre participación laboral construyó cohortes por año de nacimiento, sexo y escolaridad usando microdatos de encuestas nacionales y separó efectos de edad, periodo y cohorte, como se explica en el estudio sobre análisis por cohortes de la participación laboral en México. La idea se traslada bien al eCommerce: no todo cambio pertenece al canal; puede estar relacionado con el perfil del grupo que llegó.
Qué revelan los promedios
Un promedio puede decirte que el ticket general subió, pero no si el aumento provino de clientes nuevos que compran una vez o de compradores recurrentes. También puede ocultar que Amazon atrae una cohorte con mejor recompra, mientras Mercado Libre concentra más volumen inicial, o que una categoría rentable pierde fuerza aunque la cuenta mantenga ventas.
La utilidad está en comparar grupos con un punto de partida claro y conectar su comportamiento con decisiones de precio, inventario, publicidad y experiencia. El análisis no reemplaza el tablero general. Lo vuelve más honesto.
Métricas clave que debes seguir en cada cohorte
La retención suele ser la primera métrica que se revisa, pero no debería ser la última. Una cohorte puede volver a comprar y aun así destruir margen si necesita descuentos constantes, genera devoluciones o compra productos poco rentables. Para operar marketplaces, conviene mirar el comportamiento comercial junto con la contribución económica.
Las métricas que forman la lectura
- Retención: proporción de clientes de una cohorte que vuelve a comprar durante el periodo observado. Señala si la primera experiencia genera continuidad.
- Churn: proporción de clientes que deja de comprar dentro de la ventana elegida. Ayuda a identificar cuándo se rompe la relación.
- LTV o valor de vida del cliente: ingreso o, preferentemente, margen acumulado que genera un cliente durante su relación con el negocio. Para rentabilidad, el LTV basado en utilidad es más útil que el ingreso bruto.
- ARPU: ingreso promedio por usuario de una cohorte. Sirve para comparar el valor económico medio entre canales o campañas.
- AOV o ticket promedio: valor promedio por pedido. Ayuda a evaluar paquetes, surtido, precios y oportunidades de venta cruzada.
El cálculo debe conservar la misma lógica entre cohortes. Si una fila usa ingresos brutos y otra usa margen después de devoluciones, el resultado deja de ser comparable. También hay que distinguir entre cliente y pedido. Un comprador con varios pedidos no representa varios clientes.
| Métrica | Fórmula básica | Decisión que dispara |
|---|---|---|
| Retención | Clientes que repiten / clientes iniciales | Diseñar recompra, comunicación y experiencia |
| Churn | Clientes que dejan de comprar / clientes iniciales | Detectar abandono y revisar causas |
| LTV | Valor acumulado por cliente durante la relación | Definir inversión máxima de adquisición |
| ARPU | Ingreso de la cohorte / usuarios de la cohorte | Comparar calidad económica por canal |
| AOV | Ingresos / número de pedidos | Ajustar precio, paquetes y surtido |
El margen cambia la interpretación
Supón que dos cohortes tienen retención similar. La primera compra productos de alta devolución y aprovecha promociones. La segunda compra artículos con mejor margen, menor incidencia operativa y mayor disponibilidad. Mirar solo la retención favorecería a ambas por igual, aunque su impacto financiero sea distinto.
Lectura correcta: la cohorte ganadora no es necesariamente la que regresa más. Es la que regresa con una contribución que justifica el costo de servirla.
También conviene separar margen por canal y categoría. El mismo producto puede tener costos diferentes en Amazon, Mercado Libre y la tienda propia, desde comisiones hasta publicidad y logística. Una tabla de cohortes que no incorpora esos costos puede premiar el volumen equivocado.
Cómo construir cohortes útiles para tu operación
No necesitas un equipo de datos grande para comenzar, pero sí necesitas definiciones consistentes. El análisis pierde valor cuando cada área calcula “cliente recurrente” de una manera diferente o cuando se mezclan pedidos cancelados con ventas completadas.
Paso uno, reunir las fuentes correctas
Empieza con una base de órdenes que incluya identificador de cliente, fecha de compra, canal, producto, categoría, unidades, precio, descuentos, devoluciones y costos disponibles. Complementa esa información con campañas publicitarias, visitas, inventario y atención al cliente. En marketplaces, revisa qué campos pueden conciliarse entre los reportes de Mercado Libre, Amazon y tu sistema interno.
