Este estimador proyecta cuántos jugadores de una cohorte de cloud gaming seguirían activos tras varios periodos si se mantiene una tasa de retención constante. A partir del tamaño inicial, la retención por periodo y el número de periodos, muestra tanto los usuarios retenidos como las bajas acumuladas.
Resulta útil para crear escenarios simples de capacidad, audiencia o monetización antes de disponer de un modelo de cohortes más detallado. La proyección no pretende reproducir una curva real de retención cuando la tasa cambia entre el primer día, las primeras semanas y los meses posteriores.
1. Define la cohorte inicial
Introduce el número de jugadores desde el que quieres iniciar la proyección.
2. Indica la retención periódica
Escribe el porcentaje de jugadores que permanece activo de un periodo al siguiente.
3. Elige el horizonte
Introduce cuántos periodos consecutivos quieres proyectar; todos deben representar la misma unidad temporal.
4. Interpreta la cohorte final
Consulta los jugadores retenidos, la retención acumulada y las bajas estimadas al terminar el horizonte.
Variables:
Supuestos: La misma tasa se aplica en cada periodo. En datos reales, la retención suele cambiar con la antigüedad de la cohorte.
El valor principal estima cuántos jugadores de la cohorte original seguirían activos después del número de periodos indicado.
No incorpora reactivaciones, altas nuevas ni tasas distintas por periodo. Para seguimiento operativo, compara esta proyección con cohortes reales.
Datos:
Cálculo:
Jugadores retenidos = 10.000 × 0,82^6
0,82^6 ≈ 0,3040
Jugadores retenidos ≈ 3.040
Jugadores perdidos ≈ 10.000 − 3.040 = 6.960
Resultado: ≈ 3.040 jugadores
Interpretación: Con una retención constante del 82 % por periodo, alrededor del 30,4 % de la cohorte inicial seguiría activa después de seis periodos.
Puede ser un día, una semana o un mes, pero todos los periodos del cálculo deben usar la misma unidad. La tasa de retención introducida debe corresponder a esa misma duración.
Solo como escenario simplificado. Muchas cohortes pierden usuarios más rápido al principio y se estabilizan después, por lo que una tasa constante puede sobrestimar o subestimar el resultado.
No. El modelo considera una transición simple de retenido a no retenido y no modeliza reactivaciones.
Porque la tasa se aplica de forma compuesta sobre una base cada vez menor. Por ejemplo, retener el 80 % dos veces equivale a conservar el 64 % de la cohorte inicial.
La curva de retención ayuda a estimar durante cuánto tiempo permanece activa una cohorte. Un modelo de LTV más detallado puede multiplicar jugadores activos por ingreso y margen en cada periodo.