Retención de clientes: cómo medirla con la factura electrónica e IA

En resumen: la retención de clientes es el porcentaje de clientes de un periodo que vuelven a comprar en el siguiente. Para medirla no necesita un CRM perfecto: la factura electrónica ya registra quién le compró, cuándo, qué y por cuánto. Con los XML descargados de la DIAN y una instrucción bien escrita, la IA calcula la tasa de retención, el churn, la recencia de cada cliente y las cohortes por mes; el financiero decide qué hacer con los clientes que se están yendo.

Qué es la retención de clientes

La retención de clientes es la capacidad de una empresa de conservar a los clientes que ya tiene a lo largo del tiempo. Se mide con la tasa de retención: de los clientes que existían al inicio de un periodo, qué porcentaje sigue comprando al final. Su contracara es el churn o tasa de pérdida de clientes. En inglés se habla de customer retention.

La importancia de la retención es financiera antes que comercial: una base de clientes recurrentes sostiene ingresos predecibles, mientras que atraer nuevos clientes exige marketing digital, comisiones, visitas y tiempo antes de la primera factura. Retener clientes no reemplaza la captación, pero sin retención la captación se vuelve una carrera para tapar la pérdida.

La fórmula más usada es:

Tasa de retención = ((CF − CN) / CI) × 100

CI = clientes al inicio del periodo
CF = clientes al final del periodo
CN = clientes nuevos adquiridos durante el periodo

Churn = 100 % − tasa de retención

Ejemplo: si empezó el trimestre con 80 clientes, terminó con 90 y 25 de ellos fueron nuevos, retuvo 65 de 80, es decir, el 81 %, y su churn fue del 19 %. Lo que importa no es el número aislado sino su tendencia y por qué se mueve.

Retención y fidelización no son lo mismo. La retención es un hecho medible —el cliente volvió a comprar—; la fidelización es el vínculo que lo hace volver aunque tenga alternativas. Se puede retener a punta de descuentos sin fidelizar a nadie, y ese es justamente uno de los hallazgos de este caso.

El dolor: el dato de retención está en una factura que nadie vuelve a mirar

Pregunte en cualquier comité: «¿cuántos de los clientes de enero volvieron a comprar en junio?». El gerente comercial mira el CRM, que está a medio diligenciar; el contador mira el balance, que no responde eso; y la conversación termina en una opinión. Mientras tanto, cada venta del semestre quedó registrada en un documento que la empresa está obligada a expedir: la factura electrónica.

En el laboratorio en vivo que llamé «la inteligencia comercial que ya pagaste» lo planteé así: una factura en PDF trae unos ocho datos —número, fecha, cliente, producto, cantidad, valor unitario, IVA y total—, que es lo que se archiva, lo que se manda al contador y lo que nadie vuelve a mirar. Pero junto al PDF viaja un archivo XML con miles de caracteres y decenas de campos más. Descargarlos a mano, uno por uno, para una empresa con unas 560 facturas en seis meses significa repetir el mismo ejercicio 560 veces. Nadie tiene tiempo para eso, y por eso nadie lo hace.

Cómo medir la retención de clientes con el XML de la factura electrónica

La DIAN define la estructura de la factura electrónica en su anexo técnico (versión 1.9, adoptada con la Resolución 000165 de 2023), sobre el estándar XML UBL 2.1. Para un análisis de retención interesan pocos campos, pero cada uno responde una pregunta financiera:

Ninguna de esas preguntas se responde con el total de la factura en PDF. Todas se responden con el XML.

El caso: un semestre de facturas convertido en análisis de retención

En el laboratorio trabajé con la facturación de venta de enero a junio de una empresa real, anonimizada: una firma de servicios de marketing en Bogotá con tres líneas de negocio en un mismo archivo —proyectos, talleres de ticket bajo y volumen alto, y contratos de dirección que se facturan en fecha fija—. En el caso del laboratorio, unas 560 facturas, alrededor de un centenar de clientes y un ingreso neto cercano a 280 millones de pesos. Los XML se descargaron con Cotejo 360, la extensión que desarrollamos para eso; sirve igual cualquier herramienta que exporte la facturación a Excel con el detalle de los XML.

Si quiere ver cómo queda ese archivo antes de usarlo, el sitio oficial muestra la facturación electrónica de la DIAN en Excel con una empresa de demostración.

Antes de calcular nada, la instrucción le pide a la IA sanear. Esto no es un detalle: un mismo cliente con dos NIT mal digitados aparece como un cliente perdido y un cliente nuevo, y la retención sale falsa. «El informe sobre datos sucios es peor que no tener informe».

Eres analista comercial senior. Tu trabajo es convertir facturación
electrónica cruda en decisiones comerciales defendibles: no describes
datos, explicas qué está pasando con el negocio.

Archivo: facturación de venta (XML a Excel), enero a junio.