La Encuesta Demográfica Retrospectiva del INEGI muestra la importancia de definir con precisión una cohorte. La publicación de la EDER 2025 define cohorte como un grupo de personas nacidas en un mismo periodo y sigue la experiencia acumulada de eventos a lo largo de la vida. En eCommerce, el principio es el mismo, aunque el evento sea una primera compra.
Paso dos, elegir dimensiones y ventanas
Define una dimensión principal para no crear segmentos imposibles de interpretar. La fecha de primera compra suele ser el punto de partida más práctico. Después añade una dimensión de negocio, como canal, categoría, campaña o rango de ticket.
Usa ventanas comparables. Un negocio de recompra frecuente puede analizar semanas; una categoría de consumo más espaciado puede necesitar meses. Lo importante es no comparar una cohorte madura con otra que apenas comenzó.
Paso tres, revisar la calidad
Antes de sacar conclusiones, valida estas condiciones:
- Identidad: el mismo cliente debe conservar un identificador estable.
- Estado del pedido: separa ventas completadas, canceladas y devueltas.
- Madurez: no compares la evolución completa de una cohorte antigua con la información parcial de una reciente.
- Composición: evita mezclar perfiles muy distintos si la diferencia afecta precio, categoría o frecuencia.
- Estacionalidad: interpreta con cuidado campañas especiales, temporadas altas y cambios de surtido.
Un estudio sobre el mercado laboral mexicano advierte que las encuestas repetidas pueden construir pseudo-paneles sin seguir individualmente a las mismas personas, pero también que las variables y ventanas deben mantenerse comparables para evitar sesgos de composición, como se detalla en la investigación sobre pseudo-paneles y cohortes. En marketplaces, una mala composición puede alterar retención, ticket y recompra sin que el comportamiento real haya cambiado.
Ejemplos reales de cohortes en marketplaces mexicanos
El análisis de cohortes es más útil cuando cambia una decisión concreta. Estos ejemplos son escenarios operativos, no casos con resultados cuantificados. Sirven para mostrar cómo leer señales sin confundir crecimiento con salud financiera.
Mercado Libre y el volumen que se encarece
Una marca lanza una promoción para ganar visibilidad en Mercado Libre. La cohorte de compradores aumenta con rapidez, pero al revisarla por producto aparecen devoluciones concentradas en una variante, más consultas posventa y pedidos que dependen de descuento.
La decisión no es apagar toda la publicidad. Primero se separa la cohorte por SKU y se calcula la contribución después de descuento, comisión, logística y devolución. Si una variante atrae volumen con margen negativo, conviene corregir la publicación, ajustar expectativas del cliente y revisar el precio antes de escalar presupuesto.
Amazon y la recompra que no llega
Un vendedor observa una buena primera compra en Amazon, pero la recompra permanece débil. Al dividir la cohorte por categoría, descubre que quienes compraron consumibles regresan con más frecuencia que quienes adquirieron productos duraderos. El problema no estaba necesariamente en la campaña, sino en mezclar ciclos de consumo diferentes.
La respuesta puede incluir inventario prioritario para consumibles, recordatorios de reposición y publicidad enfocada en productos con recurrencia. En cambio, para duraderos conviene medir accesorios, complementos y recomendación, no forzar una frecuencia de compra que la categoría no puede sostener.
Shopify y la campaña de una sola ocasión
Una tienda propia recibe tráfico de una campaña que genera pedidos, pero la mayoría de esos compradores no regresa. Al cruzar la cohorte por fuente, ticket y margen, la empresa descubre que el canal atrae clientes sensibles a promociones y con poca afinidad con el surtido habitual.
La marca puede probar una oferta de segunda compra, mejorar el seguimiento posventa y crear paquetes relacionados. Si la cohorte sigue sin cubrir el costo de adquisición, el presupuesto debe moverse a campañas que atraigan compradores con mejor contribución, aunque entreguen menos pedidos iniciales.
Un análisis del premio salarial universitario en México encontró variaciones entre generaciones usando datos de la ENOE, como se observa en el estudio sobre efectos de cohorte y resultados económicos. La lección para marketplaces es directa: los grupos no responden igual a precio, contenido, disponibilidad o reputación. Segmentarlos permite evitar decisiones basadas en un promedio engañoso.
