top of page

Análise de cohort para times de marketing e vendas: o guia prático

Foto do escritor: Agência Redstack
Agência Redstack
há 1 dia
7 min de leitura

Quase toda empresa olha para a média: taxa de retenção média, ticket médio, churn médio do mês. O problema é que a média esconde a história. Clientes que entraram em janeiro com uma campanha de desconto se comportam de um jeito; clientes que chegaram em junho por indicação se comportam de outro. Quando você mistura todos no mesmo número, perde exatamente a informação que explicaria por que a receita sobe ou cai. A análise de cohort existe para separar essas histórias e mostrar, grupo a grupo, o que acontece com os clientes depois que eles entram.

Este guia foi escrito para times de marketing e vendas, não para cientistas de dados. A ideia é que, ao final, você consiga montar a sua primeira tabela de cohort com os dados que já tem no CRM, no Google Analytics ou na planilha de faturamento, ler o que ela diz e transformar a leitura em decisão: onde investir mídia, qual segmento priorizar no CRM, que etapa do onboarding precisa de ajuste.

Se a sua empresa já acompanha retenção de clientes e CAC e LTV, a análise de cohort é o passo natural seguinte: ela responde não só "quanto retemos", mas "quem retemos, desde quando e por quê".


O que é análise de cohort, em uma frase

Cohort (ou coorte, em português) é um grupo de pessoas que compartilham uma característica em um mesmo período. Na prática de marketing e vendas, a característica quase sempre é a data de entrada: todos os clientes que compraram pela primeira vez em março de 2026 formam a cohort de março. A análise de cohort acompanha cada um desses grupos ao longo do tempo, separadamente, e compara como eles evoluem.

A diferença em relação a um relatório comum é o eixo do tempo. Em vez de perguntar "quantos clientes ativos temos hoje", você pergunta "dos clientes que entraram em março, quantos continuam ativos no mês 1, no mês 2, no mês 3". Isso elimina o efeito de novos clientes mascarando a saída dos antigos, que é o jeito mais comum de uma base parecer saudável enquanto está vazando.


Por que a média mensal engana o time comercial

Imagine uma empresa que fecha 100 clientes novos todo mês e perde 40% deles no primeiro trimestre. Olhando só o total de clientes ativos, o número cresce mês após mês, e a diretoria celebra. Olhando por cohort, você descobre que cada grupo de 100 vira 60 em noventa dias, e que o crescimento depende inteiramente de continuar comprando clientes novos em volume. É um negócio que cresce no gráfico e sangra no caixa.

O inverso também acontece: uma melhoria no onboarding feita em agosto eleva a retenção das cohorts seguintes, mas a média geral demora meses para mostrar isso. Sem a visão por grupo, o time conclui que a mudança não funcionou e desfaz algo que estava dando certo.


análise de cohort

Os três tipos de cohort que importam para marketing e vendas

Existem muitas formas de agrupar clientes, mas três cobrem a maior parte das decisões do dia a dia.

  • Cohort por data de aquisição: o agrupamento clássico, pelo mês (ou semana) da primeira compra ou do primeiro contrato. Serve para medir a saúde da base e o efeito de mudanças no produto, no atendimento ou no preço.

  • Cohort por canal de origem: agrupa clientes pelo canal que os trouxe, como busca orgânica, Meta Ads, Google Ads, indicação ou evento. É aqui que a análise conversa diretamente com a gestão de tráfego pago: dois canais com o mesmo custo por lead podem entregar clientes com retenção muito diferente.

  • Cohort por comportamento: agrupa quem fez (ou não fez) uma ação específica nos primeiros dias, como concluir o cadastro, participar da reunião de implantação ou fazer a segunda compra em 30 dias. Esse tipo revela os "momentos de ativação" que separam clientes que ficam dos que somem.


O que você precisa ter antes de começar

A análise de cohort não exige ferramenta sofisticada, mas exige três dados confiáveis para cada cliente: a data de entrada, um identificador único e um sinal de atividade ao longo do tempo (compra, login, renovação, uso). Se o seu CRM está com datas inconsistentes ou cadastros duplicados, a tabela vai sair torta. Vale organizar a casa primeiro; um CRM bem configurado resolve boa parte disso.

Também é preciso definir o que significa "ativo" no seu negócio: compra no período para um e-commerce, login ou assinatura mantida para um SaaS, contrato renovado para serviços recorrentes. A definição precisa ser a mesma para todas as cohorts, senão a comparação não vale.


Como montar a tabela de cohort passo a passo

A tabela de cohort clássica tem o formato de um triângulo. As linhas são as cohorts (mês de entrada), as colunas são os períodos desde a entrada (mês 0, mês 1, mês 2...) e cada célula mostra a porcentagem de clientes daquela cohort que continuavam ativos naquele período.

  1. Exporte a base com uma linha por cliente e as colunas: ID, data da primeira compra, e datas (ou meses) em que houve atividade.

  2. Crie a coluna "cohort": o mês da primeira compra, no formato ano-mês.

  3. Crie a coluna "período": para cada atividade, a diferença em meses entre o mês da atividade e o mês da cohort. A primeira compra sempre é período 0.

  4. Conte clientes únicos por combinação de cohort e período. Em planilha, uma tabela dinâmica resolve; em SQL, um GROUP BY.

  5. Divida cada célula pelo tamanho da cohort (o valor do período 0). O resultado é a taxa de retenção.

  6. Aplique uma escala de cores: do mais escuro (alta retenção) ao mais claro (baixa). O padrão visual aparece antes de qualquer cálculo.

