O que é Análise Cohort?

A análise de cohort (ou coorte) agrupa usuários que compartilham uma característica no mesmo período — como o mês em que foram adquiridos — e acompanha o comportamento desse grupo ao longo do tempo. A tese em uma frase: enquanto as métricas agregadas somam usuários novos e antigos num único número que parece saudável, a análise de cohort separa cada geração de usuários e expõe a verdade sobre retenção e churn que a média esconde.

Neste guia você vai entender o que é análise de cohort, por que ela importa, como interpretar a matriz de coorte, quais são os tipos mais comuns e como construir a sua passo a passo. O caminho para montar uma análise segue etapas bem definidas:

O que é análise de cohort?

Uma cohort (ou coorte) é um grupo de pessoas que compartilham uma característica em um período específico. Na análise de negócios digitais, o tipo mais comum é a coorte de aquisição: todos os usuários que se cadastraram ou fizeram a primeira compra no mesmo mês são tratados como um único grupo.

A análise de cohort acompanha o que acontece com cada um desses grupos ao longo do tempo — quantos voltaram no mês 1, no mês 2, no mês 6. Isso é radicalmente diferente de olhar apenas para métricas agregadas, porque elimina o efeito de novos usuários mascarando a perda dos antigos.

Por que a análise de cohort é tão importante?

Imagine um app com 10.000 usuários ativos em janeiro. Em fevereiro, são 11.000. Parece um crescimento saudável — mas e se 4.000 usuários de janeiro tiverem abandonado o app e sido substituídos por 5.000 novos? Você está numa esteira: cresce em número bruto, mas com um produto que não retém ninguém.

A análise de cohort torna esse problema visível. Ela responde perguntas como:

• Depois de 3 meses, que porcentagem dos usuários de janeiro ainda está ativa?
• Os usuários captados após o lançamento de uma nova funcionalidade retêm melhor?
• Em qual semana ocorre o maior abandono?
• O valor de cada cliente ao longo do tempo (LTV) está melhorando ou piorando entre as coortes mais recentes?

Como ler a matriz de cohort

A análise de cohort costuma ser apresentada em uma tabela de calor (heatmap). A matriz abaixo é um exemplo hipotético, só para mostrar como se lê:

Como ler: cada linha é um grupo de usuários que entrou em determinado mês. As colunas mostram o percentual que continuava ativo depois de 1, 2 e 3 meses. Nesse exemplo, os usuários de março retêm melhor que os de janeiro — o que pode indicar uma melhoria no produto ou no onboarding. O traço no Mês 3 de março apenas sinaliza que ainda não passou tempo suficiente para medir esse período.

Tipos de análise de cohort

Coorte de aquisição (a mais comum)

Agrupa os usuários pela data de cadastro, primeira compra ou primeiro uso. É ideal para medir retenção e a evolução do valor do cliente ao longo do tempo.

Coorte comportamental

Agrupa os usuários por uma ação que realizaram — como quem completou o onboarding, usou uma funcionalidade específica ou fez upgrade para o plano pago. Permite comparar a retenção entre quem usa e quem não usa determinado recurso.

Coorte de segmento

Agrupa por canal de aquisição, região, plano ou qualquer outra segmentação. É útil para entender qual canal traz usuários com melhor retenção — e não apenas mais volume.

Na prática, muitas empresas de SaaS usam a análise de coorte para responder à pergunta mais importante do negócio: "nossa retenção está melhorando ou piorando?" Se as coortes mais recentes retêm igual ou melhor que as antigas, o produto está evoluindo na direção certa.

Como construir uma análise de cohort passo a passo

1. Defina a coorte e o evento de atividade

Decida qual será o critério de agrupamento (data de cadastro, de compra) e qual ação indica "atividade" (login, compra, uso de uma funcionalidade). Sem isso definido, a análise não tem significado.

2. Exporte os dados

Você precisa de uma tabela com, no mínimo: o ID do usuário, a data do evento de entrada e as datas dos eventos seguintes. Ferramentas como o Google Analytics 4, Mixpanel e Amplitude já geram relatórios de coorte nativamente.

