Simulador de retención de estudiantes para EdTech

Las plataformas EdTech con retención menor al 15% necesitan 7x más inversión en adquisición para crecer.

Resultado inmediatoSin registroSupuestos visiblesCálculo determinístico

EdTech tiene un patrón de retención atípico: alta abandono temprano (semanas 2-6), seguido de meseta para los que persisten. Esta calculadora asume churn constante — para EdTech, considera segmentar cohortes por hito de progreso (módulo 1 completado, primer pago, etc.) para curvas más realistas.

Metodología

Usuarios activos en el mes m = Tamaño cohorte × (1 − churn mensual)^m

Retención (%) en el mes m = (1 − churn)^m × 100

Revenue mensual del mes m = Usuarios activos × ARPU

Revenue acumulado = Σ Revenue mensual desde el mes 1 al horizonte

Variables

Tamaño de la cohorte
Número de usuarios o cuentas que ingresaron en el mismo periodo.
ARPU mensual
Ingreso promedio por usuario al mes.
Churn mensual
Porcentaje de usuarios que abandonan cada mes.
Horizonte (meses)
Cuántos meses hacia adelante quieres proyectar la cohorte.

Ejemplo práctico

Plataforma EdTech B2C de cursos profesionales (preparación de exámenes y certificaciones) en México: cohorte de inscripción mensual de 250 estudiantes, ARPU $350/mes (suscripción que incluye material + tutorías grupales), churn 8% mensual, horizonte 12 meses.

Retención: M3 = 250 × 0.92^3 = 195 estudiantes (78%). M6 = 152 (61%). M9 = 119 (48%). M12 = 96 (38%).

Revenue mensual cohorte: $87,500 inicial. Acumulado 12 meses = $87,500 × (1 − 0.92^12) ÷ 0.08 = $691,500 totales.

Realidad EdTech: el churn no es uniforme. Datos de plataformas en México (Crehana, Platzi 2024) muestran que el churn real es 18-25% en los primeros 60 días (los que no logran vencer el primer módulo), luego baja a 4-5% mensual desde el mes 3. Un modelo de churn constante 8% subestima el dropout temprano y sobrestima el largo plazo.

Si segmentas la cohorte: 70 estudiantes (28%) abandonan en M1-M2 (no hay revenue real más allá del primer mes), 180 estudiantes con churn 4%/mes después → revenue M12 segmentado: 70 × $350 × 1 + 180 × $350 × (1 − 0.96^11) ÷ 0.04 = $24,500 + $574,000 = $598,500. 13% menos que el modelo plano, mucho más cercano al observado.

Recomendación operativa: invierte $40-80 USD por estudiante nuevo en onboarding del módulo 1 (videos cortos, primer logro alcanzable en 7 días, tutor asignado). Plataformas que implementan esto bajan dropout M1-M2 del 28% al 12-15%. Cada estudiante 'salvado' del dropout temprano vale $1,800-2,500 en revenue retenido.

Interpretación

Retención a 3 meses (M3) es el indicador temprano más confiable de salud del producto: cohortes que sobreviven los primeros 90 días tienden a quedarse mucho más.

La curva exponencial es un piso: la realidad suele ser mejor por activación tardía o reactivaciones, o peor por shocks (cambios de pricing, fallas).

Compara cohortes mes contra mes para detectar mejoras o degradaciones de producto. Si la cohorte de marzo retiene mejor a los 3 meses que la de febrero, algo cambió a favor.

Si tu retención M12 es menor al 30%, tu negocio depende fuertemente de adquirir nuevos clientes para crecer — palanca de retención es prioridad.

Supuestos y limitaciones

  • Asume churn constante (modelo de decaimiento exponencial puro). En la práctica, el churn suele ser más alto los primeros meses y luego se estabiliza.
  • Asume ARPU constante: no incorpora upgrades, downgrades ni descuentos de retención.
  • No modela reactivaciones (usuarios que vuelven después de cancelar).
  • Considera la cohorte como homogénea — si hay segmentos con churn muy distinto, conviene modelar cada uno por separado.

