La predicción de abandono utiliza datos y modelos para señalar clientes o cuentas que probablemente se vayan, antes de que lo hagan. Eso le da tiempo para intervenir con ofertas de retención, soporte o correcciones de experiencias. Este artículo cubre cómo funciona la predicción de abandono, qué datos y modelos están involucrados y cómo utilizar el resultado.
Cuando puede ver de antemano quién está en riesgo, deja de reaccionar ante las cancelaciones y comienza a actuar según las señales tempranas. Eso reduce la deserción y protege los ingresos.
Conclusiones clave
- Comprender los conceptos clave y por qué son importantes.
- Cómo funciona en la práctica y cómo empezar.
- Por qué es importante para su organización y cómo vincularlo con los resultados.
¿Qué hace la predicción de abandono?
La predicción de abandono asigna una puntuación de probabilidad o riesgo a cada cliente (o cuenta) que abandonará en un período definido; en los próximos 30, 60 o 90 días. Los clientes de alto riesgo tienen prioridad para las acciones de retención: divulgación, ofertas especiales o gestión de casos. El modelo utiliza el comportamiento histórico y actual (uso, participación, contactos de soporte, problemas de pago, satisfacción) para identificar patrones que preceden a la deserción. El objetivo es detectar a los clientes en riesgo con la antelación suficiente para marcar la diferencia.
La deserción se puede definir como la no renovación de un contrato, la cancelación de una suscripción o un período de inactividad según su negocio. La definición controla la variable de destino y la ventana que predice.
Cómo funcionan los modelos
Los modelos suelen utilizar aprendizaje supervisado: usted etiqueta a los clientes anteriores como "abandonados" o "retenidos" en una ventana determinada, luego entrena un modelo (regresión logística, aumento de gradiente, etc.) en características anteriores a esa ventana. Las características pueden incluir: actualidad y frecuencia de uso, inicios de sesión o sesiones, tickets de soporte, NPS o satisfacción, retrasos en los pagos, antigüedad, plan o producto y datos demográficos o firmográficos. El modelo aprende qué combinaciones de estas señales predicen la deserción. Luego se aplica a los clientes actuales para calificar el riesgo. Los modelos se vuelven a entrenar periódicamente a medida que cambian el comportamiento y el producto.
La mejor práctica es validar los datos reservados y realizar un seguimiento de la precisión a lo largo del tiempo. También puedes ejecutar pruebas A/B: ¿las acciones de retención dirigidas a clientes de alto riesgo realmente reducen la deserción?
Uso de predicciones de abandono en la práctica
Los resultados suelen ser una puntuación o segmento de riesgo (por ejemplo, alto/medio/bajo). Los clientes de alto riesgo son dirigidos a programas de retención, equipos de éxito u ofertas especiales. Muchos equipos combinan el riesgo de abandono con el CLV, por lo que priorizan primero "alto riesgo y alto valor". Los puntajes de abandono también pueden alimentar los paneles de estado de las cuentas para que las ventas y el éxito vean las cuentas en riesgo en un solo lugar. Con el tiempo, se puede medir el incremento: ¿la intervención redujo la deserción en el grupo de alto riesgo en comparación con un control?
La predicción de la deserción funciona mejor cuando se combina con un análisis de los factores de retención, de modo que usted sepa no sólo “quién podría irse”, sino también “por qué” y “qué podría retenerlos”. Eso informa el tipo de intervención (por ejemplo, adopción de productos versus fijación de precios versus soporte).
Por qué es importante para su organización
La retención proactiva es más barata y eficaz que recuperar clientes después de que se han ido. La predicción de abandono centra el esfuerzo en las cuentas correctas y le brinda una métrica clara (puntuación de riesgo, porcentaje de riesgo) para realizar un seguimiento. Cuando se combina con CLV y análisis de impulsores, respalda una estrategia de retención completa: a quién salvar, por qué podrían irse y qué hacer. Para obtener más información sobre métricas relacionadas, consulte nuestros artículos sobre salud de la cuenta y CLV.
Para ver cómo creamos modelos de abandono y programas de retención con clientes, explore nuestra Modelado de abandono y Estado de la cuenta servicios. Estaremos encantados de analizar sus datos y objetivos.
Conclusión
Comprender este tema le ayudará a tomar mejores decisiones y conectar los conocimientos con la acción. Para obtener más información sobre cómo ayudamos a los clientes en esta área, explore los servicios a continuación o póngase en contacto.
Fundador y director ejecutivo