Rebasa tus primeros cien usuarios en el mes 3
Deja de juzgar la retención temprana demasiado pronto: rebasa la curva una vez que se disipa la rotación inicial y comprueba si se está formando una cohorte real.
Probablemente hayas hecho las cosas que no escalan: notas a mano, llamadas de onboarding, perseguir a los mismos usuarios hasta que el producto dejó de sentirse como una demo. Ahora los primeros cien se han ido y las cifras iniciales se ven feas. La tentación es llamarlo un problema de retención antes de que se vayan los turistas.
La rotación temprana no es lo mismo que un fracaso de product-market fit. Quienes se registran en una herramienta nueva suelen incluir a los curiosos, a los impacientes y a quienes buscaban una respuesta rápida. Se van. Eso no es toda la historia.
Rebasa la curva en el mes 3
La revisión de a16z de cientos de empresas de IA mostró que mover los cálculos de retención y adquisición del mes cero al mes tres ayuda a los fundadores a detectar señales tempranas de retención, product-market fit, unit economics e inversión en go-to-market. El método de rebase de a16z compara la retención del mes 12 con la del mes 3 en lugar del mes 0, porque la mayor parte de la rotación de turistas ya se ha disipado para el mes 3. Rebasa tu tabla de retención para que el denominador sean los usuarios que siguen activos en el mes 3, no los que alguna vez se registraron. Mantener el mes 0 en la cifra principal mezcla usuarios reales con rotación temprana y hace que cada mes posterior se vea peor de lo que es.
Define «activo» antes de calcular nada. La definición debe ser la acción que hace que el usuario vuelva, no un login. Si la acción es demasiado amplia, la curva se verá más sana de lo que es el producto. Si es demasiado estrecha, confundirás una cohorte real con un fantasma.
Mide M12/M3 antes de escalar
Mide la ratio de la retención del mes 12 sobre la del mes 3. a16z trata esa ratio como una forma de evaluar cómo se comportan los clientes que sobreviven a la rotación temprana de turistas durante su primer año completo y como una señal temprana de la calidad de la retención a largo plazo. El resultado es un solo número que puedes comparar entre cohortes, no una lista de conteos brutos.
Calcúlalo para cada cohorte de registro, no solo para el producto en su conjunto. Un número mixto puede ocultar una nueva cohorte débil bajo una antigua fuerte. Si solo tienes una cohorte, médelo mensualmente y anota si la ratio es estable, creciente o decreciente.
La ratio elimina las primeras semanas de la curva de retención y plantea una pregunta más simple: ¿los que tomaron una decisión real de quedarse siguen usando el producto? Esa es la pregunta que tus primeros cien pueden responder, si aún puedes hablar con ellos.
Clasifica la forma y luego decide
Clasifica una curva que se aplana después del mes 3 como señal de que se está formando una cohorte fundacional. Clasifica una curva que sigue cayendo como un problema de product-market fit, no de canal. La forma te dice si debes seguir construyendo a mano o arreglar el producto antes de añadir distribución.
Escribe la clasificación junto a cada cohorte: aplana y sostiene, o declive perpetuo. Si no puedes escribirla, tu tabla es demasiado ruidosa. Añade la definición de activo, la línea base del mes 3 y la ratio M12/M3 antes de tomar una decisión.
Malika Aubakirova, de a16z, analizó el uso real de LLM en OpenRouter en 2025 y encontró que los productos que carecen de una cohorte fundacional mostraban que cada cohorte de registro se erosionaba rápidamente sin un suelo a largo plazo. Rodriguez e Immerman, de a16z, usaron datos de retención de ChatGPT en septiembre de 2025 para documentar una curva de retención sonriente como el ejemplo más claro. La forma significa que la caída inicial es pronunciada y luego la línea se dobla y se sostiene.
Las principales empresas de IA self-serve o de suscripción mensual ya muestran un fuerte rendimiento en la base mes 12 sobre mes 3, lo que a16z considera un indicador adelantado de una retención neta de dólares a largo plazo superior al 100%. SaaS Capital situó la mediana de retención neta de ingresos de 2025 para empresas privadas de SaaS en 101%, según Userpilot. Úsalo como punto de referencia, no como objetivo para tu cohorte temprana.
No compres tráfico para que la curva se vea mejor. La adquisición de pago puede ocultar la forma de la curva y puede hacer que una cohorte débil se parezca a un problema de crecimiento. Necesitas la versión no escalable del diagnóstico: un pequeño grupo de usuarios con los que realmente puedas hablar.
No añadas otro canal hasta que la ratio M12/M3 sea estable. La prueba es un proceso manual repetible: puedes hacer onboarding a un nuevo usuario sin un nuevo playbook, y la siguiente cohorte no necesita una promesa diferente.
Si la curva sigue cayendo, la solución suele estar en el producto, en el onboarding o en la promesa que hiciste. Arregla eso antes de gastar dinero en distribución.