1. Saneamiento: consolida terceros duplicados y productos con dos
   códigos; excluye notas crédito, anulaciones y reemisiones del
   conteo de ventas; declara los campos ausentes. Deja constancia de
   qué consolidaste y qué excluiste.
2. Retención por cohorte: agrupa a los clientes por mes de primera
   compra y calcula qué porcentaje vuelve a comprar en cada mes
   siguiente. Muestra la matriz y la curva.
3. Por cliente: días desde la última compra (recencia), número de
   facturas (frecuencia), ventas netas (valor) y productos distintos.
4. Clasifica: activo, en riesgo (sin comprar más del doble de su
   intervalo habitual) y perdido. Explica el criterio.
5. Separa la retención por línea de negocio: no mezcles contratos
   recurrentes con talleres de compra única.
6. Cruza la retención con el descuento efectivo por cliente.
Cada hallazgo: una frase, la cifra que lo sustenta y la decisión que
habilita. No inventes datos; si algo no está en el archivo, dilo.

El resultado fueron un libro de Excel con hojas de panorama, clientes, productos, precios, cohortes, calendario, segmentos y saneamiento; un informe comercial en Word; y un tablero interactivo.

Desde el minuto 46:44: en pantalla, la hoja de clientes del Excel que generó la IA, ordenada de mayor a menor, con facturas, productos distintos, notas crédito y días desde la última compra de cada cliente. Mire esa última columna: es la recencia, el primer indicador de que un cliente se está yendo, y salió solo de las fechas de emisión de las facturas.

Lo que mostró la retención de clientes en este caso

Tres hallazgos del tablero sirven para entender cómo se lee la retención de clientes desde la facturación:

1. La curva por cohorte. De cada grupo de clientes nuevos, en el caso del laboratorio volvía a comprar entre la mitad y dos tercios según el mes. Mirado así, mes a mes, el número deja de ser una opinión y se vuelve una tendencia que se puede seguir.
2. Retención comprada con precio. En el mismo semestre, el descuento efectivo se multiplicó más de tres veces. Si los clientes que vuelven son los que reciben más descuento, la empresa no está fidelizando: está pagando por cada recompra. Ese cruce lo trabajamos en la estrategia de precios con IA.
3. Concentración que se mueve. El cliente que más facturó en el semestre ni siquiera era cliente en marzo. Un cliente nuevo grande puede esconder la pérdida de varios pequeños: por eso la retención se mide en número de clientes y también en valor.

Desde el minuto 61:42: en pantalla, la pestaña de retención del tablero —el porcentaje de clientes que vuelve por mes, la curva de retención y la distribución de clientes por número de compras—. Está aquí porque es la tasa de retención por cohorte calculada con la fórmula de arriba, a partir de los XML y no de un CRM.

El límite: la factura dice quién se fue, no por qué

No todo lo que el tablero marca como pérdida es pérdida. En este caso había talleres de compra única: un asistente que tomó un taller y no volvió no es un cliente perdido, es un cliente de un producto que no se repite. Si no se separa la retención por línea de negocio, el churn sale inflado. Lo mismo pasa con los contratos de facturación fija: su retención es casi automática hasta el día en que se cancela el contrato, y ese día pesa mucho.

El tablero también tuvo pequeños errores de presentación que hubo que corregir con una segunda instrucción. No pasa nada: se itera. Lo que no se puede iterar es la interpretación. La factura electrónica le dice qué cliente dejó de comprar y desde cuándo; no le dice si se fue por precio, por servicio, por atención al cliente o porque cerró su empresa. Esa respuesta la consigue alguien llamando al cliente. «La IA señala; yo defino».

Y un punto de cuidado: muchos clientes son personas naturales. El archivo que se le entrega a la IA tiene datos personales, así que se anonimiza o se procesa en un entorno que no entrene con su información, en línea con la Ley 1581 de 2012 sobre datos personales. Los demás cuidados están en los riesgos de la inteligencia artificial para contadores.

Cómo mejorar la retención de clientes: estrategias con datos

Medir no retiene a nadie; decide dónde poner el esfuerzo. Con el análisis hecho, las estrategias de retención de clientes dejan de ser una lista genérica y se vuelven una agenda concreta:

• Clientes en riesgo primero. La lista de clientes sin compra por encima de su intervalo habitual es la lista de llamadas del equipo comercial de esta semana. Recuperar a un cliente que se está enfriando suele costar menos que adquirir un nuevo cliente.
• Personalizar el contacto. Con el historial de cada cliente en la mano, los correos electrónicos y las llamadas dejan de ser genéricos: se habla de lo que compró, cuándo y qué le puede servir ahora. Los productos y servicios que ofrece la empresa se cruzan con lo que cada cliente ya conoce.
• Venta cruzada con base. La matriz de productos por cliente muestra qué compra cada uno y qué no. Ofrecer el producto que compran clientes parecidos es una estrategia de retención con evidencia.
• Revisar la política de descuentos. Si la retención depende del precio, conviene medir la rentabilidad por cliente y el margen de contribución antes de seguir descontando.
• Escuchar al cliente que se fue. Encuestas de satisfacción cortas, los comentarios de los clientes y una llamada al cliente perdido convierten el churn en información sobre el servicio al cliente y la experiencia del cliente.
• Programas de fidelización medidos. Si lanza un programa de fidelización, mida la retención de la cohorte que lo recibió frente a la que no. Sin esa comparación, no sabe si funcionó.
• Cuidar lo básico. Ningún tablero compensa la calidad del producto ni un servicio de atención al cliente lento. La lealtad hacia la marca se gana al ofrecer un servicio que cumple lo prometido; la clave en la retención de clientes existentes sigue siendo esa, en una empresa de servicios o en un comercio electrónico.
• Medir cada mes, igual. Misma fórmula, misma instrucción, mismo saneamiento. Si la métrica cambia de definición cada mes, la tendencia no sirve.

