Agência
Marca & CriaçãoBranding & PosicionamentoIdentidade VisualConteúdo & CopywritingProdução AudiovisualLive Experience
Performance & GrowthSocial MediaInbound & NutriçãoTráfego PagoSEO & GEOPublicidadePesquisa de Mercado com IABI & DashboardsWeb AnalyticsCRO
IA & AutomaçãoConsultoria de Adoção de IAIntegração CRM & DadosAutomação de ProcessosAgentes de IAAutomação de Marketing com IABase de Conhecimento de Marca para IA
Tecnologia & Produtos DigitaisDesenvolvimento Web & AppsDesenvolvimento de MVPTech & SecurityLGPDLow-code & No-codeDesenvolvimento Assistido por IA
Relacionamento & ReputaçãoAssessoria de ImprensaInfluência & CEO PositioningGestão de CriseComunicação InternaExperiência & Trade
PortfólioBlogContato
Clientes sentados no balcão de um café, vistos de costas, diante da vitrine
Performance

Análise de cohort: o que é, como fazer e as três contas de retenção do GA4

Análise de cohort agrupa clientes pela data de entrada e mede quantos voltam. No GA4, a semana começa no domingo e há três contas de retenção. Veja qual usar.

Resposta rápida

Análise de cohort (ou de coorte) é o método que agrupa clientes ou usuários pela data em que entraram, como o mês da primeira compra, e acompanha quantos de cada grupo voltam nos períodos seguintes. Ela mostra se a retenção está melhorando de uma turma para outra, coisa que a média geral esconde. No GA4, a semana da coorte vai de domingo a sábado, e há três cálculos, padrão, contínuo e cumulativo, que produzem curvas diferentes com os mesmos dados. A regra certa depende da pergunta de negócio.

Toda empresa que vende mais de uma vez para o mesmo cliente acaba fazendo a mesma pergunta: as pessoas estão voltando? O painel costuma responder com uma média, a taxa de retenção do mês, e a média quase sempre engana. Ela mistura clientes que chegaram há dois anos com os que chegaram na semana passada, e uma campanha que trouxe muita gente de uma vez pode esconder uma piora real.

A análise de cohort resolve isso separando os clientes em turmas, pela data de entrada. Este guia explica o que é, quando usar, como montar no GA4, no Excel e no Power BI, e mostra um detalhe que os tutoriais não contam: a mesma base de dados gera curvas de retenção diferentes conforme a regra de contagem que a ferramenta usa.

O que é análise de cohort?

Cohort, ou coorte em português, é um grupo de pessoas que compartilham uma característica num mesmo período. Na análise de marketing e de produto, a característica mais usada é a data de entrada: todos os clientes que fizeram a primeira compra em janeiro formam a coorte de janeiro, os de fevereiro formam a de fevereiro, e assim por diante.

A análise acompanha cada coorte ao longo do tempo e mede quantos de seus membros voltam a fazer alguma coisa (comprar, acessar, usar o produto) no período 1, no período 2, no período 3. O resultado é uma tabela em escada: cada linha é uma coorte, cada coluna é um período desde a entrada, e cada célula diz quantos voltaram. Lida na vertical, a tabela mostra se as turmas mais novas retêm melhor ou pior do que as antigas.

Por que cohort é importante?

Porque separa o efeito do tempo do efeito da turma. Uma taxa de retenção geral que cai pode significar que o produto piorou, ou só que entrou muita gente nova, que naturalmente volta menos no começo. A análise de cohort distingue as duas coisas.

  • Mostra o impacto de mudanças: se o onboarding mudou em março, a coorte de março em diante deve reter diferente das anteriores.
  • Avalia a qualidade da aquisição: clientes trazidos por uma promoção agressiva podem comprar uma vez e sumir; a coorte daquele mês revela isso.
  • Alimenta o cálculo de valor do cliente: a curva de retenção por coorte é a base para estimar quanto um cliente gera ao longo do tempo.
  • Antecipa o churn: a queda na retenção dos primeiros períodos aparece antes de afetar a receita total.

A ligação com o valor do cliente é direta: a mesma tabela de coorte é o método mais usado para estimar o LTV, como mostramos no artigo sobre lifetime value e o que o GA4 chama de valor.

Quais são os tipos de análise de coorte?

