Cohort analysis pacientes clínica · análisis mensual 2026

La mayor parte de clínicas privadas miran su facturación mensual agregada · vienen los pacientes · pagan tratamientos · sale el dinero · cuadra o no cuadra. Esa lectura sirve para sobrevivir pero esconde señales críticas sobre la salud real del negocio. El cohort analysis es la disciplina que separa pacientes por mes de captación y los sigue en el tiempo como grupos diferenciados · permitiendo ver si los pacientes captados en febrero se comportan distinto a los captados en julio · si la retención se está deteriorando trimestre a trimestre o si una campaña concreta atrajo pacientes que se fueron antes de generar ingresos sostenibles. Aplicado bien · una clínica detecta problemas seis a doce meses antes de que aparezcan en la cuenta de resultados · y eso es margen de maniobra real para corregir.

Qué es un cohort en contexto clínica

Un cohort es un grupo de pacientes que comparten una característica de origen · típicamente el mes en que hicieron su primera visita pagada en la clínica. Ese grupo se sigue como entidad cerrada a lo largo del tiempo · midiendo qué porcentaje sigue activo cada mes posterior · cuánto gasta acumulado y cuándo empieza a desaparecer. La gracia metodológica está en no mezclar grupos · el cohort de enero 2025 nunca se mezcla con el de marzo 2025 · porque las condiciones de captación · estacionalidad · campañas activas y equipo clínico pueden haber cambiado entre uno y otro.

Por qué la facturación agregada engaña

• Una clínica puede estar facturando estable mes a mes mientras los cohorts nuevos generan cada vez menos ingresos · el efecto se compensa porque cohorts antiguos todavía aguantan pero la base se está erosionando.
• Una campaña marketing puede captar pacientes que pagan una primera visita y desaparecen · la facturación del mes mejora pero el cohort se desploma al mes dos y nadie lo ve si solo se mira el agregado.
• El equipo clínico nuevo o un cambio de protocolo puede degradar retention sin afectar facturación inmediata · cohort analysis lo expone con tres a seis meses de antelación.
• La estacionalidad propia (verano · navidad · vuelta al cole) distorsiona la lectura agregada · separar por cohort permite comparar cohorts comparables sin el ruido del ciclo anual.

Definir qué cuenta como adquisición

Antes de calcular nada hay que congelar la definición operativa · qué cuenta como mes de adquisición. Tres criterios viables en clínica.

• Primera visita pagada · el cohort se asigna al mes en que el paciente cierra y paga su primera consulta o tratamiento. Es el criterio más limpio y el más comparable con el resto del sector.
• Primer presupuesto firmado · útil en clínicas estéticas u ortodoncia donde la conversión presupuesto firmado predice mejor el comportamiento real que la primera visita diagnóstica.
• Primera entrada CRM o lead · cohort se asigna al mes en que entra el lead · útil para medir eficacia comercial pero distorsiona retention porque mezcla pacientes que no convirtieron nunca.

Recomendación · trabajar con primera visita pagada como cohort principal y mantener cohort separado de leads para analizar funnel comercial · no mezclar.

Métricas básicas por cohort

• Retention rate mes N · porcentaje del cohort que tiene al menos una visita pagada en el mes N posterior a su adquisición.
• Revenue acumulado por paciente · euros gastados promedio del cohort hasta el mes N · curva creciente que se aplana al desaparecer pacientes.
• Frecuencia media visitas · número de visitas por paciente activo del cohort en el período · señala intensidad uso clínica.
• LTV proyectado · revenue acumulado extrapolado a 24 o 36 meses según curva observada · estimación que se afina cada mes con datos nuevos.
• Tiempo a churn · meses promedio desde adquisición hasta última visita registrada · proxy de vida útil paciente.

Ejemplo numérico cohort dental

Clínica dental con cohort enero 2025 de 80 pacientes primera visita · observación a 12 meses.

• Mes 0 · 80 pacientes activos · revenue acumulado promedio 145 € (primera visita).
• Mes 1 · 52 pacientes con segunda visita en el mes · retention 65% · revenue acumulado promedio 280 €.
• Mes 3 · 38 pacientes activos al menos una visita trimestre · retention 47% · revenue acumulado promedio 510 €.
• Mes 6 · 29 pacientes activos · retention 36% · revenue acumulado promedio 720 €.
• Mes 12 · 22 pacientes activos · retention 27% · revenue acumulado promedio 980 €.

Lectura · cohort genera 980 € por paciente promedio en 12 meses · multiplicado por 80 pacientes son 78.400 € atribuibles directos. Si CAC del cohort fue 35 € paciente · payback se completa hacia mes 1-2 · y resto es margen. Pero el dato útil aparece comparando con cohort marzo 2025 · si marzo muestra retention mes 6 del 28% (vs 36% enero) · hay deterioro y hay que investigar causa antes de que se materialice en facturación.

Retention curve · cómo se lee

La curva de retention típica en clínica privada cae rápido los primeros 3-6 meses (mucha gente que prueba y no encaja) y luego se estabiliza en una meseta de pacientes leales que vienen recurrentemente. Tres patrones diagnósticos.

