Análisis de la tasa de churn: cómo medir el churn por segmento
Analiza el churn más allá de una media: churn voluntario e involuntario, segmentos por plan, antigüedad y canal, curvas de cohortes y benchmarks comparables.

Analizar la tasa de churn significa dividir una cifra de churn en las partes que necesitan soluciones distintas: primero el churn voluntario frente al involuntario, después segmentos como el plan, la antigüedad, el canal y el medio de pago, y después el momento de las salidas a lo largo de las cohortes. Una sola tasa para toda la empresa no puede mostrar si los clientes rechazan tu producto o si los pagos fallan por sí solos, y oculta los pequeños segmentos donde se concentra el churn. Esta guía muestra las fórmulas, las divisiones que conviene hacer primero, cómo leer las curvas de cohortes, con qué benchmarks comparar y cómo llevar una revisión mensual del churn.
Si primero necesitas las fórmulas básicas, empieza por cómo calcular la tasa de churn. Esta guía retoma donde termina aquella: qué hacer con la cifra una vez que la tienes.
¿Qué fórmulas de churn necesitas y qué te dice cada una?
| Métrica | Fórmula | Lo que revela |
|---|---|---|
| Tasa de churn de clientes (logo churn) | Clientes perdidos en el periodo ÷ clientes al inicio del periodo | Cuántas cuentas se van. Ejemplo: 40 perdidos ÷ 800 clientes iniciales = 5,0%. |
| Tasa de churn de ingresos | MRR perdido por cancelaciones ÷ MRR al inicio del periodo | Cuántos ingresos se van. Ejemplo: 12.000 $ ÷ 200.000 $ = 6,0%. |
| Retención bruta de ingresos | (MRR inicial − churn − contracción) ÷ MRR inicial | Ingresos conservados antes de la expansión. Ejemplo: (200.000 $ − 12.000 $ − 4.000 $) ÷ 200.000 $ = 92,0%. |
| Retención neta de ingresos | (MRR inicial − churn − contracción + expansión) ÷ MRR inicial | Si los clientes existentes hacen crecer los ingresos. Ejemplo: (200.000 $ − 12.000 $ − 4.000 $ + 9.000 $) ÷ 200.000 $ = 96,5%. |
| Conversión de mensual a anual | 1 − (1 − tasa mensual)^12 | Lo que significa una tasa mensual a lo largo de un año. Con un churn mensual del 5%, la pérdida anual compuesta es de alrededor del 46%. |
Estos ejemplos usan cifras hipotéticas sobre la misma base inicial para mostrar por qué las métricas responden a preguntas distintas. El logo churn cuenta todas las cuentas por igual, mientras que el churn de ingresos pondera las salidas por el MRR que representan. La retención bruta de ingresos es más estricta que la neta porque no deja que la expansión de las cuentas que crecen compense las pérdidas en otros sitios; consulta la retención neta de ingresos. Una cifra neta sólida puede coexistir con ingresos que se reducen entre los clientes más pequeños.
La conversión anual importa porque el churn mensual se compone. Al 5% al mes, cerca del 54% de los clientes iniciales siguen ahí al cabo de un año (0,95 elevado a 12), así que se pierde alrededor del 46%, no el 60%. Los planes mensuales y anuales tampoco tienen churn con el mismo calendario, como explica churn anual frente a mensual.
Regla del denominador: Deja por escrito quién cuenta antes de calcular. Indica si se incluyen las pruebas, las cuentas en pausa, los reembolsos y los clientes reactivados, y registra la fecha exacta usada para las fotos iniciales de clientes y de MRR. Mantén esas definiciones fijas de un periodo de informe al siguiente.
¿Cómo separar el churn voluntario del involuntario?
Una cifra total de churn agrupa salidas que necesitan soluciones distintas. El churn voluntario sigue a la decisión de un cliente de cancelar o no renovar. El churn involuntario sigue a un fallo de pago, como una tarjeta caducada o un rechazo del banco. Tratar ambos como un solo resultado puede llevar a un equipo de producto a buscar insatisfacción cuando el problema inmediato es la recuperación de cobros.