Cuándo usar esta calculadora

Para proyectar el revenue futuro de una campaña de adquisición antes de gastarla.

Al comparar canales de adquisición: una cohorte de orgánico suele retener mejor que una de paid.

Para fijar metas de retención por hito (M3, M6, M12) y dar al equipo de producto un norte cuantitativo.

Antes de cambiar pricing: simula con churn proyectado más alto para estimar cuánto del MRR actual está en riesgo.

En análisis post-incident: si una falla de producto disparó el churn mensual del 5% al 9% un mes, esta calculadora cuantifica el daño en revenue acumulado a 12 meses.

Errores comunes

Asumir que una sola cohorte representa a todas. Cohortes de meses distintos pueden comportarse muy diferente — siempre compara al menos 3.

Tomar el churn promedio del último mes como churn mensual constante. Es mejor usar el churn mensual promedio de los últimos 3-6 meses.

Ignorar el revenue acumulado y mirar solo retención: una cohorte con churn alto pero ARPU alto puede ser más rentable que una con churn bajo y ARPU bajo.

Confundir retención de usuarios con retención de revenue. Si tienes downgrades, los usuarios siguen pero el revenue cae.

Casos de uso por industria

Plataforma de cursos online

Retención M3 típica 35-50%. Cohortes de inicio de año académico retienen mejor que mid-year. Revenue acumulado por cohorte es la métrica clave para Pricing.

Bootcamps

Modelo distinto: pago anticipado o ISA, no suscripción. Mide retención como completion rate y job-placement, no churn mensual.

K-12 supplementary

Retención fuerte durante año escolar (M3-M9 alta), caída en verano (M10-M12). Modela por temporada, no por cohorte de inicio.

Corporate training

Renovaciones anuales, churn medido a 12 meses. Cohortes pequeñas (10-50 cuentas), retención 80%+ es estándar saludable.

Metodología y supuestos

Cómo se calculan los resultados, qué asumimos al modelar y dónde el método pierde precisión.

Fórmula

Retención(t) = Clientes activos en mes t ÷ Clientes en mes 0 · GRR = 1 − Churn de revenue

Supuestos

  • Cohortes mensuales no superpuestas.
  • Cliente activo definido por uso o pago, según la métrica que ingreses.
  • El GRR/NRR se calcula sobre revenue, no sobre logo count.

Límites de aplicabilidad

  • Cohortes con menos de 50 clientes generan curvas ruidosas — interpreta con holgura.
  • El sesgo de supervivencia subestima churn cuando los datos vienen filtrados de un CRM.
  • Eventos exógenos (cambios de pricing, lanzamientos) distorsionan la comparación entre cohortes.

Fuentes

Preguntas frecuentes

¿Cuál es una tasa de retención aceptable para EdTech?
Para cursos autoservicio, 10-15% de completitud es el promedio. Plataformas con componente social o mentoría logran 30-50%.
¿Dónde ocurre la mayor pérdida de estudiantes?
Primeras 48 horas después del registro, entre la semana 2-3 cuando baja la motivación, y al finalizar el primer módulo.
¿Cómo calculo el LTV de un estudiante con retención baja?
Combina revenue directo, probabilidad de comprar cursos adicionales, upgrade a premium y valor de referidos.

Ya proyectaste tu cohorte. Súmala al simulador de flujo de caja para ver el impacto en runway y caja final. Simulador de Flujo de Caja Avanzado

¿Quieres ir más allá del cálculo rápido?

Regístrate para acceder a simuladores avanzados con escenarios múltiples, exportación de datos y proyecciones detalladas.

Sin spam. Solo acceso anticipado al simulador de retención de estudiantes en edtech.

