"Llevábamos 18 meses con revenue subiendo 25% anual. El fundador pensaba que el negocio escalaba bien. El cohort analysis reveló que cada cohorte nueva era un 18% peor que la anterior en LTV180. Estábamos canibalizando el futuro por el presente."

Eso nos lo dijo el CFO de una marca D2C de belleza. Revenue crecía, todo parecía bien. La realidad: cada cohorte nueva era peor en LTV que la anterior. La razón: la marca estaba adquiriendo clientes cada vez más fríos, con menor intención, para sostener el crecimiento del revenue. La economía se iba a romper en 6-12 meses. El cohort analysis detectó el problema 12 meses antes de que apareciera en P&L.

Cohort analysis agrupa clientes por mes de primera compra y sigue su comportamiento en el tiempo. Cuatro métricas críticas: tasa de recompra, LTV acumulado, frecuencia de compra y AOV de cohorte. Mínimo 6 cohortes mensuales con +50 clientes. Tres patrones rojos: tasa de recompra -4 puntos, LTV180 -15-25%, AOV cayendo. El cruce cohorte + CAC blended detecta 60% de problemas de escalado antes de que aparezcan en P&L.

Lo que vas a aprender

  1. Qué mide cada tipo de cohorte y por qué la métrica agregada del negocio oculta tendencias.
  2. Las 4 métricas críticas que toda cohorte D2C debe medir.
  3. Los 3 patrones rojos que avisan de un D2C degradándose aunque facture más.
  4. Payback period saludable por tipo de D2C y herramientas para implementarlo.

Qué mide cada tipo de cohorte y para qué sirve

Cohort analysis agrupa clientes según un evento común, normalmente el mes de primera compra. La cohorte de enero 2026 son todos los clientes que compraron por primera vez en enero 2026. La cohorte de febrero 2026 son los de febrero, y así. El análisis sigue cómo se comporta cada cohorte en el tiempo: tasa de recompra a 30/60/90/180/365 días, LTV acumulado, frecuencia y AOV.

La métrica agregada del negocio (revenue total, clientes totales, AOV medio) mezcla clientes nuevos y antiguos. Si los nuevos son peores que los antiguos, el agregado oculta la degradación. La cohorte te dice la verdad: cada grupo se compara consigo mismo, no con el total.

Cifras en 22 cuentas D2C españolas auditadas en 2025-2026. Cuentas que escalan con calidad: el LTV180 de la cohorte más reciente está dentro del 10% del LTV180 de hace 6 meses. Cuentas que se degradan: el LTV180 cae 15-25% entre cohortes consecutivas. La facturación puede subir en ambos casos, pero la economía real diverge.

Las 4 métricas que toda cohorte D2C debe medir

Cuatro métricas críticas. Combinadas, dan la foto completa de la salud de cada cohorte.

1. Tasa de recompra a 30/60/90/180/365 días. Qué % de la cohorte vuelve a comprar en cada hito. La métrica más directa de retención. Si una cohorte nueva tiene tasa de recompra a 90 días 4+ puntos menor que la de hace 6 meses, hay problema de calidad.

2. LTV acumulado por cohorte en cada hito. El revenue acumulado hasta ese día. La métrica que conecta cohorte con economía. Si el LTV180 cae 15-25% entre cohortes, los clientes nuevos son de menor calidad.

3. Frecuencia de compra (pedidos por cliente acumulados). Cuántas veces compra de media un cliente. Cohorte buena en consumibles: 1,8-2,5 compras en 180 días. Cohorte mala: 1,0-1,2.

4. AOV de la cohorte vs cohortes anteriores. El ticket medio de los clientes. Si cae, compran productos más baratos o menos por pedido. Posible señal de cambio en propuesta de valor o calidad del tráfico.

Métrica opcional pero potente: payback period. Cuántos meses tarda la cohorte en recuperar el CAC invertido. Payback > 12 meses indica problema de caja.

Patrones rojos: cuándo el cohort analysis avisa de problemas

Tres patrones rojos que vemos en cuentas D2C. Cualquiera de los 3 debe disparar acción inmediata.

Patrón 1 — Tasa de recompra a 90 días cae 4+ puntos. Las cohortes recientes compran menos en 90 días que las de hace 6 meses. Causa típica: cambio en calidad del tráfico, producto o programa de post-purchase.

Patrón 2 — LTV180 cae 15-25% entre cohortes consecutivas. Los clientes nuevos son de menor calidad. La facturación puede subir por volumen, pero la economía real cae. Es la señal más clara de un D2C que se degrada.

Patrón 3 — AOV mediano cae en cohortes recientes. Los clientes nuevos compran productos más baratos o menos por pedido. Posible señal de cambio en mezcla de productos o presión competitiva.

Cifras en 22 cuentas D2C auditadas. Patrón rojo 1 (recompra -4 puntos) detectado en 14 cuentas. Patrón rojo 2 (LTV180 -15%) detectado en 9 cuentas. Patrón rojo 3 (AOV cayendo) detectado en 7 cuentas. De las 22, 18 presentaban al menos un patrón rojo. Solo 4 estaban escalando con calidad.

Payback period saludable por tipo de D2C español

Rangos de payback period saludable por vertical. D2C con payback dentro de estos rangos está escalando con caja sana.