Usa los registros de eventos para clasificar las salidas. Una solicitud de cancelación y un uso en caída antes de la salida apuntan a una salida voluntaria. Un código de cargo fallido en la última factura apunta a una involuntaria. En el ejemplo siguiente, 20 de 400 clientes se fueron en un mes: 14 cancelaron y 6 se perdieron por pagos fallidos que nunca se recuperaron, así que el churn voluntario es del 3,5% y el involuntario del 1,5%. La mezcla en tus propios datos será distinta; el churn involuntario explica cómo medirlo.
¿Cómo conciliar los fallos de pago antes de contar el churn?
Una renovación fallida no siempre es una salida definitiva. Fija una ventana de recuperación que corresponda a tu proceso de reintentos de cobro y cuenta al cliente como churn involuntario solo si sigue inactivo cuando se cierra esa ventana. Si el pago tiene éxito y el cliente sigue activo dentro de la ventana, marca el evento como recuperado y no como churn. Así evitas que un problema de cobro temporal se registre como un rechazo del producto, o se cuente de nuevo cuando el cliente vuelve. Cómo funcionan los reintentos, y cuánto tiempo siguen intentándolo las plataformas, está en qué significa un reintento de pago.
En la tabla de facturación, mantén separados el evento de fallo, el estado de recuperación, el estado de cancelación y el estado de reactivación. Un reembolso o un contracargo también necesita su propio registro: puede generar una pérdida de ingresos sin demostrar que el cliente canceló formalmente. Una pausa o un downgrade cambia la cuenta o su valor, pero no debe mezclarse con la pérdida de clientes.
| Tipo de churn | Causa típica | Cómo confirmarlo | Palanca de retención |
|---|---|---|---|
| Churn voluntario | Precio, poco uso, necesidad no cubierta o un competidor | Motivo de cancelación y uso en caída antes de la salida | Mejorar el onboarding u ofrecer una alternativa relevante en el flujo de cancelación |
| Churn involuntario | Tarjeta caducada, fondos insuficientes o rechazo del banco | Código de fallo de pago en la última factura | Usar reintentos automáticos y enlaces de actualización de tarjeta |
| Fallo recuperado | Cargo fallido pagado dentro de la ventana de reintentos | Cliente activo de nuevo antes de que se cierre la ventana | Contarlo como recuperado, no como churn |
| Downgrade o pausa | Cambio de plan o descanso temporal | Cambio de plan o de estado en el historial de facturación | Seguirlo como contracción, separado de la pérdida de clientes |
| Reembolso o contracargo | Disputa o solicitud de reembolso | Registro del reembolso o de la disputa | Seguirlo como pérdida de ingresos y revisarlo aparte |
En una hoja de cálculo, informa del total perdido, el churn voluntario y el churn involuntario neto de recuperaciones en líneas separadas. Ese desglose sencillo da al equipo una primera pregunta más clara: ¿los clientes deciden irse, o un evento de cobro interrumpe una suscripción que, si no, continuaría?
¿Qué segmentos comparar antes de fiarte de la media?
Dos cancelaciones en un mes parecen poca cosa hasta que descubres que vinieron de un nivel de plan con doce clientes. Es una tasa de churn del 16,7% dentro de un segmento que una media de toda la empresa de unos pocos puntos nunca haría aflorar. Las medias suavizan justo los focos donde se concentra el churn, así que compara lo que es comparable antes de considerar sana una tasa.
Las divisiones que conviene hacer primero, porque cada una apunta a una solución distinta:
- Plan o nivel de precio: un plan más barato puede perder clientes más rápido que un nivel premium, mientras que el nivel premium supone más ingresos perdidos por salida.
