La prevención del churn consiste en detectar el riesgo, elegir la intervención con el mayor efecto incremental y demostrar que funcionó frente a un holdout. Así es como funciona el ciclo.
churn prevention es la práctica de detectar el riesgo de que un cliente se vaya, eligiendo la intervención con el mayor efecto incremental esperado en ese cliente específico, y ejecutándola lo suficientemente pronto como para cambiar el resultado. Es una disciplina de decisioning, no una campaña: el valor proviene de elegir la acción correcta por cliente, no de contactar a todos los que parecen estar en riesgo.
La mayoría de los equipos ya tienen una puntuación de riesgo en algún lugar. Muchos menos tienen un bucle que convierte esa puntuación en una acción, retiene a parte de la población para probar que la acción funcionó y retira los tratamientos que no hacen nada. Ese bucle es lo que describe este artículo.
Entre el 20 y el 40 por ciento de las cancelaciones en negocios de suscripción son pagos fallidos, no decisiones. Los reintentos inteligentes por código de rechazo, el actualizador de cuentas y la actualización de tarjetas antes del vencimiento no cuestan margen y no necesitan un modelo. Implementa estos, reajusta la base, y luego trabaja en el churn intencional. El detalle operativo está en mejores prácticas de dunning.
Dos cuentas con un riesgo del 0,7 % necesitan cosas diferentes: una nunca activó la característica por la que compró el producto, la otra está pagando por una capacidad que dejó de usar. Un recordatorio de onboarding ayuda a la primera e insulta a la segunda. Segmenta los tratamientos por causa, siempre.
La ventana en la que un "save" es barato es semanas antes de que se forme la intención de cancelar. Para cuando alguien llega al flujo de cancelación, las únicas palancas que quedan son caras. La desviación sigue importando, y diseño de flujo de cancelación cumple su función, pero es la última línea, no el programa.
Clasifica las ofertas por margen ponderado por uplift. En la mayoría de los casos, un tercio de las ofertas de retención se dirigen a clientes con uplift negativo: la oferta les recuerda que irse era una opción. El modelado de uplift es la única forma de ver esto, y necesita datos de experimento, por eso la medición es parte del diseño y no una fase al final.
Las ofertas de save decaen. Un cupón de win-back que produjo 6 puntos de retención incremental en el primer trimestre a menudo está en 2 en el tercer trimestre, ya que la población en la que funciona se agota. Revisa cada tratamiento activo mensualmente contra su holdout y elimina los que no funcionan.
Tres modos de fallo explican la mayoría de los programas decepcionantes. El primero es tratar la puntuación como el producto: un dashboard de riesgo sin nadie responsable de la acción. El segundo es un único tratamiento para todos, generalmente un descuento, que convierte un problema de retención en un problema de precios. El tercero es medir las retenciones sin un contrafactual, lo que hace imposible dejar de hacer las cosas que no funcionan.
Markin detecta la señal de riesgo, establece la hipótesis, clasifica las acciones candidatas por margen incremental esperado y retiene un grupo de control automáticamente. Consulta Toma de decisiones de retención o el streaming view.
Preguntas frecuentes
Recursos relacionados
Soluciones
Verlo en el producto
Los mismos bucles que describe esta nota funcionan 24/7 contra tu base de clientes. Observa cómo el espacio de trabajo decide, experimenta y ejecuta 1:1.
Vocabulario
Definitions an answer engine can quote, each one a page of its own.
Comparar
Neutral reads on the categories buyers evaluate against a decision layer.
Todas las comparaciones