3. Monte a matriz na planilha

Para cada coorte (linha), calcule o percentual de usuários que retornou em cada período seguinte. Aplique formatação condicional para criar o heatmap visual.

4. Identifique os pontos críticos

Onde a curva cai mais abruptamente? Em geral, a maior queda acontece entre o Mês 0 e o Mês 1 — o que aponta para problemas de onboarding ou de expectativa versus realidade do produto.

5. Compare coortes e tire conclusões

Compare coortes de antes e depois de mudanças significativas (lançamento de funcionalidade, novo fluxo de onboarding, campanha de engajamento). É assim que se valida se as iniciativas realmente melhoraram a retenção.

Análise de cohort vs. outras métricas de retenção

Ferramentas para fazer análise de cohort

• Google Analytics 4: tem relatório de coorte nativo, na seção "Explorar" — gratuito e integrado ao seu site.
• Mixpanel: uma das ferramentas mais usadas para análise de comportamento por coorte — voltada a produtos digitais.
• Amplitude: foco em product analytics, com relatórios de coorte detalhados — comum em empresas de médio e grande porte.
• Planilha (Excel ou Google Sheets): para bases menores, uma tabela dinâmica com formatação condicional resolve bem.
• Looker / Metabase: para análises customizadas a partir do seu banco de dados, via SQL.

Perguntas frequentes sobre análise de cohort

Qual é o tamanho mínimo de coorte para a análise ser confiável?

Depende do negócio, mas coortes muito pequenas — poucas dezenas de usuários — tendem a gerar resultados instáveis por causa da variância estatística: um punhado de pessoas que volta ou some muda a porcentagem de forma exagerada. Para decisões importantes, prefira coortes com volume suficiente para que a retenção se estabilize, e observe a tendência ao longo de vários períodos em vez de reagir a um único mês.

Análise de cohort serve para e-commerce?

Sim, é muito usada em e-commerce para medir a retenção de compradores. A coorte é formada pelos clientes que fizeram a primeira compra no mesmo mês, e a retenção é medida pela porcentagem que fez uma segunda ou terceira compra nos meses seguintes — informação essencial para estimar o valor real de cada cliente ao longo do tempo.

Com que frequência devo atualizar a análise de cohort?

Para a maioria dos negócios, uma revisão mensal é suficiente para acompanhar a evolução da retenção. Em produtos com crescimento acelerado ou que estão testando mudanças com frequência, revisões semanais ajudam a detectar o impacto das alterações mais cedo, antes que um problema de retenção se acumule.

O que é uma boa taxa de retenção no mês 1?

Varia bastante conforme o setor e o modelo de negócio: apps de consumo costumam reter uma fração menor dos usuários no primeiro mês, enquanto produtos de SaaS B2B por assinatura tendem a reter uma parcela bem maior. Em vez de perseguir um número universal, compare sempre com o seu próprio histórico e com o padrão do seu segmento específico — a tendência entre coortes diz mais do que o valor absoluto.

Análise de cohort e funil de conversão são a mesma coisa?

Não. O funil de conversão mostra as etapas até a primeira conversão — como o usuário sai do primeiro contato até virar cliente. A análise de cohort começa depois dessa conversão e acompanha o comportamento do grupo ao longo do tempo. São complementares: o funil explica a aquisição, e a coorte explica a retenção.

Conclusão

A análise de cohort é uma das ferramentas mais poderosas do arsenal de marketing digital e de product analytics, porque revela a verdade que as métricas agregadas escondem. Quando as coortes mais recentes retêm melhor que as antigas, você tem evidência concreta de que o produto está melhorando; quando acontece o contrário, tem um sinal de alerta antes que o churn corroa o negócio — momento de acionar iniciativas de customer success e de onboarding.

Se você ainda não aplica a análise de coorte, comece pelo Google Analytics 4: o relatório de exploração de coortes é gratuito e já traz insights valiosos. Para se aprofundar, vale conferir a documentação oficial da exploração de coorte no GA4 e outros conteúdos de marketing digital no Atraca.