Há dois grandes tipos, que respondem a perguntas diferentes:

TipoComo agrupaPergunta que respondeExemplo
Coorte de aquisiçãoPela data de entrada (primeira visita, primeira compra, cadastro)As turmas novas retêm melhor que as antigas?Clientes da primeira compra em março
Coorte comportamentalPor uma ação feita no período (usou um recurso, comprou certa categoria)Quem faz X volta mais do que quem não faz?Quem usou o cupom na primeira compra
Coorte por origemCoorte de aquisição detalhada por canal, campanha ou regiãoQual canal traz o cliente que fica?Primeira compra em março vinda de mídia paga

Organização da Alliance Comunicação a partir das formas usuais de análise de coorte.

Na prática, quase toda análise começa pela coorte de aquisição e depois é detalhada por origem ou por comportamento. A pergunta de negócio decide o recorte, e não o contrário.

Quando usar a análise de cohort?

Ela faz sentido sempre que o negócio depende de o cliente voltar. Os casos mais comuns:

  • Assinatura e SaaS: quantos clientes de cada mês continuam pagando no mês 3, 6, 12.
  • E-commerce: quantos compradores de primeira viagem fazem a segunda compra, e em quanto tempo.
  • Aplicativos e conteúdo: quantos usuários de cada semana voltam a abrir o app.
  • B2B com recompra: quantos clientes de cada trimestre renovam ou ampliam o contrato.
  • Avaliação de campanha: se os clientes de uma ação específica se comportam diferente dos trazidos por outros canais.

Ela faz menos sentido quando a compra é única por natureza (um imóvel, uma formatura) ou quando o volume é tão pequeno que cada coorte tem poucas pessoas e qualquer variação vira ruído.

Como o GA4 conta a semana e o mês da coorte?

Aqui está o primeiro detalhe que muda o resultado. Na exploração de coorte do GA4, os períodos seguem o calendário, e não uma contagem de dias corridos:

Na exploração de coorte do GA4, a granularidade semanal vai de domingo a sábado, com os dois dias inclusos, e não considera um período de sete dias consecutivos. A diária vai da meia-noite à meia-noite no fuso horário da propriedade, e a mensal, do início ao fim do mês.
Fonte: Google, Central de Ajuda do Google Analytics, “Exploração de coorte” (consultada em 18/11/2026)

A consequência prática: um usuário que entrou num sábado tem uma “semana 0” de um único dia. Se ele volta no domingo seguinte, o GA4 o conta como retido na semana 1, embora tenha voltado no dia seguinte. Um usuário que entrou num domingo tem sete dias de semana 0. Coortes semanais do GA4 misturam, portanto, pessoas com janelas iniciais de tamanhos diferentes.

Diagrama comparando a semana de calendário do GA4, de domingo a sábado, com a contagem de sete dias corridos, mostrando que um usuário que entra no sábado e volta no domingo conta como retido na semana 1 no GA4 e na semana 0 na contagem corrida
O mesmo retorno, no dia seguinte à entrada, cai em semanas diferentes conforme a regra. Por isso a tabela do GA4 não bate com a de uma planilha feita por dias corridos.

Nenhuma das duas regras está errada. O problema surge quando alguém compara a tabela do GA4 com uma montada no Excel ou no CRM com dias corridos e conclui que um dos números está quebrado. Antes de comparar, confira a regra de período das duas fontes.

Qual a diferença entre os cálculos padrão, contínuo e cumulativo?

Este é o segundo detalhe, e o que mais muda a leitura. O GA4 oferece três formas de decidir quem conta como retido em cada período:

  • Padrão: cada célula inclui todos os usuários da coorte que atendem ao critério de retorno naquele período, não importa o que fizeram nos outros.
  • Contínuo: cada célula inclui quem atende ao critério naquele período e em todos os anteriores. Quem falhou uma semana sai da conta para sempre.
  • Cumulativo: cada célula inclui quem atendeu ao critério em qualquer período até ali. Quem voltou uma vez continua contando.

Para ver o efeito, imagine uma coorte de 10 usuários e o padrão de retorno de cada um nas semanas 1, 2 e 3 (exemplo ilustrativo). Cinco voltam na semana 1, cinco na semana 2 e cinco na semana 3, mas não são sempre os mesmos cinco. O resultado nas três contas:

CálculoSemana 1Semana 2Semana 3Leitura
Padrão50%50%50%Retenção estável: metade volta toda semana
Contínuo50%30%20%Retenção caindo: poucos voltam sem falhar
Cumulativo50%70%80%Alcance crescendo: quase todos já voltaram alguma vez

Exemplo ilustrativo da Alliance Comunicação, com as regras de cálculo descritas na Central de Ajuda do Google Analytics.

