Un cliente que deja de comprar no avisa a nadie: lo normal es que primero deje de hacer clic y luego desaparezca de sus informes. La retención de clientes mide la proporción de clientes que se conserva de un período al siguiente. El emailing es uno de los primeros lugares donde se nota esa pérdida de actividad. Eso sí, los correos tienen que llegar: una base que se deteriora en silencio falsea el cálculo antes de empezar.
Definición de la retención de clientes y fórmula de la tasa
La tasa de retención se calcula sobre un período concreto (un mes, un trimestre, un año) con esta fórmula: (clientes al final del período − nuevos clientes captados durante el período) / clientes al inicio del período × 100. Los nuevos clientes se restan del numerador porque, si no, una captación fuerte taparía las bajas. El período importa: un 88% mensual y un 88% anual describen situaciones muy distintas.
Ejemplo didáctico con cifras inventadas: una tienda tiene 1000 clientes el 1 de enero y 1080 el 31 de diciembre, de los cuales 200 se captaron durante el año. La tasa de retención es (1080 − 200) / 1000 × 100 = 88%. El churn (tasa de abandono) es su complemento: clientes perdidos / clientes al inicio del período × 100, es decir, 120 / 1000 = 12%.

Retención o fidelización
La retención se cuenta: responde a «¿cuántos se han quedado?». La fidelización agrupa las acciones que dan motivos para quedarse, desde el programa de puntos hasta la relación continuada, y eso es lo que abarca el marketing de retención. Una es un indicador y la otra un conjunto de palancas. Estas últimas tienen su propio artículo; aquí se mide primero y después se ven los primeros escenarios que conviene poner en marcha. La encuesta de satisfacción (NPS), el programa de puntos y el recordatorio de carrito abandonado forman parte de esas acciones y se desarrollan en el artículo dedicado.
El ciclo de vida del cliente sirve de referencia: una tasa global mezcla clientes de 6 días con clientes de 6 años.
Por qué la retención pesa en los beneficios
En una publicación de 2006, Bain & Company cuantifica lo que está en juego: aumentando la retención en apenas un 5%, los beneficios pueden subir hasta un 95%. Bain presenta este resultado como una teoría fechada en 2006: da un orden de magnitud, no una media ni una promesa.
Dos indicadores conectan esa idea con el presupuesto. El valor del tiempo de vida del cliente (CLV, customer lifetime value) estima lo que aporta un cliente mientras se queda; el coste de adquisición de clientes (CAC) suma lo que hubo que gastar para conseguirlo. Si el CLV de un segmento ya no cubre su CAC, quedan dos caminos: abaratar la captación de nuevos leads o alargar el tiempo que los clientes ya captados siguen activos.
Por qué las referencias sectoriales engañan
Las recopilaciones de «tasa de retención media por sector» rara vez parten de un método común. Una empresa puede dar a un cliente por perdido a los 30 días sin compra y otra a los 12 meses. Una suscripción SaaS refleja la baja con una cancelación, mientras que una tienda online no tiene ningún contrato que certifique la ruptura. Comparar un 88% en un caso con un 60% en otro carece de sentido mientras la definición de «cliente activo» sea distinta.
El único punto de comparación fiable es su propio historial, calculado siempre del mismo modo y por cohortes: todos los clientes captados en marzo, seguidos mes a mes. Una cohorte que pierde el 40% de sus miembros en los dos primeros meses puede revelar un fallo de bienvenida que la media anual entierra. Ejemplo ficticio: 500 clientes captados en marzo, 410 activos en abril, 330 en mayo y 300 en junio. La tasa de retención a 3 meses sale en un 60%. La lectura útil está en otra parte: 90 clientes se fueron el primer mes, 80 el segundo y 30 el tercero. La caída se concentra en las 8 primeras semanas, probablemente en la bienvenida y el primer pedido, y no en la relación ya asentada. Una media anual del 88% no mostraría nada de esto, porque los clientes de 2 años, mucho más estables, diluyen las bajas recientes. Para que la cifra sirva, fije de una vez la definición de cliente activo (una compra en los últimos 12 meses, por ejemplo) y anótela en el cuadro de mando: cambiarla a mitad de año vuelve ilegible la curva.
Leer la retención en un programa de emailing
La tasa de retención llega tarde: constata la baja. El emailing ofrece señales antes, siempre que se sepa cuáles creer.
La tasa de apertura es la primera que conviene descartar como prueba de interés. Con Mail Privacy Protection, Apple impide al remitente saber si un mensaje se ha abierto, de modo que mensajes que nadie ha leído pueden figurar como abiertos (documentación de Apple). En una base donde Apple Mail pesa mucho (iPhone, iPad, Mac), un aumento de aperturas puede convivir con una caída del interés real.
Conviene apoyarse en otras señales:
- la tasa de clics sobre los envíos (el CTOR, que se basa en las aperturas, sufre el mismo sesgo);
- la proporción de contactos sin clic ni compra en los últimos 90 o 180 días, según su ritmo de compra;
- las bajas de la lista y las denuncias de spam, que son abandonos declarados;
- los ingresos por email enviado, calculados por segmento y por mes y comparados con los demás indicadores de marketing del cuadro de mando.
