Cohort Analysis

Cohort Analysis (análise de coorte) é uma técnica de análise de dados que agrupa usuários com característica comum (coorte) e acompanha o comportamento desse grupo ao longo do tempo. Permite identificar padrões que análise agregada esconde: usuários que entraram em janeiro retornam mais que os de fevereiro? Compradores recorrentes começaram com qual produto? Coortes baseadas em data de cadastro são as mais comuns, mas qualquer característica compartilhada pode definir uma coorte.

O que é Cohort Analysis?

Cohort Analysis estuda comportamento de grupos de usuários ao longo do tempo, em vez de média geral. “Usuários que se cadastraram em janeiro de 2026” é uma coorte. O que essa coorte fez nas semanas seguintes? Quantos retornaram? Quantos compraram? Quantos abandonaram?

Comparar coortes diferentes (janeiro vs fevereiro vs março) revela tendências. Se a retenção da coorte de março é melhor que a de janeiro, alguma mudança no produto ou marketing aconteceu nesse período. Análise agregada mostraria “retenção média geral” sem essa nuance.

É ferramenta essencial para qualquer produto ou negócio com tempo de relacionamento longo: SaaS (assinaturas), e-commerce (compradores recorrentes), conteúdo (leitores assíduos), serviços (clientes mensais). Permite entender se o produto está melhorando ou piorando ao longo do tempo.

No contexto WordPress, cohort analysis é particularmente útil para WooCommerce (cohorts de primeiros compradores), portal de conteúdo com assinatura, comunidades (BuddyPress, bbPress) e sites com login frequente.

Tipos de coortes

Quatro tipos principais cobrem a maioria das aplicações.

Cohorts por aquisição (data de cadastro)

O mais comum. Agrupa usuários pelo período em que se cadastraram (janeiro, fevereiro, março). Acompanha retenção, conversão, engagement por mês de cadastro. Ideal para entender se mudanças no produto melhoram aquisição/retenção ao longo do tempo.

Cohorts comportamentais (ação tomada)

Agrupa por ação específica que o usuário fez. “Usuários que completaram tutorial onboarding” vs “usuários que pularam onboarding”. Cohorts comportamentais revelam impacto de ações específicas no comportamento futuro.

Cohorts demográficos

Agrupa por característica do usuário: idade, localização, dispositivo, fonte de tráfego (Google, Facebook, e-mail). Útil para identificar quais segmentos têm comportamento diferente. Coorte mobile vs desktop pode ter retenção muito diferente.

Cohorts de produto

Agrupa por produto comprado, plano contratado, feature usada. “Compradores do plano Basic” vs “compradores do plano Pro”. Mostra qual segmento tem maior LTV, churn, expansão. Crítico para decisões de pricing e desenvolvimento de produto.

Por que usar Cohort Analysis?

Quatro motivos justificam o investimento em cohort analysis. Detectar tendências escondidas: “retenção média de 60%” pode esconder coorte de janeiro com 40% e março com 80%. A média parece estável; a realidade está mudando rapidamente. Cohort revela.

Avaliar impacto de mudanças. Lançou nova feature? Compare retenção de coortes pré e pós-lançamento. Mudou onboarding? Compare conversão de coortes antes e depois. Análise agregada não isola esse efeito; cohort sim.

Calcular LTV (Lifetime Value) com precisão. LTV varia entre coortes — coorte que veio de Black Friday pode ter LTV diferente de orgânica. Saber isso permite ajustar CAC máximo aceitável por canal de aquisição.

Identificar churn antecipadamente. Padrões de churn aparecem em coortes mais cedo que em médias agregadas. Coorte que começa a cair de 80% para 60% de retenção em mês 2 sinaliza problema antes de afetar média geral. Permite ação corretiva precoce.

Cohort Analysis vs Segmentação tradicional

Segmentação tradicional agrupa usuários por característica em momento específico. “Clientes ativos de São Paulo” — esse grupo, hoje. Pode mudar amanhã (cliente migra, fica inativo).

Cohort fixa o grupo por característica permanente (geralmente data de evento). “Usuários cadastrados em janeiro de 2026” — esse grupo nunca muda. Pode estar mais ativo ou menos com o tempo, mas o grupo permanece o mesmo.

Diferença prática: segmentação responde “como esse grupo está agora?”. Cohort responde “como esse grupo evoluiu ao longo do tempo?”. Ambos são úteis, para perguntas diferentes.