Gráfico com três curvas de retenção da mesma coorte de dez usuários: a do cálculo padrão estável em 50 por cento, a do contínuo caindo para 20 por cento e a do cumulativo subindo para 80 por cento
Os mesmos dez usuários, as mesmas visitas, três histórias diferentes. A escolha do cálculo é uma decisão de negócio, não um ajuste visual.

Qual usar? O padrão responde “quantos estão ativos em cada período” e serve para acompanhar engajamento. O contínuo responde “quantos criaram o hábito sem interrupção” e é o mais exigente, útil para produtos de uso frequente. O cumulativo responde “quantos já voltaram pelo menos uma vez” e funciona bem para recompra no e-commerce, em que o cliente não precisa comprar toda semana.

Como fazer análise de cohort no GA4?

O caminho é a seção Explorar, com a técnica de exploração de coorte. Os passos:

1. Defina o critério de inclusão

É o que coloca o usuário na coorte: primeiro contato (data de aquisição), qualquer evento, qualquer transação, qualquer conversão ou um evento específico. Para retenção de clientes, a primeira transação costuma ser o critério mais útil; para engajamento, o primeiro contato.

2. Defina o critério de retorno

É o que conta como “voltou”: qualquer evento, qualquer transação, qualquer conversão ou um evento específico. Um retorno por qualquer evento mede visita; por transação, mede recompra. Misturar os dois é o erro mais comum.

3. Escolha a granularidade

Diária, semanal ou mensal. Escolha pelo ciclo natural do negócio: um app de uso diário pede semanas; um e-commerce de reposição mensal pede meses.

4. Escolha o cálculo

Padrão, contínuo ou cumulativo, conforme a pergunta (veja a seção anterior). Anote a escolha no relatório: quem lê a tabela precisa saber qual regra gerou o número.

5. Detalhe com cuidado

Dá para abrir as coortes por uma dimensão, como canal ou dispositivo. Mas respeite os limites: a análise exibe no máximo 60 coortes e, com uma dimensão de detalhamento, apenas os 15 principais valores. Coortes muito pequenas podem ser omitidas por limiar de anonimato, sobretudo em dimensões geográficas.

Como fazer análise de cohort no Excel e no Power BI?

Quando o GA4 não basta, por exemplo quando a compra acontece no CRM, na loja física ou num ERP, a tabela pode ser montada a partir da base de pedidos. A lógica é a mesma nas duas ferramentas:

  1. Uma linha por pedido, com o identificador do cliente e a data.
  2. Data de entrada de cada cliente: a menor data de pedido daquele cliente. Ela define a coorte (por exemplo, o mês da primeira compra).
  3. Período desde a entrada: a diferença, em meses ou semanas, entre a data do pedido e a data de entrada. No Excel, para meses, a conta (ano do pedido − ano de entrada) × 12 + (mês do pedido − mês de entrada) resolve.
  4. Tabela dinâmica com a coorte nas linhas, o período nas colunas e a contagem distinta de clientes nos valores.
  5. Divisão pelo tamanho da coorte, a coluna do período 0, para chegar à porcentagem.

No Power BI, a diferença de períodos costuma ser feita com a função DATEDIFF do DAX. Vale saber como ela conta: segundo a documentação da Microsoft, a função retorna o número de limites de intervalo entre duas datas. Entre 1º de julho de 2019 e 31 de dezembro de 2021, o exemplo oficial dá 29 meses, e não 30. É uma regra de calendário, parecida com a do GA4, e diferente de dividir os dias por 30.

Por isso, a regra precisa ser decidida antes da fórmula. Quem monta a tabela no Excel por dias corridos e compara com o GA4 por calendário vai encontrar diferenças que não são erro. Detalhamos armadilhas parecidas de cálculo no artigo sobre a taxa que a coluna calcula errado no DAX.

Como ler uma tabela de coorte?

