Modelado de unit economics: simular antes de invertir.

01 — Para qué sirve el modelado

Para qué sirve el modelado de unit economics.

Las unit economics describen el pasado y el presente: cuánto costó adquirir cada cliente, cuánto generó, cuánto tardó en recuperarse la inversión. El modelado extiende ese análisis hacia adelante: permite preguntar qué pasa con esas métricas si cambia alguna de las variables de entrada — precio, retención, costo de adquisición, costo de entrega — antes de comprometer recursos.

Alistair Croll y Benjamin Yoskovitz, en su trabajo sobre Lean Analytics, introducen el concepto de "métricas que importan en cada etapa" — la idea de que los negocios en distintos momentos necesitan información diferente para tomar decisiones diferentes. El modelo de unit economics es el instrumento que conecta ese principio con la realidad financiera: permite ver si un negocio en etapa de escalamiento puede sostener la inversión actual en adquisición, o si necesita mejorar la retención antes de escalar el CAC. Sin el modelo, esa pregunta se responde con intuición; con él, se responde con proyecciones fundamentadas.

El modelado no elimina la incertidumbre — ningún modelo lo hace. Lo que hace es estructurar la incertidumbre: transforma preguntas vagas ("¿podemos crecer más rápido?") en preguntas precisas ("¿qué le pasa al ratio LTV:CAC si aumentamos el gasto en adquisición un 40% y el churn baja de 4% a 3% mensual?"). Esa precisión es lo que hace posible una decisión informada.

02 — Los inputs del modelo

Los inputs del modelo.

Un modelo de unit economics tiene inputs de dos tipos: los que se miden con datos históricos y los que se proyectan con supuestos. La distinción es crítica porque los primeros tienen una base empírica; los segundos son hipótesis que deben estar explícitas y documentadas.

Inputs medibles

El payback period real de los últimos 6-12 meses. El churn rate mensual por cohorte de los últimos 12 meses — no el promedio de toda la base, sino el análisis de cohort economics que muestra cómo se comporta la retención por generación de clientes. El margen de contribución unitario actual, incluyendo el costo de servir. El CAC real desagregado por canal. Estos inputs son hechos — pueden y deben ser verificados contra los datos del CRM y del sistema contable.

Inputs proyectados

La tasa de crecimiento esperada en adquisición. La mejora proyectada en retención como resultado de iniciativas de customer success. El impacto proyectado de cambios de pricing en la tasa de conversión y el churn. Estos inputs son supuestos — deben estar explícitamente etiquetados como hipótesis, con la fuente de cada supuesto documentada (experiencia histórica, benchmark de industria, resultado de un experimento previo). Un modelo que mezcla datos y supuestos sin distinguirlos es opaco e inutilizable para decisiones de inversión serias.

03 — Estructura del modelo mínimo

Estructura de un modelo mínimo viable.

El modelo mínimo de unit economics tiene cinco componentes conectados en secuencia. No necesita más complejidad que eso para la mayoría de las decisiones estratégicas relevantes.

1. Cálculo de CAC por canal

Definí qué costos de adquisición incluís y qué clientes nuevos corresponden a ese esfuerzo. Conciliá marketing y ventas, períodos y demoras de conversión. CAC = costos de adquisición incluidos / clientes nuevos atribuibles según la convención documentada. Desagregar por canal ayuda, pero una asignación contable o de atribución no mide automáticamente el efecto incremental de invertir más.

2. Proyección de LTV por cohorte

Para comparar LTV con CAC, definí primero si medís ingresos o contribución. Un modelo mensual finito puede sumar, para cada mes, la probabilidad de seguir activo multiplicada por ingresos menos costos variables de atención. Usá horizontes explícitos y una tasa de descuento cuando corresponda. ARPU / churn estima ingresos en un caso simplificado de horizonte infinito, churn constante y sin descuento; no es una fórmula general de rentabilidad. La expansión se modela en los flujos de cada cohorte, no multiplicando indiscriminadamente por NRR.

3. Cálculo de margen de contribución

Ingresos por cliente menos costos variables de entrega y atención, sin contar dos veces el mismo costo. La definición de margen de contribución de OpenStax distingue esta contribución del beneficio neto: todavía debe cubrir costos fijos y otros compromisos. Si un costo se asigna para un análisis de rentabilidad completo, identificá esa asignación por separado.

4. Ratio LTV:CAC y payback

Estos dos indicadores son la síntesis del modelo — los números que responden "¿las unit economics son sanas?" y "¿cuánto tiempo tardamos en recuperar la inversión por cliente?". El ratio LTV:CAC y el payback period deben actualizarse mensualmente con datos reales y compararse contra los supuestos del modelo para detectar desviaciones temprano.

