Analítica de apps y retención: eventos y cohortes
Qué eventos medir en una app móvil, cómo se leen las cohortes, dónde se detecta la caída de retención: un marco analítico paso a paso.
Equipo de rabbitclipPublicación: 6 min. de lectura
En breve
La analítica de apps no consiste en contar cuántas veces se toca un botón, sino en ver en qué paso una persona deja la app y no vuelve. La retención mide si alguien que instaló la app la sigue abriendo un día después, una semana después y un mes después; sin leer estos tres puntos juntos, el número de descargas por sí solo no dice nada.
Una medición bien montada muestra qué pantalla pierde usuarios y qué función los hace volver. Una medición mal montada recopila docenas de eventos y aun así no responde ninguna pregunta real, porque nunca se definió qué acción importa de verdad al negocio.
Este artículo trata qué eventos merecen seguimiento, para qué sirve la lectura por cohortes, por qué el primer día y la primera semana pesan más que los meses siguientes, cómo construir un plan analítico paso a paso y los errores que se repiten.
Qué eventos deberían medirse
Un evento es el registro de una acción concreta que hace una persona dentro de la app: registro completado, primera cita reservada, artículo añadido al carrito, suscripción iniciada. El evento que merece seguimiento es el que está directamente ligado al ingreso o a la fidelidad, no cada toque en cada pantalla.
En la app de una cadena de spas, el evento que importa es «cita completada», no «pantalla de inicio abierta». En una app de suministro B2B, es «solicitud de presupuesto enviada», la acción más cercana al propósito real de la app. Sin definir esto pronto, un equipo termina recopilando miles de filas de datos que nunca puede usar para decidir.
Una regla útil es preguntar, para cada nueva función, qué cambia para el negocio si se usa. Si la respuesta es clara, esa acción se convierte en evento; si no lo es, hay que aclarar primero el propósito de la función antes de añadir ningún evento.
Qué es una cohorte y por qué se lee por semana y no por día
Una cohorte es el grupo de personas que instalaron la app por primera vez en la misma semana. Ese grupo se sigue para ver cuántas siguen abriendo la app una semana después, un mes después; cada nueva semana forma su propia cohorte, de modo que las cohortes pueden compararse entre sí.
La lectura día a día saca a relucir variaciones ruidosas como la diferencia entre días laborables y fin de semana o los festivos; la lectura por cohortes está pensada precisamente para filtrar ese ruido. Cuando cambia una pantalla de onboarding, comparar la curva de retención de las cohortes antes y después del cambio muestra si realmente funcionó.
Una tabla de cohortes muestra, en una app de compras, qué semana de usuarios vuelve a comprar, y en una app de reservas, qué semana reserva una segunda cita; eso aporta mucha más información que un total acumulado.
Por qué el primer día y la primera semana son decisivos
El momento aha es el punto en el que una persona experimenta por primera vez el valor real de la app: una entrega que llega sin contratiempos, una primera clase reservada con éxito. Si no llega a ese momento en la primera sesión o el primer día, las ganas de volver caen con rapidez.
Por eso el comportamiento del primer día y la primera semana lleva más información que el de los meses posteriores. Alguien que nunca tocó la función principal en la primera semana es mucho más difícil de recuperar a fin de mes que alguien que nunca se perdió.
El onboarding se sitúa por eso en el centro de un plan analítico; el número de pasos y el tiempo que tarda una persona en llegar al momento aha es un indicador que merece seguirse por sí solo.
Cómo detectar las señales que hunden la retención
Un análisis de embudo despliega en orden los pasos hacia un objetivo; muestra en qué paso abandona una parte de los usuarios. En una app B2B, si algunos usuarios dejan el formulario de presupuesto en el tercer paso sin terminarlo, el problema está en el propio formulario.
Los fallos y las pantallas lentas también son señales técnicas que hunden la retención; alguien que sufre un fallo en su segunda apertura suele no volver para una tercera. Por eso un plan analítico debe cubrir la estabilidad técnica, no solo el comportamiento del usuario.
Los formularios de opinión y las reseñas de la tienda, leídos junto a los números, muestran qué significa realmente una señal; el número responde al dónde, la reseña completa el porqué.
Paso a paso: construir un plan analítico
Un plan analítico empieza en papel, antes de instalar ninguna herramienta: qué acción se mide, qué cohorte se observa y qué umbral cuenta como bueno se escribe todo por adelantado.
- Definir una o dos acciones centrales que importen al negocio (el momento aha)
- Marcar esa acción con un único nombre de evento consistente, sin crear varios eventos con nombres parecidos
- Configurar cohortes semanales de nuevos usuarios, seguir la retención de día uno y día siete
- Desplegar los pasos hacia el momento aha como un embudo, marcar dónde se produce el abandono
- Revisar la medición cada mes, comparar la curva de cohortes tras cada cambio de producto
Errores frecuentes
Los errores que se repiten al montar la analítica vienen menos de recopilar datos y más de no lograr convertirlos en la pregunta correcta.
- Marcar cada botón como su propio evento y ahogar los datos en ruido
- Mirar solo el número de descargas y no seguir nunca la retención
- Leer a todos los usuarios como un único grupo sin separación por cohortes
- Configurar una herramienta analítica y no volver a mirarla durante meses
- Perseguir un objetivo vago como «engagement» sin definir nunca el momento aha
La analítica de apps cobra sentido cuando se elige el evento correcto, se lee por cohortes y se presta atención a la primera semana; la elección de la herramienta llega después. En una llamada de descubrimiento con rabbitclip se revisa la configuración de medición existente y se aclara junto con el equipo qué acción importa de verdad al negocio.
Preguntas frecuentes
¿Cómo se calcula la tasa de retención?
Sigue qué porcentaje de personas que abrieron la app por primera vez en una semana concreta la siguen abriendo una semana o un mes después; una herramienta muestra esto desglosado por cohorte.
¿Qué eventos hay que medir sí o sí?
La finalización del registro y la una o dos acciones centrales más cercanas al ingreso o a la fidelidad del negocio, no cada toque en cada pantalla.
¿Merece la pena el análisis de cohortes para una app pequeña?
Sí; incluso con una base de usuarios modesta, ver qué semana vuelve afina las decisiones de producto.
¿Cuánto tarda en configurarse la analítica?
La configuración técnica es rápida una vez fijadas la lista de eventos y la definición de cohortes; el tiempo real se va sobre todo en decidir qué medir.