A tabela tem três direções de leitura, e cada uma responde a uma pergunta diferente. Vale percorrer as três antes de tirar qualquer conclusão:

  • Na horizontal (uma linha): mostra a vida de uma turma. Quanto cai do período 0 para o 1, onde a curva se estabiliza e se há algum período em que ela volta a subir, como num mês de recompra sazonal.
  • Na vertical (uma coluna): compara turmas no mesmo ponto da vida. Se a coluna do período 3 melhora de cima para baixo, as coortes mais novas estão retendo melhor. É a leitura que mostra o efeito de uma mudança.
  • Na diagonal: junta células do mesmo mês do calendário, de turmas diferentes. Uma queda que aparece na diagonal, e não nas linhas, costuma indicar um evento externo naquele mês, como uma falha no site ou uma mudança de preço.

A primeira queda, do período 0 para o 1, é quase sempre a maior, e é ali que pequenas melhorias rendem mais. Um onboarding que faz mais gente voltar na primeira semana desloca a curva inteira para cima. Já a parte plana da curva, quando ela para de cair, mostra o núcleo de clientes que ficou: é esse número que sustenta a receita recorrente.

Um cuidado final: coortes de tamanhos muito diferentes não devem ser somadas numa média simples. Uma turma de 5 mil clientes e outra de 200 não têm o mesmo peso. Se for preciso resumir, pondere pelo tamanho de cada coorte ou mostre as duas lado a lado.

Quais os erros mais comuns na análise de cohort?

  • Não declarar o cálculo. Uma tabela de retenção sem dizer se é padrão, contínua ou cumulativa não pode ser comparada com nada.
  • Comparar fontes com regras de período diferentes. Semana de calendário no GA4 e sete dias corridos na planilha não batem.
  • Misturar critério de retorno. Visita não é recompra; escolha um e mantenha.
  • Ler as coortes recentes como se fossem completas. A coorte do mês passado ainda não teve tempo de chegar ao período 6.
  • Coortes pequenas demais. Com poucas pessoas por turma, uma variação de dois clientes parece tendência.
  • Olhar só a média. O valor da análise está em comparar as linhas entre si, não em tirar mais uma média.

Por onde começar hoje

Escolha uma pergunta de negócio, uma só. “Os clientes que chegaram depois da mudança no onboarding voltam mais?” ou “Os compradores da Black Friday fazem a segunda compra?”. A partir dela, decida o critério de entrada, o de retorno, a granularidade e o cálculo, e escreva essas quatro escolhas no topo da tabela. Só então monte a análise, no GA4 se o comportamento está no site, no Excel ou no Power BI se está no CRM.

Quando a retenção precisa virar painel, com coortes atualizadas sozinhas a partir do CRM e do site, o time de BI e dashboards da Alliance integra as fontes e documenta as regras de cálculo. E, para ver onde a retenção se encaixa no marketing como um todo, o diagnóstico de marketing gratuito leva cerca de 30 minutos e aponta as lacunas de dados, CRM e relacionamento.

CohortRetençãoGA4BIPower BI

Perguntas frequentes

O que é análise de cohort?+

É o método que agrupa clientes ou usuários pela data em que entraram, como o mês da primeira compra, e acompanha quantos de cada grupo voltam nos períodos seguintes. O resultado é uma tabela em escada que mostra se as turmas mais novas retêm melhor ou pior do que as antigas.

Como fazer análise de cohort?+

Defina o critério de entrada na coorte, o critério de retorno, a granularidade e a regra de cálculo. Depois agrupe os clientes pela data de entrada e conte, em cada período seguinte, quantos voltaram, dividindo pelo tamanho da coorte. Isso pode ser feito no GA4, no Excel ou no Power BI.

Como fazer análise de cohort no Power BI?+

Monte uma tabela de pedidos com cliente e data, calcule a data de entrada de cada cliente e use DATEDIFF para obter o período desde a entrada. Depois crie uma matriz com a coorte nas linhas, o período nas colunas e a contagem distinta de clientes. Lembre que DATEDIFF conta limites de calendário, não dias corridos.

Como fazer análise cohort no Excel?+

Em uma base com uma linha por pedido, encontre a primeira data de compra de cada cliente, calcule quantos meses separam cada pedido dessa data e monte uma tabela dinâmica com a coorte nas linhas, o período nas colunas e a contagem distinta de clientes. Divida cada célula pelo tamanho da coorte para obter a porcentagem.

Por que e como utilizar a análise de coorte?+

Ela separa o efeito do tempo do efeito da turma, mostrando se uma mudança no produto, no onboarding ou na aquisição melhorou a retenção. Use-a acompanhando coortes de aquisição mês a mês e detalhando por canal ou comportamento quando a pergunta exigir.