- Antigüedad: compara 0–30 días, 31–90 días, 91–365 días y más de 365 días. Un pico entre los clientes nuevos apunta al onboarding o al primer valor (consulta onboarding, activación y churn temprano); una subida entre las cuentas antiguas apunta a una deriva del producto o a fricción en la renovación.
- Canal de adquisición: compara las redes sociales de pago con las recomendaciones. Un canal de mucho volumen puede traer clientes cuyas expectativas nunca coincidieron con el producto.
- Tipo de contrato: los planes mensuales crean una oportunidad de cancelación en cada ciclo; los anuales concentran el riesgo en las ventanas de renovación.
- País o zona horaria: los resultados de los pagos varían con la geografía y el momento de la renovación, y un patrón en torno a los días de cobro locales o a los rechazos bancarios merece una revisión de la facturación.
- Medio de pago: los clientes con tarjeta y con adeudo directo fallan de forma distinta, y algunos tipos de tarjeta conllevan más riesgo (consulta tarjetas prepago y virtuales), así que revisa los resultados de recuperación antes de mezclarlos.
- Producto o dispositivo: en una app, separa iOS y Android. Una diferencia reduce la investigación a una experiencia propia de una plataforma.
Haz también la división entre voluntario e involuntario dentro de cada segmento. Un nivel premium que pierde clientes por rechazos de tarjeta necesita reintentos y enlaces de actualización de tarjeta; la misma tasa impulsada por cancelaciones deliberadas necesita una respuesta de producto o de precio. Dos segmentos pueden mostrar tasas de churn idénticas y requerir respuestas opuestas.
Para cada división, muestra la tasa del segmento junto a la tasa global e indica el número de clientes detrás de cada una. Fija una tolerancia para las diferencias que disparan una revisión, y trata las muestras pequeñas como un motivo para reunir más meses de datos y no como una señal para actuar.
Por último, ordena los segmentos por ingresos perdidos además de por tasa. Una tasa de churn modesta en un segmento grande y de MRR alto puede costar más que una tasa espectacular en uno pequeño. Dedica una revisión propia a los tres segmentos con mayor pérdida de ingresos, para que un porcentaje llamativo nunca aparte la atención del golpe comercial más grande.
¿Cómo muestran las cohortes y las curvas de supervivencia cuándo se van los clientes?
Dos negocios de suscripción pueden tener la misma tasa de churn mensual y necesitar soluciones opuestas. Uno pierde clientes en las primeras semanas porque fallan las tarjetas o se atasca el onboarding. El otro parece estable durante once meses y después cae en la renovación. Agrupa a los clientes por el mes en que empezaron a pagar y sigue la proporción activa de cada grupo en hitos coherentes. Una curva de cohorte empieza en el 100% y baja por escalones a medida que se van los clientes; su forma te dice cuándo investigar antes de discutir las causas.
Una caída temprana pronunciada suele separarse en trabajos distintos: pérdida involuntaria en torno a los primeros cargos, o salidas voluntarias cuando fallan la configuración y el primer valor. Una curva plana que cae cerca del mes 12 apunta a la preparación de la renovación y a la ventana de decisión del cliente. La curva no demuestra la causa. Acota el calendario.
Un ejemplo desarrollado con valores ilustrativos:
| Cohorte de registro | Activos en el mes 1 | Activos en el mes 3 | Activos en el mes 6 | Activos en el mes 12 |
|---|---|---|---|---|
| Cohorte más antigua de los datos | 97% | 94% | 91% | 78% |
| Cohorte intermedia | 90% | 81% | 77% | 75% |
| Cohorte más reciente con 12 meses de datos | 95% | 89% | 86% | 82% |
Lee la cohorte más antigua como un problema de renovación: estable hasta el mes 6, después una caída fuerte hasta el mes 12. Lee la cohorte intermedia como un problema de los primeros meses: 10 puntos perdidos en el mes 1, otros 9 en el mes 3, y después un recorrido más plano. La cohorte más reciente muestra una mejor retención temprana, con una erosión que todavía se acumula más tarde.
