LTV por Cohort: Como Medir o Retorno de Cada Leva de Indicados
Aprenda a montar uma análise de cohort de indicados e acompanhar o LTV mês a mês para saber quais levas de cadastro realmente valeram o esforço.
Neste artigo
- O que é uma cohort de indicados e por que o total mensal engana
- Como montar a planilha de cohort mês a mês, passo a passo
- Lendo a curva: o que um LTV crescente, achatado ou em queda revela
- Cruzando cohort com a origem do tráfego
- Erros comuns de quem começa a analisar cohort
- Usando o cohort para decidir entre CPA e rev-share
- Colocando o hábito em prática todo mês
Divulgador que só olha o número total de cadastros do mês está lendo metade do livro. A pergunta que separa quem cresce de forma sustentável de quem vive de pico e queda não é "quantos indicados entraram em agosto", mas "quanto cada leva de indicados rendeu, mês após mês, depois que a euforia do cadastro passou". Essa segunda pergunta só tem resposta com um método específico: a análise de cohort.
O que é uma cohort de indicados e por que o total mensal engana
Uma cohort, no contexto de divulgação de plataformas, é simplesmente um grupo de indicados que se cadastraram no mesmo período — normalmente o mesmo mês — através do seu link. Em vez de somar receita de todos os indicados ativos misturados (os de janeiro com os de agosto), você separa cada leva e acompanha o comportamento dela isoladamente ao longo do tempo.
Por que isso importa? Porque o total mensal esconde composição. Suponha que um divulgador fature R$ 3.000 em rev-share em julho e R$ 3.000 de novo em agosto. Parece estabilidade. Mas se em julho esse valor veio majoritariamente de indicados antigos (de meses anteriores) e a leva nova de julho gerou quase nada, o negócio está patinando: a base antiga está sustentando o número enquanto a aquisição nova não entrega. Sem cohort, esse sinal de alerta fica invisível dentro da média.
O LTV (lifetime value, ou valor do tempo de vida do jogador) é a métrica central dessa análise: quanto, em média, cada indicado de uma determinada leva gerou de receita para o divulgador — seja via CPA (um valor fixo pago por indicado qualificado, geralmente após o primeiro depósito, o FTD) ou via rev-share (um percentual recorrente sobre o resultado da casa com aquele jogador, mês a mês).
Como montar a planilha de cohort mês a mês, passo a passo
Não é preciso ferramenta sofisticada para começar; uma planilha resolve. A estrutura clássica é uma tabela em cascata:
- Nas linhas, cada leva de cadastro (mês 0 = mês em que o indicado se cadastrou pelo seu link).
- Nas colunas, os meses seguintes de relacionamento daquele grupo (mês 1, mês 2, mês 3...).
- Em cada célula, a receita acumulada por indicado daquela leva, até aquele mês.
- Uma linha extra com o número de indicados que geraram FTD naquela leva, para calcular a média por cabeça.
Na prática: suponha que 40 pessoas se cadastraram pelo seu link em março e fizeram o primeiro depósito (FTD) naquele mês. No painel do programa de afiliados, você filtra a receita gerada especificamente por esses 40 IDs em março, depois em abril, depois em maio, e assim por diante. Divida a receita acumulada de cada mês pelos 40 indicados originais — esse número, evoluindo célula a célula, é a curva de LTV daquela cohort.
Um ponto que trava muita gente no começo: o painel do programa geralmente permite filtrar por data de cadastro (ou data de FTD) e por período de geração de receita separadamente. É esse cruzamento de dois filtros — "quem entrou neste mês" x "quanto rendeu em cada mês seguinte" — que constrói a cohort. Se o painel não oferecer esse filtro duplo, exportar os dados brutos (CSV com ID, data de cadastro e receita por mês) e montar a tabela dinâmica manualmente resolve.
Lendo a curva: o que um LTV crescente, achatado ou em queda revela
Uma cohort não serve para dizer se o mês foi bom — serve para dizer se a máquina de indicação está ficando mais eficiente ou só mais barulhenta.
Depois de duas ou três levas montadas, três padrões costumam aparecer:
Curva crescente e sustentada: a receita por indicado continua subindo mês após mês, mesmo que devagar. Isso é típico de rev-share com uma base que permanece ativa — sinal de que o tráfego atraído tem perfil de jogador recorrente, não só curioso testando um bônus uma vez.