Guía completa

Qué significa realmente retener estudiantes en una plataforma EdTech

En EdTech la retención no es un KPI decorativo: es el multiplicador que decide si el negocio escala o se financia con ads cada mes. Una plataforma que activa al 40% de sus registros y completa al 15% del primer curso tiene un funnel donde 85 de cada 100 dólares de CAC se esfuman antes de generar LTV. Plataformas como Platzi, Crehana, Domestika, Coursera o Duolingo miden la retención a tres niveles: activación (primera lección terminada), D7/D30 learner retention (estudiante activo a 7 y 30 días), y course completion rate (porcentaje que cruza el último módulo). Cada nivel gobierna una palanca distinta: onboarding, engagement loop y diseño instruccional.

Las métricas que separan plataformas sanas de plataformas que se fugan

  • Activation milestone. Primera lección o primer proyecto entregado dentro de las 48 horas. HolonIQ y MIT Teaching Systems Lab reportan que estudiantes que cruzan activación en menos de 48 h tienen 3.8× más probabilidad de completar el curso.
  • D1/D7/D30 retention. Copiado del playbook de Duolingo y Kahoot: cohorte activa al día 1, 7 y 30 post-registro. Cursos autoservicio sanos: D1 55%, D7 28%, D30 14%. Plataformas con mentoría, cohortes sincrónicas o gamificación fuerte: D30 35-55%.
  • Course completion rate. Promedio de la industria según EdSurge y el MOOC Research Report: 5-15% en cursos abiertos masivos, 30-55% en cohortes pagadas con mentoría, 70%+ en bootcamps con accountability 1:1.
  • DAU/WAU ratio. Qué tan pegajoso es el producto. Best-in-class edtech consumer: DAU/WAU > 0.5 (el learner entra 4 de cada 7 días). Cursos profesionales B2C: 0.2-0.35. Autoservicio puro sin notificaciones inteligentes: 0.08-0.15.
  • Engagement decay curve. Curva de sesiones por semana post-registro. Si cae más del 70% entre la semana 1 y la semana 3, tu diseño instruccional perdió al learner antes del 'momento aha'.

Dónde exactamente abandonan — tres cortes típicos

  1. Primeras 48 horas. 40-60% del churn bruto de edtech consumer ocurre aquí. El culpable casi siempre es el onboarding: demasiadas pantallas, valor diferido, primer contenido sin payoff inmediato. El fix dominante es empujar al learner al activation milestone dentro de 20 minutos del registro — una lección concreta con output tangible, no un video de bienvenida.
  2. Semana 2-3. Cae la novedad, entra la vida real. Aquí funciona la spaced repetition (Anki, Duolingo streaks), recordatorios push con copy personalizado, y la intervención humana — un mentor envía un mensaje, un peer comenta tu proyecto. Platzi documentó en 2024 que sus cohortes con mentor live lift de completion del 12% al 31%.
  3. Fin del primer módulo. El learner decidió si vale la pena continuar. Aquí juega el diseño de la secuencia: el segundo módulo debe abrir con una win rápida, no con teoría densa. Crehana y Coursera Plus subieron completion de primer curso 9 puntos al reordenar los primeros tres módulos en 2023.

Cómo calcular el impacto en revenue de mejorar retención

Revenue por cohorte = Registros × Activación × Completion × ARPU × (1 + Upsell rate)

Una plataforma tipo Crehana con 10,000 registros/mes, activación 35%, completion 12%, ARPU $79 USD y upsell a plan anual del 18% genera $39,670 mensuales por cohorte. Subir completion del 12% al 20% (replicando el lift de mentoría híbrida de Platzi) lleva la cohorte a $66,117 — un 67% más de revenue sin tocar adquisición. Por eso el consenso de HolonIQ Global Edtech Funding Report 2024 es que cada punto porcentual de completion vale 4-7× más que un punto porcentual de conversión de landing.

