Fuga de clientes en tiempos complejos: ¿Por qué el Data Science es el camino hacia la solución?
Estas son las razones por las que retener clientes es clave para sobrevivir la crisis.
Son tiempos difíciles, estamos viviendo la crisis económica más importante de nuestra generación. No hay industria que no se vea afectada y es probable que muchas estén en riesgo de desaparecer. En este escenario toda empresa tiene difíciles decisiones que tomar para sobrevivir: ¿Reducción de Costos? ¿Ajustes operacionales?, son algunas de las medidas que están en palestra, priorizando lo urgente pero relegando elementos críticos para la supervivencia y futura recuperación.
Es por esto que cuidar nuestra base de clientes se vuelve crítico para garantizar la supervivencia futura de nuestra empresa. Un cliente retenido hoy es garantía de ingresos para sobrevivir esta crisis y una ventaja competitiva para la posterior recuperación. Los que hemos emprendido conocemos el valor de los clientes, por los cuales hemos pasado noches interminables imaginando cómo entregarles mejores productos y servicios para ganar su confianza y, al final, su lealtad.
¿Qué puedo hacer?
La respuesta está en tus datos y en usar todo el poder de la inteligencia artificial con el fin de entender el comportamiento de tus clientes. Retener clientes suele verse como una acción reactiva, que se gatilla solamente una vez el cliente ha dejado de consumir o ha pedido dar de baja un servicio, en este caso la retención es costosa e inefectiva. Nosotros hemos visto en múltiples clientes que la única metodología efectiva y eficiente para reducir la fuga de éstos se resume en detectar oportunamente los clientes en riesgo de fuga, generar acciones de retención que resuenen con sus motivos de fuga y atacar puntos comunes de molestia para que no se repitan.
Nuestros múltiples casos de éxito nos llevaron a crear ChurnLab, la primera solución end to end basada en inteligencia artificial para reducir el churn en las empresas.
¿Por qué retener clientes hoy?
En primer lugar, el mantener una base sana de clientes activos es la única opción para generar flujos que financien las operaciones en el mediano plazo, independiente de cuanto se hayan reducido los costos o cuánto financiamiento se haya obtenido. En este sentido, las empresas que solo reestructuren y reduzcan costos podrán sobrevivir algunos meses más, pero aquellas que retengan a sus clientes podrán ver la luz al final del túnel y prosperar.
En segundo lugar, si bien es sabido que la adquisición de nuevos clientes es más caro que su retención, hoy esto es aún más cierto. Tomemos en cuenta los siguientes puntos; Es muy probable que en el futuro los clientes van a ser más cuidadosos y reticentes a adquirir nuevos servicios, además que los competidores, nuevos y antiguos, van a luchar por recuperar aquellos clientes que perdieron, generando un cóctel perfecto para un altísimo costo de adquisición de clientes.
De esta manera, un cliente retenido hoy es garantía de ingresos para sobrevivir esta crisis y una enorme ventaja competitiva para liderar la posterior recuperación.
Manos a la obra
Bueno ya fue suficiente de contexto y porque es relevante identificar a los clientes con alta probabilidad de fuga, es hora de pasar a la parte interesante. Este demo se realizó con información anonimizada de una empresa de comercio on-line, para no aburrirlos con todo el proceso técnico, nosotros recibimos los datos, estos fueron procesados usando ChurnLab para obtener las predicciones de fuga, y usamos la herramienta de nuestros partners de Graphext para visualizar e interpretar las predicciones.
Paso 1: Generar el grafo
Un grafo, en términos simples, es un modelo que permite representar las relaciones entre los elementos de un conjunto. En este caso cada nodo/punto representa un cliente de la empresa y cada vértice/línea representa una relación en base a sus atributos, como el monto de pago, uso de los servicios, forma de pago, estrato socio económico y otras variables. Mientras más relaciones tenga un cliente con otro, estos se van a agrupar y generar clusters/grupos de clientes similares.
En este grafo de clientes ya podemos ver que se generan diversos grupos de usuarios similares y aunque esto ya es realmente interesante deben estar pensando ¿de qué me sirve esto? ¿cómo puedo entender a mis clientes así?