Curva que sobe rápido e achata cedo: forte no primeiro ou segundo mês e depois praticamente para de crescer. Costuma indicar indicados que depositaram, jogaram pouco e sumiram — o chamado churn precoce. Isso pode apontar para um problema de canal (tráfego atraído por promessa que não bate com a experiência real da plataforma) ou de perfil de público (pessoas testando várias casas ao mesmo tempo, sem fidelidade a nenhuma).
Curva em queda de leva para leva: quando a leva de agosto rende menos por cabeça, no mesmo intervalo de meses, do que a leva de junho rendeu. Esse é o alerta mais sério: normalmente indica desgaste do canal de tráfego (a audiência mais "quente" já foi convertida e sobra público de qualidade inferior) ou uma mudança nas condições da plataforma que afeta a retenção.
Cruzando cohort com a origem do tráfego
A análise fica ainda mais útil quando você não olha só "a leva de março", mas "a leva de março que veio do grupo de Telegram X" separada da "leva de março que veio de um post de blog". Se o programa de afiliados permitir sub-IDs ou parâmetros de rastreamento por canal, vale duplicar o exercício de cohort para cada origem relevante de tráfego.
Isso costuma revelar diferenças grandes de LTV entre canais que, olhados só pelo volume de cadastro, pareciam equivalentes. Um canal pode trazer o dobro de cadastros, mas metade do LTV por cabeça — nesse caso, o canal "menor" pode estar sendo, na prática, mais lucrativo por indicado, mesmo gerando menos volume bruto.
Erros comuns de quem começa a analisar cohort
Alguns tropeços aparecem com frequência em quem está montando a primeira planilha:
- Misturar data de cadastro com data de FTD como se fossem a mesma coisa — nem todo cadastrado deposita, e contar cadastro sem depósito infla a base e distorce o LTV por cabeça.
- Comparar cohorts de tamanhos muito diferentes sem ajustar pela base (uma leva de 5 indicados e outra de 200 não são comparáveis em valor absoluto, só em média por indicado).
- Olhar só o primeiro mês da cohort e tirar conclusão — o padrão real de LTV só aparece com pelo menos três a quatro meses de histórico acumulado.
- Ignorar sazonalidade: uma leva de dezembro pode se comportar diferente de uma leva de mês comum por causa de datas comemorativas, não necessariamente por mudança na qualidade do tráfego.
- Não separar CPA de rev-share na mesma planilha — são naturezas de receita diferentes e misturá-las mascara o cálculo do LTV real por modelo.
Usando o cohort para decidir entre CPA e rev-share
Essa é, talvez, a aplicação mais prática do exercício. Com o histórico de LTV por cohort em mãos, fica possível comparar cenários de forma mais racional. Suponha que uma cohort de 50 indicados, seis meses depois do cadastro, tenha acumulado em média R$ 180 de rev-share por indicado. Se, hipoteticamente, o mesmo programa oferecesse CPA fixo de R$ 150 por indicado qualificado, a pergunta vira: o rev-share dessa cohort específica, no seu histórico, tende a superar o CPA fixo no médio prazo, ou fica abaixo?
Não existe resposta universal — depende do perfil do público que cada divulgador atrai e do quanto esse público permanece ativo. É exatamente por isso que decidir entre CPA e rev-share sem ter pelo menos algumas cohorts fechadas é decidir no escuro. Com o histórico construído, a escolha deixa de ser aposta e vira leitura de dado real, mesmo que os números de cada divulgador variem bastante entre si.
Colocando o hábito em prática todo mês
A análise de cohort não precisa ser um projeto grande: o ganho vem da constância. Reservar um horário fixo por mês — atualizar a planilha, olhar a curva de cada leva, marcar qualquer desvio brusco — transforma um hábito de dez minutos em uma vantagem real sobre quem só acompanha o extrato de comissão sem contexto. O resultado não aparece da noite para o dia, mas a leitura correta da base evita repetir o mesmo canal de tráfego fraco por meses sem perceber, e é isso que separa divulgação com estratégia de divulgação no impulso.