• Caída fuerte primer mes · señal de problema en la primera visita · trato · presupuesto · expectativa no cumplida · tiempo de espera. Es el cohort que más sufre y el más urgente arreglar.
• Caída sostenida sin meseta · ningún paciente se queda · problema estructural en el modelo (especialidad sin frecuencia natural · posicionamiento equivocado · zona geográfica con poca densidad).
• Meseta a niveles bajos (5-10%) · retention saludable pero adquisición probablemente poco cualificada · revisar canal y mensaje de captación.

Comparar cohorts · detectar deterioro

El valor real del cohort analysis aparece cuando se comparan cohorts consecutivos en la misma métrica al mismo mes de vida. Ejemplo retention mes 3 por cohort.

Lectura · los cohorts crecen en tamaño (campaña marketing trayendo más pacientes) pero la calidad cae · retention mes 3 baja del 47% al 29% en nueve meses · revenue acumulado a mes 3 baja un 33%. La clínica puede estar facturando más en agregado pero está quemando capacidad operativa con pacientes que no vuelven. Causas a investigar · canal de captación nuevo de menor calidad · cambio en el equipo de primera visita · presupuestos más agresivos sin cierre · saturación agenda generando experiencia peor.

Periodicidad y horizonte de medición

• Revisión mensual obligatoria · primera semana del mes siguiente · cohort del mes recién cerrado se registra y cohorts anteriores se actualizan en sus métricas de vida acumulada.
• Horizonte mínimo de seguimiento · 24 meses para capturar LTV razonable en dental general · 18 meses para estética facial recurrente · 12 meses para ortodoncia tras finalización tratamiento.
• Cohort en estado "abierto" hasta mes 12 · datos todavía pueden moverse al alza con visitas retrasadas · cierre formal a mes 24 para comparaciones definitivas.

Stack tools por nivel de madurez

• Nivel inicial · Excel o Google Sheets· una hoja por cohort con fechas visita por paciente · tabla dinámica que cuenta activos mes a mes. Limitación · escala mal a partir de 12-15 cohorts y 1.500 pacientes.
• Nivel intermedio · BI ligero · Metabase o Looker Studio conectados a la base de datos del CRM clínica · queries SQL parametrizadas por mes adquisición · dashboards refrescados automático.
• Nivel avanzado · data warehouse · Supabase o BigQuery con tabla `visits` y `patients` · cohort calculado por SQL con función `date_trunc` · visualizado en Looker o Mode. Permite cruces con campañas marketing y canal adquisición.

Errores frecuentes a evitar

• Mezclar pacientes nuevos y antiguos en el mismo cohort cuando hay segunda visita después de reactivación tras dos años · ese paciente NO es cohort nuevo · es reactivación · métrica separada.
• Definir retention como "ha hecho cualquier visita alguna vez" en vez de "ha hecho visita en el mes N" · el primero infla cifras y oculta deterioro.
• Comparar cohorts con menos de 30 pacientes · ruido estadístico domina y la lectura es engañosa.
• Promediar todos los cohorts en una curva única · pierde la información de tendencia entre cohorts que es exactamente lo que se busca medir.
• Ignorar la estacionalidad propia clínica · cohort agosto en dental tiene comportamiento diferente porque mucha gente está de vacaciones y la retention mes 1 baja artificialmente.

Cómo encaja AI Empire

AI Empire registra cada conversación · cada visita agendada y cada cita realizada con timestamp en Supabase · base directa para construir cohorts mensuales sin trabajo manual de extracción. La segmentación por canal de captación (WhatsApp · Instagram · Google · referido) y por especialidad queda registrada en el momento del primer contacto · permitiendo cohorts cruzados que distinguen calidad de fuente. Para el contexto operativo más amplio revisa la guía operativa clínica privada · para entender cómo encaja con pricing y modelo de negocio revisa la guía pricing clínica privada · y para las decisiones de marketing que alimentan los cohorts revisa la guía marketing clínica privada.

Próximo paso

Si tu clínica todavía no tiene cohort analysis montado · el coste de empezar es bajo (Excel y dos horas para diseñar la plantilla) y el retorno informativo es alto desde el primer trimestre. Pide una demo si quieres ver cómo se construye con los datos que ya genera AI Empire y qué señales de deterioro detecta antes de que aparezcan en facturación.

Disclaimer: este artículo es guía metodológica · NO sustituye análisis financiero especializado ni auditoría contable. Los rangos numéricos del ejemplo dental son ilustrativos y no constituyen benchmarks vinculantes · varían significativamente por especialidad · ubicación · ticket promedio · canal captación y posicionamiento. La interpretación de cohorts requiere contexto clínica concreto y debe contrastarse con conocimiento operativo del equipo. Las recomendaciones de tooling son orientativas y la elección final depende de volumen pacientes · stack tecnológico instalado y capacidad analítica interna. AI Empire facilita el registro estructurado que alimenta el análisis · no sustituye decisión estratégica ni interpretación experta.