  • Moda (sin recompra alta): payback 6-10 meses. Producto único, recurrencia baja. LTV 1,2-1,8 compras por cliente.
  • Belleza/cosmética: payback 4-7 meses. Recompra media, consumibles. LTV 1,5-2,2 compras en 12 meses.
  • Suplementos: payback 3-5 meses. Recompra alta, consumibles. LTV 2,5-4 compras. Suscripción reduce a 2-3 meses.
  • Hogar/decoración: payback 8-14 meses. Recompra baja, ticket alto. Solo escala con margen alto.
  • Alimentación premium: payback 3-5 meses. Recompra alta. Suscripción reduce a 2-3 meses.

Por debajo del rango: infrainversión. Por encima: caja tensa, modelo no escala.

Herramientas para cohort analysis en D2C con Shopify

Tres rutas operativas. La elección depende de presupuesto y complejidad.

Triple Whale. Dashboard nativo con cohortes, attribution cross-platform, LTV por cohorte. Integración con Shopify, Meta, Google, TikTok, Klaviyo. Coste 80-200$/mes. Para D2C con menos de 1M€ anuales, es la opción más rápida. Setup en 1-2 días.

Lifetimely. Especializado en LTV y cohortes. Coste 50-120$/mes. Más profundo en cohortes que Triple Whale, más débil en attribution.

Looker Studio + BigQuery. Gratis pero requiere setup. Conecta Shopify + Meta CAPI + Google Ads. Control total, queries SQL custom, sin coste mensual. Setup de 1-2 semanas.

En DayByDay usamos Triple Whale para cuentas con menos de 3M€ anuales y Looker Studio custom para más grandes.

Cómo cruzar cohortes con decisiones de paid media

Tres cruces que cierran el ciclo cohorte → paid media.

Cruz 1 — Cohorte × fuente de adquisición. Cada cohorte segmentada por canal de adquisición. Te dice qué canal trae los clientes con mejor LTV. La sorpresa habitual: el canal con peor ROAS plataforma tiene el mejor LTV cohorte.

Cruz 2 — Cohorte × creative o ángulo. Cada cohorte segmentada por el primer creative que vio. Te dice qué ángulos atraen a los clientes con mejor LTV. La decisión: rotar presupuesto hacia los creativos con mejor LTV cohorte.

Cruz 3 — Cohorte × pricing. Cada cohorte segmentada por el precio al que compró. Los clientes con cupón 20% tienen LTV 30% menor que los de full price. La decisión: repensar la política de descuentos.

Caso real: cliente D2C de belleza, detecta degradación 12 meses antes

Cliente D2C de belleza, 2,8M€ anuales, 32K€/mes de spend en Meta. Revenue crecía 25% anual. El cohort analysis mensual reveló la verdad.

Diagnóstico: cada cohorte nueva era 18% peor en LTV180 que la de 6 meses antes. La marca estaba adquiriendo clientes más fríos (audiencias amplias, menos lookalike, más broad) para sostener el crecimiento. La economía se degradaba en silencio.

Plan ejecutado en 12 meses. Mes 1-2: cambiar estrategia de adquisición, reducir broad, regenerar lookalike 1-3% con semilla LTV alto. Mes 3-6: invertir en suscripción para anclar recompra. Mes 7-12: pricing +8% para mejorar margen de la cohorte.

Resultado a 12 meses: LTV180 de la cohorte más reciente igual al de hace 12 meses. Revenue +18% (vs +25% antes, pero con mejor economía). Margen +7 puntos. La facturación creció menos, pero cada cliente nuevo era rentable.

LTV180 revertido. Revenue +18% vs +25% anterior, pero con mejor economía. Margen +7 puntos. La detección 12 meses antes evitó una crisis de margen.

Pro tip

El error más caro cuando empezamos a operar una cuenta: mirar el revenue agregado del mes y declarar victoria. La métrica agregada oculta degradación. La primera auditoría de cohortes casi siempre revela que las cohortes recientes son 10-20% peores que las de hace 6-12 meses. La cifra duele, pero detectarla a tiempo salva el negocio.

Acción de hoy (15 minutos)

  1. Abre Triple Whale, Lifetimely o tu herramienta de cohortes y mira el LTV180 de la cohorte más reciente vs la de hace 6 meses. Si ha caído más del 10%, tu D2C se está degradando. Investiga causa.
  2. Compara la tasa de recompra a 90 días de las cohortes recientes vs las de hace 6 meses. Si ha caído 4+ puntos, hay problema de calidad de adquisición o de post-purchase.
  3. Calcula el payback period de la cohorte más reciente. Si supera los rangos de tu sector, la caja se tensa. Decide si subes precios, bajas CAC, o reduces spend.

Si los tres puntos no encajan con una economía sana, agenda una llamada de 30 minutos con nosotros.

Recap + cliffhanger

Cubrimos tres cosas concretas:

  • 4 métricas críticas: tasa de recompra, LTV acumulado, frecuencia y AOV de cohorte. Combinadas dan la foto completa de salud. El cruce cohorte × CAC blended detecta 60% de problemas antes que el P&L.
  • 3 patrones rojos: recompra -4 puntos, LTV180 -15-25%, AOV cayendo. Cualquiera debe disparar acción inmediata. En 22 cuentas auditadas, 18 presentaban al menos un patrón rojo.
  • Caso real: degradación detectada 12 meses antes en D2C de belleza. Revenue creció menos (+18% vs +25%) pero con mejor economía. Margen +7 puntos.

La semana que viene: el framework para implementar suscripciones en D2C sin destruir la base de one-time purchase. Qué productos convertir, qué descuento aplicar, y cómo medir cuándo la suscripción aporta más que quita.

---

Artículos relacionados