Para análise de retenção, churn, LTV ao longo do tempo, cohort é a ferramenta certa. Para análise de conversão por persona em momento atual, segmentação. Combinar ambos dá visão completa: cohort de janeiro, segmentado por canal de aquisição, comparado mês a mês.

Como fazer Cohort Analysis

Quatro passos cobrem cohort analysis básico.

Definir coorte

Decida qual característica define a coorte. Data de cadastro é ponto comum (semanal ou mensal, dependendo do volume). Pode também ser data de primeira compra, fonte de aquisição, plano contratado.

Escolher métrica

O que você está medindo? Retenção (% que voltou na semana N), receita (média gasta acumulada por usuário), conversão (% que comprou pela primeira vez), engagement (sessões por usuário).

Período de análise

Quanto tempo acompanhar cada coorte? Para SaaS, geralmente 12 meses (entender LTV anual). Para e-commerce sazonal, 6-12 meses. Para conteúdo com churn rápido, 3 meses pode bastar.

Tabela de coortes

Visualização clássica: linhas são coortes (jan, fev, mar…), colunas são períodos (semana 1, semana 2, semana 3…). Cada célula mostra o valor da métrica. Padrões aparecem visualmente — coortes recentes melhores ou piores que antigas.

Ferramentas para Cohort Analysis

Quatro ferramentas cobrem a maioria das necessidades.

Google Analytics 4

GA4 tem relatório nativo de cohort em Reports > Engagement > Retention. Mostra cohorts semanais por padrão. Configurável para outras dimensões. Gratuito, integrado com sites WordPress via plugin oficial. Veja mais sobre Google Analytics WordPress.

Klaviyo

Para e-commerce, Klaviyo tem relatórios de cohort de receita por cliente, baseados em data de primeira compra. Mostra retenção de receita por coorte. Integração nativa com WooCommerce. Veja Klaviyo WordPress.

Mixpanel

Plataforma de analytics focada em produto digital. Cohort analysis avançado, com dimensões customizadas (qualquer property), comparação de cohorts, gráficos exportáveis. Pago, mas mais robusto que GA4 para análise comportamental profunda.

Plugins WordPress

Plugins como MetorikSuite (para WooCommerce) oferecem cohort analysis integrado, com visualizações específicas para e-commerce. Independent Analytics tem versão gratuita com cohort básico. Para sites WordPress com analytics próprio, é a integração mais simples.

Cohort Analysis em e-commerce WordPress

Em WooCommerce, cohort analysis transforma decisões. Cohort de primeiros compradores: quantos voltam para segunda compra? Quanto tempo entre primeira e segunda? Qual produto foi a entrada típica? Insights direcionam estratégia de retenção.

Cohort por canal de aquisição mostra qual canal traz clientes mais valiosos. Comprador via Google Ads pode ter LTV diferente de comprador via e-mail marketing. Saber isso permite alocar budget para canais de maior LTV, não maior conversão imediata.

Cohort sazonal é importante. Comprador de Black Friday tipicamente tem LTV menor que comprador de outros períodos — vem pela promoção, geralmente não retorna. Saber isso ajusta expectativas e estratégia pós-venda específica para esse grupo.

Combine cohort com funil de conversão, RFM segmentation e KPIs para visão completa de saúde do e-commerce.

Perguntas frequentes

Cohort analysis e o mesmo que segmentação? Não. Segmentação agrupa usuários por característica em momento atual. Cohort fixa o grupo por característica permanente (data de evento, geralmente) e acompanha ao longo do tempo. Cohort revela evolução; segmentação revela estado atual.

Quanto tráfego preciso para fazer cohort analysis? Para análise útil, mínimo 1.000-5.000 usuários por coorte. Sites pequenos podem agrupar em coortes maiores (trimestrais em vez de mensais) para ter volume. Tráfego muito baixo torna análise estatisticamente fraca.

Como fazer cohort analysis no WordPress? Para conteúdo geral, use Google Analytics 4 (relatório nativo). Para e-commerce, plugins como Metorik ou Klaviyo. Para análise comportamental profunda, Mixpanel via Google Tag Manager. Cada plataforma tem fortes próprios — escolha conforme necessidade.

Análise avançada de comportamento de usuários: conheça os planos PRO da FULL Services. Entregamos WordPress com integração de Analytics, Klaviyo e ferramentas de BI configuradas para análise profunda.