Paso 2: Analicemos algunos atributos
Para poder descifrar el grafo, vamos a colorear este en base al estrato socio económico de los clientes, esto ya nos entrega mayor claridad, podemos ver que que el modelo posiciono a los clientes ABC1 a la derecha y a la izquierda posiciono a los clientes de los segmentos C3, C2, CD y E.
Ahora si coloreamos el grafo en base a la antigüedad de los clientes, podemos ver que los clientes fueron posicionados de arriba hacia abajo en base a su antigüedad.
El grafo ya nos está mostrando superficialmente la estructura de nuestros clientes y cómo estos se relacionan entre sí, pero me imagino que aún se tienen que estar preguntando ¿cómo esto le puede entregar valor a mi empresa? ¿cómo paso de esto a un accionable?
Vamos al grano
Si coloreamos el grafo de clientes en base a la probabilidad de fuga calculada por ChurnLab, podemos entender el valor de analizarlos utilizando herramientas avanzadas de analytics.
Claramente se ven dos sectores con una alta concentración de usuarios y que tienen alta probabilidad de fuga. Si hacemos memoria, podemos ver que son clientes principalmente de los segmentos C3, C2, CD y E, con poca antigüedad en un caso y con antigüedad media en otro.
Aunque solo con esto ya se hace evidente el valor de este tipo de análisis y podemos comenzar a sacar valiosos insights, pero creo que podemos hacer aún más, y tratar de entender a los diversos grupos/clusters para generar estrategias de retención personalizadas y adaptadas a cada grupo de usuarios, de forma granular.
En este ejemplo vamos a analizar específicamente a dos grupos/clusters de usuarios, el cluster_2 con alta concentración de cliente con alto riesgo de fuga y el cluster_6 con baja concentración de usuario con alto riesgo de fuga.
Cluster_2: Alta Probabilidad de Fuga
Este cluster es muy interesante, son clientes que pagan sus servicios usando PAT, en general tienen un muy buen scoring de riesgo, pertenecen al estrato C3, su pago es alto en relación a su estrato socioeconómico, son clientes que ya tienen más de 2 años de antigüedad y que en los últimos meses han usado menos el servicio contratado.
Esta información nos permite obtener insights y generar mejores estrategias con una mayor granularidad. Podemos definir que estos son clientes valiosos, llevan con la empresa el tiempo suficiente para ser rentables (ya pagaron la inversión inicial) y están entre los que tienen un mayor pago comparado a su segmento (share of wallet).
Nuestra recomendación para los clientes del cluster_2 sería priorizar su retención en los canales de atención al cliente, por un lado generar una campaña que permita entender por qué están usando menos el servicio e incentivar su uso con alguna promoción, y por otro lado si muestra descontento o atraso en sus pagos hacerle un descuento por los próximos meses.
Vale la pena destacar que aunque el scoring de riesgo puede ser relevante al momento de la capturar de un cliente, pasa a ser menos relevante al momento de predecir fuga.
Cluster 6: Baja Probabilidad de Fuga
Este grupo/cluster concentra clientes con baja probabilidad de fuga, mayoritariamente sus pagos son con PAT y/o transferencia bancaria, son clientes con scoring de riesgo más bajo, de estrato socioeconómico C2, su pago es medio en relación a su estrato socioeconómico, son antiguos y en el último tiempo han bajado un poco el uso del servicio contratado.
Podríamos definir que este grupo de clientes también es valioso para la empresa, ya que por su antigüedad son rentables, la inversión inicial está completamente amortizada y están altamente fidelizados con la empresa.
Nuestra recomendación en este caso sería no armar una campaña proactiva, en el caso que alguno de estos clientes llame a cancelar su servicio, tampoco recomendamos hacerle un descuento, ya que su pago es relativamente bajo en comparación a su estrato socioeconómico, pero debido a su antigüedad podría ser una buena oportunidad para ofrecerle más servicios al mismo valor y/o actualizar sus sistemas.
ConnectaLabs AI
ConnectaLabs AI es una empresa especialista en el desarrollo de soluciones de inteligencia artificial para la comprensión de los clientes. Si quieres saber más de nosotros y nuestros servicios puedes contactarnos en nuestras RRSS.
Email: ai@connectalabs.ai
Web: https://www.connectalabs.ai
Linkedin: https://www.linkedin.com/company/connecta-labs-ai
Medium: https://medium.com/connecta-ai