5. Proyección de crecimiento y burn rate

Con CAC real, volumen de adquisición proyectado y margen de contribución, el modelo puede proyectar cuánto capital necesita el negocio para financiar el crecimiento planeado antes de que los clientes existentes generen suficiente margen para cubrirlo. Esta proyección conecta el análisis de unit economics con la gestión de tesorería y la estrategia de priorización de recursos.

04 — Cómo construir escenarios

Cómo construir escenarios útiles.

Un modelo de escenarios no es una predicción de lo que va a pasar — es una herramienta para explorar las implicaciones de diferentes hipótesis antes de comprometer recursos. El valor del escenario no está en su precisión sino en la claridad de decisión que genera.

Una estructura posible combina un caso base y alternativas favorables y adversas. Cada escenario necesita supuestos compatibles entre sí. Podés añadir casos cuando respondan preguntas distintas; ni el número de escenarios ni sus probabilidades vienen dados por la planilla.

Ejemplo hipotético recalculable. ARPU de 250 unidades monetarias, margen de contribución porcentual constante y cobro al comienzo de cada uno de 24 meses, con supervivencia inicial igual a 1. Sin expansión, impuestos ni descuento: LTV de contribución a 24 meses = ARPU × margen × Σ(1 − churn)^t, para t de 0 a 23. El ratio divide esa suma por CAC. Si cambia la convención de cobro o el horizonte, cambian los resultados.

Para cada alternativa, preguntá qué supuestos la sostienen, qué evidencia los respalda y qué pasa si fallan. Una iniciativa concreta vuelve discutible un supuesto; no garantiza alcanzarlo. El modelo sirve para decidir cuánto arriesgar, qué aprender y cuándo revisar la inversión.

05 — Las tres palancas

Las tres palancas de mayor impacto en el modelo.

La sensibilidad indica qué supuestos cambian más el resultado dentro de los rangos evaluados. Retención, precio y CAC suelen merecer atención, junto con el costo de servir. Su orden de importancia depende de la situación: no existe una clasificación universal válida para todos los negocios.

1. Retención (churn)

Con churn constante y horizonte infinito, pasar de 4% a 3% mensual cambia la duración esperada simplificada de 25 a 33,33 meses: un aumento de 33,33%. Esa comparación no equivale al aumento del LTV a 24 meses. En un horizonte finito y con costos, expansión o descuento, calculá nuevamente los flujos. El trabajo de retención debe evaluarse con su costo y su efecto observado.

2. Precio y ticket promedio

Simulá el cambio de precio junto con volumen, mezcla de clientes, retención y costos. Un aumento de precio del 10% eleva ingresos unitarios un 10% solo si el resto permanece constante; su efecto sobre contribución y LTV puede ser distinto. El modelo ayuda a explicitar esa hipótesis antes de una prueba de pricing.

3. CAC por canal

Un CAC menor mejora el ratio si el valor esperado del cliente se conserva. Compará también calidad de cohortes, capacidad de escalar y gasto marginal. Adquisición orgánica puede diversificar la demanda, pero tiene costos y su CAC no baja necesariamente con el tiempo.

06 — Del modelo a la decisión

Conectar el modelo con decisiones reales.

Un modelo de unit economics que no informa decisiones concretas es un ejercicio analítico sin valor práctico. El modelo existe para responder preguntas específicas del negocio, y cada pregunta tiene una decisión asociada.

¿Cuándo escalar adquisición? Cuando una prueba de incremento sostiene contribución, recuperación y capacidad operativa dentro de los límites de caja definidos. Un LTV:CAC alto con datos inmaduros o un CAC promedio bajo no autoriza por sí solo más inversión. Evaluá cohortes marginales y un escenario adverso antes de escalar.

¿Cuándo priorizar retención sobre adquisición? Cuando el churn está en una tendencia de aumento, cuando el análisis de cohortes muestra que los clientes más recientes retienen peor que los históricos, o cuando una mejora de un punto en la retención tiene mayor impacto en el ratio que una reducción equivalente del CAC. El modelo cuantifica ese trade-off — que sin el modelo se decide por intuición. La conexión con Lifecycle Marketing y con los programas de customer success es directa: son las palancas operativas que mejoran la retención.

¿Cuándo cambiar el pricing? Cuando el modelo muestra que el LTV actual es insuficiente para sostener el CAC necesario para crecer, y el análisis de elasticidad indica que hay espacio para aumentar el precio sin aumentar el churn proporcionalmente. El modelo de escenarios permite simular el impacto de un aumento del 15% en el precio con tres supuestos distintos de churn adicional, y comparar el LTV neto de cada escenario antes de comprometerse con el cambio.

En Reporting y Dashboards, el modelo de unit economics debe tener representación directa: un dashboard operativo que muestre el CAC real por canal, el churn rate mensual por cohorte, el payback period actual y el ratio LTV:CAC a 12 y 24 meses. Estas métricas se actualizan mensualmente y son las que informan las decisiones de inversión en el ciclo de planificación. En Analítica y KPIs, el NSM del negocio debe estar conectado con las unit economics: una métrica norte de "clientes activos" que no incorpora rentabilidad diferencial por segmento puede optimizarse a costa de la viabilidad económica del modelo.

