Cuándo usarla
- Querés saber cuánto vale un cliente a lo largo del tiempo, no solo en la primera compra — y si eso está mejorando o empeorando.
- Podés compartir las órdenes con un id de cliente, fecha de orden y monto (un export de transacciones es perfecto).
- Querés ver retención y valor acumulado por cohorte, y entender qué significa para cuánto podés gastar en conseguir un cliente.
No la uses para inventar valor de vida, curvas de retención ni facturación futura. Si el historial es muy corto para proyectar, la skill lo dice y se queda con lo que realmente pasó.
Si le pasás las filas, hace el análisis. Si solo se las describís, no las inventa.
Esa distinción es toda la regla, y corta para los dos lados:
- Con las filas a mano (un export pegado, un archivo, aunque sean veinte líneas) → arma las cohortes y reporta lo que esas filas dicen. Negarse acá sería su propia forma de fallar: una negativa inventada para parecer prudente.
- Solo una descripción ("tengo 18.000 órdenes desde 2024") → no va a producir tasas de retención, valores acumulados ni un puntaje. Una curva inventada es peor que ninguna, porque parece un hallazgo.
Cuando faltan las filas igual hace todo lo que no las necesita: te pide el export y te dice de entrada qué aguanta y qué no tu historial — que cuatro meses es muy poco para una curva confiable, que los meses con un puñado de clientes hay que agruparlos, cómo va a verse el análisis cuando lleguen los datos. Negarse a inventar no es lo mismo que negarse a ayudar.
Qué hace
Corre un análisis de cohortes del valor del cliente:
- Arma cohortes por mes de primera compra (u otro período que elijas) desde tus transacciones.
- Sigue la retención: qué parte de cada cohorte sigue comprando al mes 1, 3, 6, 12.
- Sigue el valor acumulado: cuánto gastó un cliente promedio de cada cohorte a cada mes — la curva de LTV real, armada con tus datos.
- Compara cohortes: si los clientes nuevos gastan más o menos, se quedan más o menos, que los viejos — y marca la tendencia.
- Explica qué significa: una idea aproximada de cuánto podés gastar para conseguir un cliente, con la salvedad de que depende del margen y del período de repago.
- Marca los límites: historial corto, cohortes finas o meses faltantes — etiqueta las proyecciones como supuestos, nunca como hechos.
- Agrupa las cohortes flacas en vez de reportar ruido: cuando un mes tiene apenas un puñado de clientes nuevos, lo dice y agrupa (por trimestre, normalmente) en vez de presentar una línea saltarina como si fuera una tendencia.
- Cierra con un veredicto — cuando de verdad corrió los números: un puntaje 0–100 de qué tan confiable es el análisis según la profundidad de tus datos; un semáforo (🟢 80+ listo para decidir; 🟡 50–79 orientativo, conseguí más historial; 🔴 <50 muy pocos datos para confiar en las curvas); el único insight que más importa; y una nota de que el puntaje refleja tus datos, no una garantía de valor futuro. Si nunca recibió los datos, no hay veredicto que dar: dice qué le falta. Un puntaje sobre números inventados sería la salida más engañosa de todas.
Cómo usarla
- Compartí tus transacciones: id de cliente, fecha de orden y monto por orden.
- Pedí: "Hacé un análisis de cohortes de LTV por mes de primera compra y decime si mis clientes nuevos valen más."
- Revisá las cohortes y la tendencia; pedile que muestre sus datos de entrada si un número te sorprende.
- Usá la vista de repago para chequear cuánto gastás en adquisición — con tu propio margen.
Para quién es
Ecommerce, suscripciones y negocios de compra repetida que quieren entender el valor real del cliente y cuánto pueden gastar para crecer. Funciona mejor con al menos varios meses de historial de transacciones.