Rellena cada celda con la proporción aún activa en ese hito. Si una cohorte no ha llegado a un hito, déjalo sin observar en lugar de poner cero. Los clientes que siguen activos cuando termina la observación están censurados por la derecha: su tiempo cuenta, pero su resultado se desconoce. Un artículo de conferencia de SAS sobre el churn en telecomunicaciones modela el churn así sobre una ventana de observación de 15 meses, un recordatorio de que las ventanas de observación desiguales distorsionan los recuentos simples de perdidos o no.
El método de Kaplan-Meier estima una curva de supervivencia teniendo en cuenta a los clientes cuya observación termina antes de que se vayan. Un modelo de riesgos proporcionales, como el modelo de Cox, puede estimar cómo cambia un atributo el riesgo instantáneo de irse. Si un atributo importa sobre todo en torno a la primera factura o solo en la renovación, un único riesgo medio puede ocultar ese momento; estratifica o prueba una interacción con el tiempo antes de fiarte de un solo coeficiente.
Para una revisión de cohortes práctica, agrupa por mes de registro, registra el estado a intervalos fijos, estima cada curva y después compara las cohortes por segmento. La construcción paso a paso, con SQL, está en el análisis de retención por cohortes. Compara cohortes con periodos de observación similares. Cuando dos grupos de tamaño parecido muestran curvas distintas, pregúntate qué mezcla de segmentos, qué patrón de facturación o qué evento contractual cambió antes de tomar la media de la empresa como explicación.
Una curva de cohorte puede mostrar cuándo cambia la retención; no puede identificar la causa por sí sola. Combina el momento con el medio de pago, el origen del registro, el uso, la estructura del contrato y el motivo de cancelación. Los fallos involuntarios cerca de los eventos de facturación piden revisar el momento de la recuperación y la fricción para actualizar la tarjeta. Las salidas voluntarias cerca de la renovación piden demostrar el valor y revisar la oferta. Prueba cualquier cambio frente a una cohorte comparable antes de atribuirle la mejora.
¿Con qué benchmarks puedes comparar y cuáles son sus límites?
Un benchmark solo es útil cuando coinciden el modelo de negocio, el valor del contrato, la métrica y el periodo. Una tasa mensual de logo churn de SaaS B2B no se puede poner al lado de una retención anual de ingresos o de las cancelaciones del primer mes en suscripciones de apps y tratarse como la misma medida. Usa las cifras publicadas para plantear una pregunta; no las conviertas en un objetivo universal.
- 01 Modelo de negocio SaaS B2B, app de consumo o ecommerce
- 02 Contrato Mensual o anual, y el nivel de precio
- 03 Métrica Clientes o ingresos, voluntario o involuntario
- 04 Periodo y definición Mensual o anual, y quién cuenta en la base
| Fuente | Modelo de negocio | Cifra publicada | Comparar solo con |
|---|---|---|---|
| UserMotion 2024 | Más de 1.000 negocios de suscripción | Churn medio del 4,2%, compuesto por un 3,5% voluntario y un 0,7% involuntario (benchmark de UserMotion) | Churn de SaaS B2B con una definición y un periodo comparables |
| SaaS Capital 2025 | Empresas SaaS B2B privadas | Retención bruta de ingresos mediana del 91% y retención neta de ingresos del 101% (benchmarks de retención de SaaS Capital) | Solo comparaciones de retención de ingresos |
| Lighter Capital 2025 | 155 startups SaaS B2B privadas, datos hasta 2024 | Churn de clientes mediano del 16,25% (benchmark de Lighter Capital) | Startups SaaS B2B en fase inicial |
| RevenueCat 2025 | Apps de suscripción | Casi el 30% de las suscripciones anuales canceladas en el primer mes (informe de RevenueCat) | Suscripciones anuales de apps móviles |
| Estudio de Recurly publicado en 2025 | Clientes de suscripciones de ecommerce en Estados Unidos y Europa | El 74% de los suscriptores de ecommerce abandonaron después de su primer año, según una encuesta a 1.000 consumidores (cobertura de Internet Retailing) | Suscripciones de ecommerce para consumidores |
Lee cada fila según la unidad y la población. UserMotion separa el churn voluntario del involuntario, así que su proporción involuntaria te da un control específico del fallo de pago y no de la insatisfacción con el producto. SaaS Capital sirve en las conversaciones sobre retención de ingresos, y dice poco del logo churn enterprise por asientos, donde una cuenta perdida puede borrar las ganancias de varias expansiones. Lighter Capital describe startups privadas; RevenueCat mide el primer mes de los planes anuales de apps; la encuesta de Recurly mide el abandono en el primer año del ecommerce para consumidores. Una media de toda la empresa puede ocultar toda esa mezcla.