Intervenciones que mueven la aguja — y cuánto cuestan

  • Onboarding rediseñado (activation-first). Costo: 3-6 semanas de product + diseño instruccional. Lift típico: +8-15 pp activación.
  • Spaced repetition + recordatorios push. Costo: 2-4 semanas dev + copy localizado. Lift: +5-10 pp D7 retention.
  • Mentoría síncrona o cohortes. Costo: variable (mentor por hora). Lift: +15-25 pp completion, pero subir CAC efectivo 20-30%.
  • Gamificación (streaks, XP, niveles). Costo: 6-10 semanas dev. Lift: +10-20 pp D30. Funciona en consumer, modesto en B2B.
  • Proyectos evaluados con feedback humano. Costo alto. Lift en NPS y conversión a plan premium: +30-40%.

Benchmarks 2024-2026 por segmento

  • MOOC abierto (Coursera, edX free tier): completion 5-10%.
  • Plataforma B2C por suscripción (Platzi, Crehana, Skillshare, Domestika): completion primer curso 15-35%, D30 25-40%.
  • Bootcamp intensivo (Henry, Laboratoria, Le Wagon, General Assembly): completion 70-85%.
  • Idiomas consumer (Duolingo, Babbel): D30 22-28%, DAU/WAU 0.45-0.60.
  • K-12 tutoring (Aprende.org, Kumon digital): completion trimestral 60-75% por presión parental.

Cómo usar este simulador

Carga registros mensuales, tasa de activación, completion actual, ARPU y upsell. El motor proyecta revenue de cohorte a 12 meses bajo cuatro escenarios: baseline, onboarding mejorado (+10 pp activación), mentoría híbrida (+15 pp completion) y combinado. Cada escenario devuelve LTV por learner, revenue total y CAC efectivo. Úsalo para priorizar: subir completion casi siempre domina sobre subir adquisición cuando la base de registros ya existe.

Caso real

Plataforma: Aprende.mx, marketplace de cursos profesionales cortos (8-20 horas) dirigido a adultos trabajadores en LatAm hispanohablante. Suscripción mensual de $149 MXN / $8 USD. 14 empleados, sede Ciudad de México.

Punto de partida (Q2 2024): 18,000 registros mensuales, activación 28% (primera lección completada en 7 días), completion del primer curso 11%, D30 retention 16%, DAU/WAU 0.22. ARPU por cohorte mensual $5.20 USD (considerando freebies, trial gratuito y churn involuntario). CAC $11.40. El CEO reportaba al consejo 'crecemos 8% MoM' — verdadero en registros, falso en ingresos recurrentes. El modelo del simulador mostró que a ese ritmo la caja se agotaba en mayo 2025.

Diagnóstico: el onboarding llevaba al usuario a una pantalla de catálogo con 340 cursos. El time-to-value era de 9 minutos hasta empezar la primera lección. 62% de los registros nunca volvían al día 2. Segunda fuga grande: el 71% de quienes completaban el primer módulo no abrían el segundo porque el primer módulo cerraba con teoría y el segundo con más teoría — sin output tangible.

Tres intervenciones en 90 días: (1) onboarding refactored: quiz de 3 preguntas → recomendación de UN curso específico → lección 1 en menos de 90 segundos; (2) spaced repetition con push diarios personalizados y streak de 3, 7 y 21 días, copia en español neutro; (3) reordenamiento del curriculum: módulo 2 rediseñado como mini-proyecto con output compartible en LinkedIn.

Resultado Q4 2024: activación 42% (+14 pp), completion primer curso 21% (+10 pp), D30 retention 29% (+13 pp), DAU/WAU 0.38. ARPU subió a $9.80 por mayor conversión a plan anual (de 11% a 24%). Revenue mensual de cohorte pasó de $93K a $211K USD sin cambiar CAC ni spend de ads. El consejo aprobó la ronda semilla de $2.2M USD a 4.5× el revenue run-rate — el múltiplo saltó porque la curva de retención finalmente componía.