La misma retención, tres lecturas

• El financiero la convierte en proyección: ingresos recurrentes esperados de los clientes habituales, valor de vida del cliente (lo que deja en promedio mientras sigue comprando) y riesgo de concentración. Es el insumo natural de un reforecast financiero.
• El contador ve que las notas crédito, anulaciones y reemisiones cambian el resultado: la retención se calcula sobre ventas netas, y esa depuración es la misma que exige cuadrar la facturación contra contabilidad.
• El auditor o revisor fiscal ve otras señales en el mismo archivo: clientes que aparecen con una sola factura grande y desaparecen, ventas de contado pagadas en efectivo que conviene validar, o descuentos concentrados en pocos clientes. No son fraude por sí solos; son preguntas para los procedimientos analíticos del auditor.

Si su punto de partida es descargar la facturación, empiece por cómo descargar las facturas electrónicas de la DIAN; si quiere el panorama de todo lo que se puede analizar con la factura —ventas, causación, inteligencia de negocios—, está en facturación electrónica con IA. Este artículo se queda en una sola pregunta: cuántos clientes vuelven. Y cuando el cliente que vuelve no paga, el siguiente paso es la carta de cobro de cartera.

Preguntas frecuentes

¿Qué significa retención de clientes?

Es la capacidad de una empresa de conservar a sus clientes actuales en el tiempo, medida como el porcentaje de clientes de un periodo que siguen comprando en el siguiente. Una retención alta reduce la dependencia de captar clientes nuevos para sostener los ingresos.

¿Cómo se calcula la tasa de retención de clientes?

Reste a los clientes del final del periodo los clientes nuevos, divida el resultado entre los clientes del inicio y multiplique por cien. Con la factura electrónica, cada cliente es un NIT o una identificación y cada compra es una fecha de emisión, así que el cálculo se puede repetir cada mes sin depender de un CRM.

¿Cuál es una buena tasa de retención de clientes?

Depende del modelo de negocio: un servicio por suscripción o por contrato debería retener mucho más que un negocio de compras ocasionales. Más útil que compararse con un promedio externo es seguir su propia tendencia, por línea de negocio y por cohorte.

¿Cuál es la diferencia entre retención y fidelización de clientes?

La retención mide si el cliente volvió a comprar; la fidelización describe por qué vuelve aunque tenga alternativas. Una empresa puede tener buena retención sostenida con descuentos y, aun así, pocos clientes fieles. La fidelización se construye con relaciones duraderas; la retención es la cifra que le dice si las está logrando.

¿Cómo medir la retención de clientes con IA sin saber programar?

Exporte la facturación electrónica de venta a Excel con el detalle de los XML, entréguela a un asistente de IA con una instrucción que pida primero sanear los datos y luego calcular cohortes, recencia y frecuencia, y valide las cifras contra la fuente antes de presentarlas.

La pregunta que el gerente hará después del tablero

En cuanto el gerente vea la curva de retención va a preguntar lo que la factura no responde: por qué se fueron y qué hacemos. La IA puede dejarle lista la lista de clientes en riesgo, la matriz de cohortes y el cruce con descuentos en minutos; la recomendación —a quién llamar, qué descuento quitar, qué línea de negocio dejar de empujar— la tiene que sostener usted frente al comité, con la cifra y con el criterio.

Leer la facturación como información financiera, convertirla en indicadores y presentarla para que alguien decida es lo que trabajamos en los módulos de análisis financiero avanzado y de visualización y comunicación del Programa Ejecutivo en IA para Finanzas, con casos como este y con datos anonimizados. Si quiere saber qué le diría su propia facturación sobre sus clientes, escríbame por WhatsApp y cuénteme cuántas facturas emite al mes.

Autor: Francisco Moreno Díaz — CP · MBA · MBAN · CAIO
Publicado en: IA Contable

Fuentes

• DIAN, Resolución 000165 del 1 de noviembre de 2023, por la cual se adopta la versión 1.9 del Anexo Técnico de Factura Electrónica de Venta. Normograma DIAN. Consultada el 4 de octubre de 2026.
• DIAN, documentación técnica del sistema de facturación electrónica: formato XML bajo el estándar UBL 2.1. Consultada el 4 de octubre de 2026.
• Ley 1581 de 2012, régimen general de protección de datos personales. Consultada el 4 de octubre de 2026.
• Laboratorio de IA Contable: «Facturación electrónica DIAN: la inteligencia comercial que ya pagaste», Francisco Moreno Díaz, YouTube (video rTY4yJskAHw).