Un benchmark se gana su sitio cuando cambia la comparación que haces a continuación. Haz coincidir primero el tipo de cliente, la estructura del contrato y la métrica. Después compara tu segmento con la fila más cercana y anota cada diferencia: facturación anual frente a mensual, consumidor frente a B2B, clientes frente a ingresos, voluntario frente a involuntario. Las cifras públicas de Recurly por sector y nivel de precio están recogidas en benchmarks de la tasa de churn.
El control útil más sencillo es tu logo churn mensual junto a la tasa mensual de un benchmark comparable, con tu proporción involuntaria indicada por separado. Si el benchmark es anual, basado en ingresos o procede de una población de clientes distinta, mantenlo como contexto y construye el objetivo a partir de tus propias cohortes.
¿Cómo encontrar los factores que mueven el churn?
Una vez que sabes qué clientes se van, compara lo que tenían en común los que se fueron con lo que tenían los que se quedaron. Los campos útiles incluyen la finalización del onboarding, el uso activo temprano, los asientos usados frente a los comprados, los tickets de soporte, el NPS, el origen del registro y el medio de pago. No se trata de reunir todos los atributos. Se trata de encontrar una diferencia que te dé una pregunta comprobable.
Supongamos, como ejemplo hipotético, que el 55% de los clientes que se van completaron el onboarding, frente al 80% de los que se quedan. Esa diferencia sugiere una investigación: quizá un onboarding incompleto va con más churn, o quizá otra diferencia entre los grupos explica ambas cosas. Comprueba cuántos clientes hay detrás de cada proporción antes de priorizar el resultado. Una muestra pequeña puede hacer inestable una diferencia que parece grande. Para reunir el contexto de las cancelaciones, usa una encuesta de motivos de cancelación; para los modelos que puntúan a cada cliente, consulta predecir el churn con datos de clientes.
Prueba antes de generalizar: Si un onboarding incompleto se asocia con las salidas, cambia una parte del recorrido de onboarding para un grupo definido de clientes nuevos. Compara la curva de cohorte de ese grupo con la de un grupo de control durante el mismo periodo de observación. Una comparación puede identificar un factor prometedor; una prueba controlada muestra si cambiarlo marca la diferencia.
Lleva un registro breve con el atributo, los tamaños de muestra observados, la interpretación, la prueba propuesta y el resultado. Ese registro hace que la siguiente revisión sea una continuación de la recogida de pruebas y no una nueva ronda de suposiciones. También evita que una correlación se convierta en política antes de que nadie haya probado el mecanismo.
¿Cómo llevar una revisión mensual del churn?
Haz que la revisión mensual sea repetible. Usa un único conjunto de definiciones, conserva la foto inicial y asigna una acción al factor más claro en lugar de terminar con un panel de cambios sin explicar. Las métricas en sí están descritas en el panel de churn.
- 01 Base inicial MRR y clientes en una fecha fija
- 02 Churn de clientes Clientes perdidos ÷ clientes al inicio
- 03 Retención de ingresos MRR perdido, retención bruta y neta
- 04 Desglosar el churn Voluntario, involuntario, recuperado
- 05 Mayores pérdidas Segmentos con más MRR perdido
- 06 Responsable y prueba Una persona, una próxima acción, registrada
- Saca la base inicial. Registra el MRR y el número de clientes al inicio del periodo, usando la misma fecha fija de foto cada mes.