Un segmento cuyos clics se erosionan durante 3 meses seguidos merece una alerta antes de que baje la tasa de retención. Fije usted mismo el umbral, por ejemplo 2 meses consecutivos sin clic en un cliente que compraba cada mes, y mida cuántos de esos clientes vuelven a comprar de todos modos: esa tasa de falsos positivos dice si la señal merece seguimiento. La segmentación por fecha de última compra y por frecuencia permite verlo sin esperar al balance anual.
Los inactivos cuestan más que su silencio
Un contacto inactivo sigue en sus envíos, y ahí la retención se cruza con la entregabilidad. Los mensajes enviados a direcciones que ya no existen provocan hard bounces y hacen subir la tasa de rebote, y el proveedor de correo lo interpreta como una lista mal mantenida. Los enviados a simples inactivos inflan el volumen sin respuesta. La reputación del remitente puede resentirse en los envíos siguientes.
En cuanto a las denuncias, Google pide a los remitentes masivos (unos 5000 mensajes al día o más hacia cuentas personales de Gmail) mantener la tasa de spam denunciado por debajo del 0,1% y evitar que llegue al 0,3%. Por encima del 0,3%, el remitente deja de ser apto para las medidas de mitigación de Google, y solo lo recupera tras siete días consecutivos por debajo de ese umbral. Reenviar sin fin a los inactivos agota ese margen en cuanto algunos pulsan «marcar como spam»; el detalle de las normas figura en nuestro artículo sobre los requisitos de Gmail para remitentes.
Una lista se deteriora aunque no se toque
De los 126 millones de direcciones que CaptainVerify verificó en 2025, solo el 57% resultó válido; la empresa calcula además que una lista pierde cada año cerca del 23% de sus direcciones, como detalla en su análisis sobre el valor de una dirección. Un cambio de empleo, un dominio que cierra: parte de sus clientes «perdidos» quizá nunca abandonó la marca, simplemente ya no recibe nada. El cálculo es sencillo: 20.000 direcciones × 23% de pérdida anual = 4600 contactos que corren el riesgo de no poder responder, comprar ni darse de baja en 12 meses. Aun así, siguen en su denominador.
Un cliente que se ha ido con la competencia pide una respuesta comercial; una dirección que ha dejado de ser válida pide una limpieza. Se distinguen por una señal sencilla: el cliente que se fue solía haber hecho clic o comprado antes de irse, mientras que la dirección muerta rebota o nunca reaccionó. Cruzar la lista de clientes «perdidos» con los rebotes de los últimos 12 meses basta muchas veces para separar ambos grupos antes de escribir a nadie. Para ordenarlos, una prueba de verificación sobre una muestra de la lista, por ejemplo 2000 contactos elegidos al azar, indica qué proporción de direcciones son no válidas antes de lanzar una campaña de recuperación; la verificación de listas de CaptainVerify está pensada para ese control.
Tres flujos para empezar
No hace falta lanzar 10 escenarios de golpe. El primero es el email de bienvenida, donde se juega la acogida de los nuevos suscriptores; los errores de ese mensaje salen caros porque llega pronto, cuando el suscriptor aún recuerda haberse apuntado. El segundo sigue a la compra: confirmación, consejos de uso, petición de opinión. El tercero se dirige a quienes se apagan, con un email de reenganche que precede a una regla de baja: si no hay reacción tras 2 o 3 recordatorios, el contacto sale de los envíos habituales.
Estos flujos pertenecen a la automatización. Aplicar la regla de baja a una lista llena de direcciones muertas no arregla nada: la limpieza va antes que la automatización.
Probar y dosificar el envío
Una prueba A/B solo vale si cambia una variable a la vez y se hace con una muestra lo bastante grande para separar las versiones: pruebe el asunto o el botón de llamada a la acción sin mezclar ambos. El criterio de victoria debe ser el clic o la compra, nunca la apertura, por la razón ya expuesta.
La frecuencia se ajusta igual: se sube por tramos en un segmento y se vigilan bajas y denuncias. Cada segmento tiene su ritmo: quien compra cada mes tolera un envío semanal, un cliente dormido tolera mucho menos. La personalización por segmento viene después.
Errores que falsean la lectura
Seis errores se repiten con más frecuencia:
- confundir retención y recompra: un cliente que sigue suscrito sin comprar está «retenido» según la fórmula, pero no genera ingresos;
- calcular una sola media: un 88% global puede esconder, por ejemplo, un 95% en clientes de más de 2 años y un 70% en los nuevos;
- medir el interés por las aperturas, que Mail Privacy Protection vuelve poco fiables;
- contar como perdidos clientes cuya dirección simplemente ha dejado de funcionar;
- reactivar a los inactivos sin limpiar antes la lista: se suman rebotes a un problema de interés;
- reanudar los envíos de golpe tras una pausa, y se mezclan activos y dormidos.
Conviene volver por tramos y empezar por el segmento que hizo clic hace poco.