Benchmarks de la industria

MétricaValorFuente
Completion promedio MOOC abierto5-15%EdSurge MOOC Research Report 2024
Completion cohorte pagada con mentoría30-55%HolonIQ Global Edtech Funding Report 2024
Lift de completion con mentor live (caso Platzi)+19 pp (de 12% a 31%)Platzi Public Learning Outcomes Report 2024
Activación óptima en primeras 48h3.8× más probabilidad de completarMIT Teaching Systems Lab 2023
DAU/WAU best-in-class consumer edtech>= 0.50HolonIQ EdTech Benchmarks 2024
Completion bootcamp intensivo con accountability70-85%CB Insights Edtech Report 2024

Preguntas frecuentes

¿Qué es una buena tasa de retención en EdTech?
Depende del modelo. MOOC abierto: completion 5-15% se considera aceptable. Plataforma pagada con mentoría: 30-55%. Bootcamp intensivo con accountability 1:1: 70-85%. D30 retention consumer sano: 25-40%. Lo importante es comparar contra tu segmento — no contra un benchmark agregado.
¿Cómo se calcula el course completion rate?
Completion rate = (estudiantes que terminaron el curso ÷ estudiantes que iniciaron el curso) × 100. Iniciar se cuenta típicamente desde la primera lección completada, no desde el registro. Reporta también completion desde registro para capturar el drop-off de activación.
¿Dónde abandonan más estudiantes en un curso online?
Tres puntos críticos: (1) primeras 48 horas post-registro — 40-60% del churn bruto; (2) semana 2-3 cuando baja la novedad y la motivación se enfrenta a la vida real; (3) fin del primer módulo si el segundo abre sin una win rápida y tangible.
¿Qué es la curva de retención por cohorte?
Es la gráfica que muestra qué porcentaje de una cohorte de registros sigue activa en día 1, 7, 14, 30, 60 y 90. Te permite ver si el producto estabiliza la base en un plateau (señal sana) o si decae log-lineal sin suelo (señal de fuga estructural).
¿Cómo mejorar la retención con spaced repetition?
Repaso espaciado es la práctica de revisitar contenido en intervalos crecientes (1d, 3d, 7d, 21d). Apps como Duolingo y Anki lo usan como columna vertebral. En plataformas de cursos profesionales el efecto principal no es memoria, sino lift de D7/D30 retention entre 5 y 10 puntos porcentuales al reducir olvido y reforzar el hábito.
¿Vale la pena agregar mentoría si sube el CAC?
Sí cuando la economía de la cohorte lo aguanta. La mentoría típica sube CAC 20-30% pero completion 15-25 puntos, y la conversión a plan anual suele duplicarse. El LTV componente gana más que lo que pierde por el CAC adicional — pero solo si el funnel de nurture está diseñado para convertir esa completion extra en revenue recurrente.
¿Qué tan alto es DAU/WAU en una EdTech sana?
Best-in-class consumer edtech (Duolingo, Babbel): 0.45-0.60 — el learner entra en promedio 4 de cada 7 días. Cursos profesionales B2C con engagement loop deliberado: 0.20-0.35. Autoservicio puro sin notificaciones ni streaks: 0.08-0.15 — ahí estás construyendo un catálogo, no un producto.
¿Cuánto cuesta implementar gamificación en una plataforma EdTech?
Una implementación mínima (streak, XP por lección, 3-5 niveles) toma 6-10 semanas de dev + diseño. Lift típico en D30 retention: 10-20 puntos porcentuales en consumer, 3-8 en B2B profesional. El ROI es claro cuando el uplift mensual de revenue por cohorte excede el costo de desarrollo en menos de 6 meses.

Herramientas del mismo cluster temático. Úsalas en conjunto para cerrar el análisis.

Última actualización: 17 de abril de 2026 · Contenido revisado por el equipo editorial de Simúlalo.

Retención EdTech: Detecta Dónde Abandonan | Simúlalo