RESOURCES/Guía
Análisis predictivo versus Growth decisioning
El análisis predictivo estima lo que es probable que suceda. El Growth decisioning elige qué hacer al respecto, lanza la acción y mide si esta cambió el resultado. Una predicción es un input para una decisión, no un sustituto de ella: una puntuación de churn te dice quién está en riesgo, no quién merece la pena salvar, con qué, y a qué coste.
El modelo se lanzó y nada cambió
Un modelo de churn alcanza una buena precisión, entra en producción y doce meses después la retención es la misma. Este es el resultado más común de un programa predictivo, y generalmente no es un fallo de modelado. La puntuación nunca se conectó a una decisión de la que alguien fuera responsable, una acción que alguien pudiera lanzar o una medición que alguien aceptara.
- Una puntuación sin una acción es un informe.
- Una acción sin un modelo de elegibilidad y costo trata a cada cliente en riesgo como igualmente digno de ser salvado.
- Una acción sin control no puede distinguirse de lo que habría sucedido de todos modos.
Lo que se interpone entre una puntuación y un resultado
La Predicción es uno de seis pasos. Los otros cinco son donde la mayoría de los programas se estancan, y ninguno de ellos es un problema de modelado.
01
Predecir
Estimar el riesgo, la propensión o el valor. Necesario, y la parte que la mayoría de las organizaciones ya han construido.
02
Valorar al cliente
Convierta el riesgo en valor en riesgo. Un cliente de alto riesgo que vale muy poco no es una prioridad.
03
Elige la acción
Compara los tratamientos candidatos en función del valor incremental esperado, no de qué equipo los propuso.
04
Aplicar restricciones
El consentimiento, la política de contacto, los márgenes mínimos y los límites regulatorios son filtros estrictos sobre lo que se puede hacer.
05
Ejecutar
Entregar a través de la superficie de engagement, producto o servicio existente, o la decisión sigue siendo teórica.
06
Medir incrementalmente
Leer contra un control aleatorio. La precisión del modelo no dice nada sobre si la acción ayudó.
Predicción versus decisioning
| Pregunta | Análisis predictivo | Toma de decisiones de crecimiento |
|---|---|---|
| Qué produce | Una probabilidad, una puntuación, un segmento. | Una acción elegida para un cliente específico, ejecutada. |
| Quién merece ser contactado | No abordado. El riesgo no es lo mismo que el valor en riesgo. | El valor esperado, neto de margen y coste de contacto, decide. |
| Qué acción tomar | Dejado a un humano, usualmente en una herramienta separada. | Seleccionado entre Candidates en competencia mediante arbitraje. |
| Ejecución | Entrega la lista a un especialista en marketing o a una tarea de reverse-ETL. | Se lanza dentro de los sistemas ya implementados. |
| Medición | Precisión del Model: AUC, gráficos de lift, calibración. | Resultado incremental frente a un control aleatorizado. |
| Modo de fallo | Un modelo preciso sobre el que nadie actúa. | Una hipótesis errónea, retirada de forma económica y a propósito. |
Diagnostica tu propio programa predictivo
Para cada modelo actualmente en producción:
- ¿Qué decisión cambia esta puntuación y quién la posee?
- ¿La acción está ligada a la puntuación o se elige manualmente cada vez?
- ¿La acción tiene en cuenta el valor del cliente, o solo su riesgo?
- ¿Puede la acción lanzarse automáticamente o espera un ciclo de construcción?
- ¿La última lectura se refería a la precisión del modelo o al ingreso incremental?
- Si el modelo se apagara mañana, ¿qué cambiaría visiblemente?
Cuando la predicción por sí sola es el punto de parada correcto
- Casos de uso de previsión y planificación, donde el resultado es un número que un humano utiliza para hacer un plan.
- Decisiones de riesgo, fraude y crédito, donde la puntuación alimenta un proceso de reglas gobernado por diseño y la autonomía no es deseada.
- Trabajo de análisis inicial donde el objetivo es comprender un impulsor en lugar de actuar sobre él.
- Situaciones en las que ninguna acción está disponible o es asequible. Añadir una capa de decisioning sobre un espacio de acción vacío no cambia nada.
Markin es un equipo autónomo de growth-science para grandes empresas B2C. Investiga por qué el ingreso por cliente está estancado, forma sus propias hipótesis en marketing, producto, precios y salud técnica, elige la Next Best Action para cada cliente, la lanza a través de los sistemas que la empresa ya gestiona, y prueba cada una frente a un holdout aleatorizado.
Las herramientas de toma de decisiones eligen entre las acciones que tu equipo ya ha desarrollado. Markin decide qué construir.
Preguntas que hace la gente
- ¿Cuál es la diferencia entre la analítica predictiva y la toma de decisiones de crecimiento?
- El análisis predictivo estima lo que es probable que ocurra. El Growth decisioning elige qué hacer al respecto para cada cliente, aplica restricciones de elegibilidad y coste, ejecuta a través de sistemas existentes y mide el resultado incremental contra un control. La Predicción es un input para el decisioning, y por sí misma no cambia ningún resultado.
- ¿Todavía necesito modelos si tengo una capa de decisioning?
- Sí. Las puntuaciones son uno de los inputs que la decisión utiliza para estimar el valor esperado. El cambio es lo que sucede después de que existe la puntuación: se adjunta a una acción, un conjunto de restricciones y una medición, en lugar de entregarse como una lista.
- Por qué la precisión del modelo no predice el impacto empresarial?
- Porque la precisión mide qué tan bien identificas quiénes harán churn, y el impacto depende de si la acción que tomaste cambió su comportamiento. Un modelo perfectamente preciso combinado con una acción que no funciona produce cero ingresos incrementales, y solo un control group revela eso.
Comparar
Cómo esto se compara con las categorías que ya compras.
Neutral, side by side reads on where the decision layer sits next to the tools in your stack.
Todas las comparaciones- Motor de recomendación vs. Next Best ActionUn recommendation engine muestra el contenido correcto. Next Best Action elige el tratamiento comercial correcto. Por qué la relevancia no es ingresos.
- Experimentación vs. toma de decisiones continuaLas pruebas A/B demuestran qué variación gana en una métrica. La toma de decisiones continua actúa sobre cada cliente en cada ciclo, con un holdout. Por qué "testing" no es "deciding".
- Calendario de campañas vs. toma de decisiones continuaUn calendario planifica lo que cada uno recibe y cuándo. La toma de decisiones continua evalúa a cada cliente cada día. Qué cambia operativamente y cuánto vale.
Seguir leyendo
Predicción de Churn vs. toma de decisiones de retención
La misma distinción en el caso específico de la retención.
Experimentos de growth controlados
Cómo se prueba la acción una vez que existe.
Cómo Markin genera hipótesis
De dónde provienen las Candidate actions.
Arquitectura de referencia de capa de decision
Dónde se sitúan los modelos en relación con las decisiones.
Vocabulario
Los términos en los que se basa esta guía.
Each one is defined on its own page, precisely enough to quote.
- Tasa de monetizaciónMonetization rate is the share of active customers who pay anything in a period.
- churn preventionChurn prevention is the practice of identifying customers likely to leave and choosing the intervention, if any, that retains…
- churn rateChurn rate is the share of customers, or of revenue, lost in a period.
- Churn voluntario versus involuntarioVoluntary churn is a customer deciding to leave.
- Predicción de ChurnChurn prediction estimates the probability that a given customer will stop paying within a defined horizon, using behavioural…
- Análisis de supervivenciaSurvival analysis models time until an event, handling customers who have not churned yet as censored rather than discarding them.