- Calcula el logo churn. Cuenta los clientes perdidos durante el periodo y divídelos entre el número de clientes inicial.
- Calcula la retención de ingresos. Mide el MRR perdido, la retención bruta de ingresos y la retención neta de ingresos, con definiciones coherentes para la contracción y la expansión.
- Divide el churn. Separa las salidas voluntarias de las involuntarias y mantén aparte los fallos de pago recuperados.
- Revisa las mayores pérdidas de ingresos. Dedica una revisión a los segmentos con más MRR perdido, no solo a los de tasas de churn más altas. Compara cada uno con el benchmark más parecido y anota los límites de esa comparación.
- Asigna un responsable y una prueba. Da a cada factor confirmado una persona responsable y una próxima acción, y registra después el resultado en el mismo registro de revisión.
Si destaca el churn involuntario, empieza por las operaciones de facturación. Busca tarjetas caducadas y pagos fallidos antes de las fechas de renovación, y confirma después que los reintentos automáticos y los enlaces de actualización de tarjeta están funcionando. Cierra la revisión registrando en un solo lugar las definiciones de las métricas, los hallazgos por segmento, los resultados de recuperación y las pruebas asignadas. Así la siguiente revisión mensual tiene una base coherente y es más fácil ver si una intervención cambió el patrón.
Preguntas frecuentes
¿Qué es el análisis de la tasa de churn?
Es el trabajo de desglosar una tasa de churn en sus causas y sus lugares: voluntario frente a involuntario, por segmento y según el momento de la vida del cliente en que se produce la salida. El objetivo es una próxima acción concreta y comprobable, no una sola cifra que vigilar.
¿Cuál es la diferencia entre el logo churn y el churn de ingresos?
El logo churn cuenta los clientes perdidos, todos por igual. El churn de ingresos cuenta el MRR perdido, así que una cuenta grande pesa más que una pequeña. Informa de ambos: pueden moverse en direcciones opuestas.
¿Cuántos clientes necesita un segmento para que su tasa de churn signifique algo?
No hay un umbral fijo. Con doce clientes, una cancelación mueve la tasa más de 8 puntos. Indica siempre el número de clientes junto a la tasa, y agrupa meses o segmentos hasta que el número sea lo bastante grande para que una salida no haga oscilar el resultado.
¿Los pagos fallidos deben contar como churn?
Solo cuando se ha cerrado la ventana de recuperación. Una renovación fallida que se paga dentro de tu ventana de reintentos es un pago recuperado, no churn. Cuéntala como churn involuntario solo si el cliente sigue inactivo cuando termina la ventana.
Cómo ayuda NoChurn
NoChurn lee los eventos de suscripción de tu herramienta de facturación (Stripe en un clic, Chargebee, Recurly, Paddle y otros mediante conector, o cualquier facturación mediante la API), así que las salidas voluntarias e involuntarias se separan a partir de eventos de facturación reales. Puedes enviar tus propios atributos de clientes en una llamada a la API, como la fecha de registro, el origen, los asientos, el uso, el onboarding o el NPS, y NoChurn muestra cuáles van con el churn, con el tamaño de muestra detrás de cada resultado: correlación, no causalidad, y solo un indicio mientras las muestras son pequeñas. Detecta cuando un cliente retira una tarjeta poco antes de la renovación, sube el churn score y lanza un flujo de retención antes de que falle el pago. Para actuar sobre lo que muestra la revisión, gestiona la recuperación de pagos fallidos, flujos de cancelación con una oferta por motivo y una cancelación en un clic siempre visible, y correos de win-back a los 30, 60 y 90 días. Consulta datos propios e IA, churn score, pagos fallidos y flujos de cancelación.