Por que cohort é importante?+

Porque a taxa de retenção geral mistura clientes antigos e novos e pode esconder uma piora ou uma melhora real. A coorte isola cada turma, antecipa o churn e alimenta o cálculo do valor do cliente ao longo do tempo.

Quando usar a análise de cohort?+

Sempre que o negócio depende de o cliente voltar: assinaturas, e-commerce com recompra, aplicativos, conteúdo e B2B com renovação. Ela é menos útil para compras únicas por natureza ou quando cada coorte tem poucas pessoas.

Quais são os tipos de análise de coorte?+

Os principais são a coorte de aquisição, que agrupa pela data de entrada, e a coorte comportamental, que agrupa por uma ação feita no período. A coorte de aquisição costuma ser detalhada por origem, como canal ou campanha, para mostrar qual fonte traz o cliente que fica.

Leia também

20 artigos
Pessoa caminhando para fora do quadro ao longo de uma parede amarelaTaxa de churn: como calcular e por que a janela de inatividade decide o número · 17 min de leituraRelatório impresso com gráfico de barras ao lado de um notebookPower BI Embedded: como pôr o painel no portal do cliente sem expor os dados · 15 min de leituraLápis coloridos alinhados como barras de um gráficoVisualização de dados: qual gráfico usar e o erro de depender só da cor · 14 min de leituraNotebook com gráfico de barras na tela ao lado de uma xícara de caféDAX no Power BI: o que é, medida x coluna e por que a taxa sai errada no total · 19 min de leituraAmpulheta sobre a mesa marcando o tempo que restaMicrosoft Fabric: o que é, como funciona a capacidade e o que some após o teste · 15 min de leituraTela de notebook com código de consulta em fundo escuroBigQuery: o que é, quanto custa a consulta e por que o LIMIT não barateia · 17 min de leituraMão segurando uma calculadora financeira sobre papéisCusto de aquisição de clientes: o que o Google Ads não soma no CAC · 18 min de leituraClientes no balcão de uma cafeteria movimentada, à contraluzLifetime value (LTV): como calcular com margem, e o que o GA4 chama de valor · 16 min de leituraComputador exibindo um painel de indicadoresMetabase: o que é, quanto custa e o que a versão gratuita não faz · 16 min de leituraMãos usando calculadora sobre relatórios com gráficos de pizza e uma pessoa anotando num cadernoTableau, o software de BI: o que vai para o perfil público e o que não vai · 17 min de leituraGráficos impressos, calculadora e notebook sobre a mesaDashboard no Excel: como fazer e quando a planilha para de dar conta · 15 min de leituraLupa sobre uma tela com gráficos de linhas e números de desempenhoDashboard de vendas: o que cada vendedor vê e quando o número muda · 21 min de leituraServidores num rack de data centerData warehouse para marketing: quando a empresa precisa e o que o gratuito apaga · 18 min de leituraHomem analisando dados financeiros em monitoresCopilot no Power BI: o que exige e a capacidade que a licença Pro não cobre · 19 min de leituraCalculadora e bloco de notas sobre a mesaROI de marketing: como separar a venda que viria sem a campanha · 17 min de leituraMulher analisando estatísticas na tela do computadorPower BI Pro: o que é, quanto custa e quem paga licença só para ver o painel · 14 min de leituraEquipe analisando gráficos e relatórios impressos em reuniãoDashboard de marketing: por que Google Ads, GA4 e CRM não batem · 16 min de leituraNotebook em ambiente escuro com gráficos coloridos de um painel de dados na telaLooker Studio (agora Data Studio): o que o gratuito faz e onde ele trava · 18 min de leituraNotebook sobre a mesa exibindo um gráfico de série histórica, ao lado de caderno, caneta e celularBusiness intelligence: o que é, quanto custa e quando ainda não é hora de fazer · 12 min de leituraMesa escura com notebook exibindo um gráfico de barras, celular, caderno e livros de finanças ao lado de um copo de caféKPI de marketing: o painel que o CFO lê · 13 min de leitura
Conheça BI & Dashboards →
Portfólio

Projetos que geram impacto real.

Ver todo o portfólio →
Pronto para

decidir com dados, não no achismo?

Comece pelo diagnóstico gratuito e veja como Performance entra no seu plano de marketing — depois a Alliance ajuda a executar cada etapa.

(11) 99116-3001contato@alliancecomunicacao.com.brAv. Dr. Gastão Vidigal, 1132 — Vila Leopoldina, São Paulo · SP