Cómo convertir los datos en decisiones de negocio
Una tabla de cohortes no mejora la operación por sí sola. Su valor aparece cuando conecta una señal con un responsable, una acción y un criterio para evaluar si la acción funcionó. Si una cohorte cae después de su primera compra, no basta con anotarlo en el reporte. Hay que investigar qué ocurrió con el producto, el precio, la entrega y la expectativa del cliente.
Del hallazgo a la acción
- Pricing: si una cohorte solo convierte con descuentos, calcula si el margen incremental justifica la promoción. Prueba paquetes o beneficios que aumenten valor sin reducir tanto el precio.
- Inventario: si una cohorte rentable repite en una categoría con faltantes, prioriza disponibilidad de esas referencias antes de ampliar el surtido.
- Publicidad: compara el costo de adquisición con el margen acumulado, no solamente con el primer pedido.
- Canal: revisa Mercado Libre, Amazon y tienda propia con la misma definición de contribución. El canal con más pedidos no siempre merece más presupuesto.
- Experiencia: si las devoluciones se concentran en una cohorte, corrige fotografías, medidas, descripción, empaque o promesa de entrega.
- Reporte interno: presenta clientes, pedidos, ingresos, margen y costos por cohorte. Así dirección puede decidir con una visión económica y no solo comercial.
Priorizar sin paralizar la operación
No todas las diferencias requieren una iniciativa grande. Si una cohorte pierde margen por un precio desactualizado, el ajuste puede ser inmediato. Si el problema está en recompra, quizá necesites revisar surtido, comunicación y disponibilidad antes de cambiar la campaña.
El eCommerce mexicano ya opera a una escala relevante. Para 2025, el comercio electrónico representó 17.7% del valor de las ventas minoristas, según el dato de AMVO citado en la referencia sobre penetración del comercio electrónico en México. Con esa participación, proteger el unit economics por canal y cohorte no es una tarea secundaria. Es una forma de decidir dónde crecer sin comprometer la operación.
Herramientas y plantillas para empezar hoy
La herramienta adecuada depende de la complejidad de tu operación. Para una tienda con pocos canales, una hoja de cálculo bien estructurada puede bastar. Para una cuenta con muchos pedidos, catálogos amplios y publicidad distribuida, conviene automatizar la extracción y usar un tablero que mantenga las definiciones sincronizadas.
Un inicio práctico
Google Sheets o Excel sirven para construir una primera tabla con una fila por cliente y columnas para primera compra, canal, categoría, periodo de recompra, ingresos, costos y margen. Una tabla dinámica puede mostrar cómo evoluciona cada cohorte sin programar. La limitación aparece cuando los datos se actualizan manualmente o cuando varios sistemas usan identificadores diferentes.
Google Analytics puede apoyar el análisis de adquisición y comportamiento en la tienda propia. Para órdenes de marketplaces, una consulta SQL sencilla o una exportación organizada permite crear cohortes mensuales desde la base de pedidos. Mixpanel, Tableau y otras plataformas pueden ser útiles cuando necesitas segmentar eventos y visualizar tendencias con mayor automatización, pero la tecnología no corrige datos incompletos.
Una ruta de implementación sencilla
- Define una métrica principal: empieza con margen acumulado o recompra, no con una lista interminable de indicadores.
- Crea una cohorte base: usa la fecha de primera compra y una ventana coherente.
- Añade una dimensión: compara un canal o categoría antes de combinar ambos.
- Valida los datos: elimina cancelaciones, identifica devoluciones y revisa duplicados.
- Asigna una decisión: cada hallazgo debe terminar en una acción de precio, inventario, publicidad o experiencia.
- Revisa con una cadencia fija: la consistencia importa más que construir un tablero sofisticado que nadie consulta.
La gestión de cuentas de marketplace sin improvisar también exige procesos, responsables y métricas claras. El análisis de cohortes debe integrarse a esa disciplina, junto con catálogo, inventario, atención, reputación y publicidad. Cuando el negocio crece, automatizar el cálculo de utilidad por pedido y la comparación entre canales reduce discusiones basadas en percepciones.
MONEYMAKER ayuda a empresas y marcas a operar Mercado Libre, Amazon y Shopify con procesos, analítica y foco en rentabilidad, desde la gestión integral hasta consultoría 1:1 y servicios puntuales. Si quieres convertir tus cohortes en decisiones de precio, inventario, publicidad y margen, visita MONEYMAKER y conoce cómo puede acompañar tu operación.