Quem usa Google Analytics 4 pode começar sem exportar nada: a Exploração de cohort faz esse agrupamento automaticamente a partir do primeiro acesso ou da primeira conversão, como mostra a documentação oficial do GA4. Para dados de vendas, o caminho mais prático costuma ser levar a exportação do CRM para o Looker Studio e montar a tabela com campos calculados, como explicamos no artigo sobre relatório de marketing no Looker Studio.


Como ler a tabela: três leituras que todo gestor deveria fazer

A tabela pronta pode intimidar, mas há três leituras simples que extraem quase todo o valor dela.

Leitura horizontal (uma linha): mostra a curva de vida de uma cohort específica. A pergunta é: a queda é brusca nos primeiros períodos e depois estabiliza, ou continua caindo sem parar? Uma curva que estabiliza indica que existe um núcleo de clientes fiéis. Uma curva que não para de cair indica que o produto ou serviço não está criando hábito.

Leitura vertical (uma coluna): compara todas as cohorts no mesmo momento de vida, por exemplo, todas no mês 3. Se as cohorts recentes têm retenção maior que as antigas no mês 3, algo melhorou: onboarding, produto, qualidade dos leads. Se piorou, vale cruzar com o que mudou no período: campanha agressiva de desconto, troca de fornecedor, mudança de time.

Leitura diagonal: todas as células de uma mesma diagonal correspondem ao mesmo mês do calendário. Quedas em diagonal costumam apontar eventos externos (uma instabilidade do sistema, uma crise setorial, uma mudança de preço) que afetaram todo mundo ao mesmo tempo, independentemente de quando entraram.


Da leitura à decisão: cinco usos práticos

A análise de cohort só paga o esforço quando vira decisão. Estes são os usos mais frequentes nos projetos que acompanhamos.

  • Redistribuir o orçamento de mídia por canal. Se a cohort vinda de busca paga retém 55% no mês 6 e a cohort vinda de uma rede social retém 20%, o custo por lead deixa de ser o critério principal. O que importa é o custo por cliente retido, e a conta muda a estratégia.

  • Descobrir o momento de ativação. Compare cohorts comportamentais: quem fez a segunda compra em 30 dias versus quem não fez. Se a diferença de retenção no mês 6 for grande, a segunda compra é o evento a perseguir, e o pós-venda e a automação de CRM devem ser desenhados para provocá-la.

  • Validar mudanças antes que a média mostre. Toda alteração relevante (preço, onboarding, script de vendas) deve ser avaliada comparando as cohorts posteriores com as anteriores, no mesmo período de vida.

  • Priorizar segmentos no CRM. A combinação de cohort com análise RFM mostra não só quem compra muito, mas quais grupos de entrada produzem os melhores clientes ao longo do tempo. Isso orienta a régua de relacionamento e os critérios de lead scoring.


Cohort de receita: quando contar clientes não basta

A tabela de retenção conta pessoas. Mas duas cohorts com a mesma retenção podem ter valores muito diferentes, porque uma expandiu (clientes compraram mais, fizeram upgrade) e a outra encolheu (clientes continuaram, mas gastando menos). A cohort de receita resolve isso: em vez de porcentagem de clientes ativos, cada célula mostra a receita daquela cohort no período, dividida pela receita do período 0.

Quando o resultado passa de 100% em períodos posteriores, você tem o que o mercado chama de retenção líquida de receita positiva: a base cresce sozinha, mesmo com alguns clientes saindo. Esse é o indicador que separa negócios saudáveis de negócios que dependem de reposição constante, e é o que estratégias de upsell e cross-sell deveriam mover.


Erros comuns ao fazer análise de cohort

Alguns tropeços se repetem em quase toda primeira tentativa.

  • Cohorts pequenas demais. Com 12 clientes em um grupo, uma saída já muda a taxa em mais de 8 pontos. Se o volume mensal for baixo, agrupe por trimestre.

  • Misturar definições de "ativo". Usar compra para um período e login para outro invalida a comparação.

  • Ler cohorts imaturas como se fossem completas. A cohort do mês passado só tem o período 0 e 1; não dá para concluir nada sobre o mês 6 dela. Compare sempre no mesmo período de vida.

  • Ignorar a sazonalidade. Cohorts que entraram na Black Friday ou em promoções tendem a reter menos. Isso não é problema do produto; é problema de comparar grupos que nunca foram iguais.


Como transformar a análise em rotina

A primeira tabela costuma gerar entusiasmo e depois ser esquecida. Para que a análise de cohort entre na rotina, ela precisa de dono, periodicidade e lugar. O dono costuma ser quem responde pela receita recorrente ou pela base (gestor de CRM, customer success, marketing de relacionamento). A periodicidade razoável é mensal, com uma revisão trimestral mais profunda. O lugar é o dashboard de marketing e vendas que a liderança já acompanha, não um arquivo separado que ninguém abre.

Uma implementação bem feita do RD Station já deixa prontos os campos de origem e data de conversão de que a análise precisa, o que evita meses de retrabalho com planilhas.


O que a análise de cohort muda na conversa entre marketing e vendas

Talvez o maior ganho não seja técnico. Marketing deixa de ser cobrado só por volume de leads e passa a ser avaliado pela qualidade dos clientes que seus canais trazem ao longo do tempo; vendas passa a responder também por quem permanece; e a diretoria ganha um argumento concreto para decidir entre aquisição e retenção. É a visão integrada do Full Stack Marketing: dados, mídia, CRM e produto olhando para o mesmo cliente.

Se a sua empresa quer montar a análise de cohort com os dados que já tem, conectar CRM, mídia e relatórios em um painel único e usar isso para decidir orçamento com mais segurança, a Redstack pode ajudar. Agende uma conversa com a nossa equipe e vamos olhar juntos para a sua base.

Comentários


bottom of page