Segmentá las unit economics para revisar el ICP y contrastar la propuesta de valor. Menor CAC o churn pueden acompañar una marca más fuerte, pero no prueban que la marca causó la diferencia. Considerá mezcla de clientes, producto, precios y canales. La investigación de necesidades del cliente complementa el análisis económico.

Incluir el costo de calidad sin duplicarlo

La clasificación de ASQ sobre costo de calidad distingue prevención, evaluación y fallas. Su aplicación al modelo ayuda a ver el costo de entregar bien y de corregir errores. No convierte toda esa inversión en costo variable ni garantiza que eliminar controles mejore el margen.

07 — Errores frecuentes

Errores frecuentes en el modelado.

Usar el LTV bruto en lugar del LTV neto

El LTV calculado sobre ingresos, sin descontar costos variables de entrega y atención, no representa la contribución disponible para recuperar adquisición. Aplicá el margen de contribución de forma consistente y no dupliques costos. Identificá además horizonte, descuento y costos fijos excluidos.

Proyectar mejoras de retención sin palancas concretas

Un escenario optimista que proyecta churn de 2% sin especificar qué va a hacer el negocio para lograr esa mejora es un número de fantasía. Cada supuesto de mejora debe tener una palanca operativa asociada: "el churn baja de 3.5% a 2.5% porque implementamos un programa de onboarding estructurado en los primeros 60 días y un ciclo de revisión trimestral con los clientes en riesgo". Sin esa especificidad, el escenario optimista no es un plan — es un deseo.

No actualizar el modelo con datos reales

Un modelo construido una vez y no actualizado se vuelve obsoleto en pocas semanas. El CAC cambia con la competencia en los canales pagados; el churn cambia con las decisiones de producto; el margen cambia con los costos de infraestructura. El modelo debe actualizarse mensualmente con datos reales y los supuestos deben revisarse trimestralmente. Sin esa cadencia, el modelo pierde su función de instrumento de decisión y se convierte en un artefacto de planificación anual que no informa el día a día.

Modelar demasiadas variables desde el inicio

Un modelo con 30 variables es más opaco que uno con 8. La complejidad excesiva hace que el modelo sea difícil de interpretar, difícil de cuestionar y difícil de actualizar. La regla es agregar variables solo cuando resuelven una pregunta específica que el modelo más simple no puede responder. El MVP del modelo de unit economics debe funcionar en una hoja de cálculo que cualquier miembro del equipo de liderazgo pueda entender sin formación financiera especializada.

Ignorar la dimensión de segmento

Un modelo de unit economics a nivel de negocio total oculta la varianza entre segmentos, como se desarrolló en el spoke anterior sobre unit economics por segmento. El modelo mínimo debe poder desagregarse por los segmentos principales del negocio — al menos por canal de adquisición y por tipo de cliente — para que las decisiones de inversión estén fundamentadas en la rentabilidad real de cada segmento, no en el promedio que los combina.

08 — Lo que aprendiste en este subhub

Lo que aprendiste en el subhub Unit Economics.

Este subhub recorrió las unit economics desde la definición conceptual hasta el modelado avanzado. Cada spoke construyó sobre el anterior: primero las bases, luego las métricas específicas, después el análisis intermedio, y finalmente los instrumentos avanzados de decisión. Lo que sigue es el mapa completo de lo que cubriste.

09 — Preguntas frecuentes

Preguntas frecuentes sobre modelado de unit economics.

10 — Referencias

Referencias y bibliografía.

OpenStax · Margen de contribución.

ASQ · Cost of Quality.

Skok, D. (2012). SaaS Metrics 2.0. For Entrepreneurs. Sección: \"Understanding the Importance of SaaS Metrics.\"

Croll, A., & Yoskovitz, B. (2013). Lean Analytics. O'Reilly Media. Cap. 7: \"What Stage Are You At?\"

Kumar, V. (2018). Customer Lifetime Value. Now Publishers. Cap. 6: \"CLV-based Resource Allocation Across Products and Markets.\"

Reichheld, F. F. (1996). The Loyalty Effect. Harvard Business School Press. Cap. 2: \"The Economics of Customer Loyalty.\"

Gurley, B. (2012). All Revenue is Not Created Equal: The Keys to the 10X Revenue Club. Above the Crowd Blog.

Ellis, S., & Brown, M. (2017). Hacking Growth. Currency. Cap. 4: \"Determining Your Growth Levers.\"

Kaushik, A. (2009). Web Analytics 2.0. Sybex. Cap. 8: \"Competitive Intelligence and Web Analytics.\"

Términos relacionados