Análise de Cohort para Campanhas de Influenciadores

Análise de Cohort (ou Cohort Analysis) é agrupar clientes por período de aquisição e acompanhar seu comportamento ao longo do tempo. Exemplo: todos os clientes adquiridos em janeiro formam uma cohort. Você acompanha essa cohort por 12 meses — quantos permaneceram ativos, quanto gastaram, quantos indicaram outros clientes. Depois compara com a cohort de fevereiro, março e assim por diante. O que emerge não é um número: é uma história sobre a qualidade real de cada canal de aquisição. A diferença entre cohort analysis e uma simples contagem de conversões é fundamental. Contagem de conversões te diz quantos clientes você ganhou. Cohort analysis te diz quantos você manteve — e o que eles fizeram depois. Essas duas informações juntas determinam se uma campanha de influenciador foi boa ou apenas pareceu boa. Por que cohort analysis é essencial em influencer marketing Influencer marketing tem um problema clássico de curto prazo: a métrica mais visível — conversões no dia do post — favorece influenciadores com audiências grandes e barulhentas, não necessariamente com audiências comprometidas. Um macro influenciador pode gerar 500 vendas no lançamento. Um nano influenciador gera 120. Pelo número de conversões, o macro ganhou. Mas quando você olha a cohort dos clientes de cada um em 90 dias, o cenário muda completamente. Clientes vindos de audiências altamente segmentadas e de confiança tendem a ter retenção mais alta, ticket médio maior ao longo do tempo e maior propensão a indicar amigos. Clientes vindos de campanhas de massa, sem alinhamento de nicho, chegam com curiosidade — e saem sem virar fãs. Cohort analysis torna essa diferença visível. Um segundo motivo: sazonalidade. Campanhas de dezembro trazem clientes diferentes de campanhas de março. Produtos de verão, datas comemorativas, promoções relâmpago — tudo isso afeta a qualidade das cohorts. Sem separar por período de aquisição, esses padrões ficam invisíveis e a marca toma decisões baseadas em média de dados que escondem realidades opostas. Quatro métricas para acompanhar por cohort Cada cohort deve ser acompanhada com pelo menos quatro indicadores: taxa de retenção (quantos % ainda estão ativos mês a mês), LTV acumulado (receita gerada por cliente ao longo do tempo), taxa de recompra (para e-commerce — quantos fizeram mais de uma compra) e taxa de indicação (quantos novos clientes vieram por referral de alguém dessa cohort). Juntos, esses quatro números definem a saúde econômica de um canal de aquisição. Uma cohort saudável de influencer marketing mostra retenção estável (sem queda abrupta entre o mês 1 e o mês 2), LTV crescendo (o cliente vai comprando mais à medida que confia na marca), taxa de recompra acima de 20% para e-commerce e pelo menos alguns casos de indicação orgânica. Uma cohort problemática mostra queda acentuada já no mês 2 — sinal de que a promessa do conteúdo não casou com o produto real. Como implementar cohort analysis em cinco passos Passo 1: defina a unidade de tempo da sua cohort. Mês é o padrão para a maioria dos negócios. Semana funciona para produtos com ciclo de decisão mais rápido. Passo 2: registre a origem de cada cliente no momento da aquisição. Isso significa UTMs funcionando, pixel instalado corretamente e idealmente um campo "origem" no seu CRM ou banco de dados. Sem isso, cohort analysis não é possível. Passo 3: marque o influenciador específico que gerou cada cliente. Não basta saber que o canal foi "Instagram". Você precisa saber que foi a campanha com o influenciador X, publicada na data Y, com a oferta Z. Passo 4: mensalmente, calcule a retenção de cada cohort. Se a cohort de janeiro teve 200 clientes e em março 160 estão ativos, a retenção de 2 meses é 80%. Se caiu para 60 em junho, a retenção de 6 meses é 30%. Plote isso numa tabela com meses nas colunas e cohorts nas linhas — o padrão visual já conta a história. Passo 5: compare cohorts lado a lado. Influenciador A gerou a cohort de fevereiro e influenciador B gerou a de março. Depois de 6 meses, qual reteve mais? Qual gerou mais LTV? Essa comparação informa seu próximo orçamento de influencer marketing com muito mais precisão do que o CPA inicial. Erros comuns sem cohort analysis O erro mais frequente é otimizar pelo CPA do primeiro mês e cortar todos os influenciadores com CPA "alto". Sem cohort, você não vê que o influenciador com CPA de R$ 80 gera clientes com LTV de R$ 600, enquanto o influenciador com CPA de R$ 30 gera clientes que somem depois de uma compra de R$ 90. Você cortou o melhor canal de aquisição da empresa por uma métrica de curto prazo. O segundo erro é não separar cohorts por período sazonal. Uma marca que mistura clientes de novembro (Black Friday) com clientes de fevereiro vai encontrar um padrão médio que não representa nenhum dos dois grupos com fidelidade. Black Friday frequentemente atrai clientes de oportunidade, com churn muito mais alto do que clientes adquiridos fora de promoção. O terceiro erro é esperar 12 meses para fazer a primeira análise. Cohort analysis é útil já em 60-90 dias. Com 8 semanas de dados, você já consegue ver quais cohorts estão retendo e quais estão evaporando. Não espere o ano fechar para agir. Cohort analysis vs. outros métodos de análise Cohort analysis não substitui outras formas de análise — ela as complementa. A/B testing é ótimo para otimizar elementos específicos (headlines, ofertas, formatos de conteúdo) dentro de uma campanha, mas não te diz nada sobre o que acontece com os clientes depois. RFM (Recência, Frequência, Valor Monetário) é útil para segmentar sua base existente e criar campanhas de reativação, mas olha para o passado, não para a origem dos clientes. Cohort analysis é a única das três que conecta diretamente a origem (influenciador, canal, período) ao comportamento ao longo do tempo. Use as três juntas: cohort para avaliar canais de aquisição, RFM para segmentar sua base e personalizar reativação, A/B para otimizar cada elemento de cada campanha. Como a Veeras facilita o acompanhamento por cohort Rastrear cohorts manualmente é trabalhoso. A Veeras registra automaticamente o influenciador de origem de cada conversão — seja via link rastreado, cupom ou UTM — e agrupa os dados por campanha e período de publicação. Você consegue ver, diretamente no painel, a retenção e o LTV médio dos clientes gerados por cada influenciador ao longo do tempo, sem precisar cruzar planilhas manualmente. Isso torna possível tomar a decisão de renovar ou encerrar uma parceria com base em dados reais, não em impressão.