Si trabajás directamente con clientes, usuarios o suscriptores analizar su comportamiento y contar con esa información lo más precisa posible es clave para tomar las mejores decisiones de tu negocio.
En ese sentido, customer analytics es el proceso que utilizan las empresas para capturar y analizar los datos de sus clientes y, así, tomar mejores decisiones. Customer analytics, a menudo, se presenta en forma de un software que proporciona a las empresas información sobre los comportamientos de sus usuarios.
Estas ideas impulsan los esfuerzos y estudios de ventas, marketing y desarrollo de productos, y los hechos demuestran que las empresas que utilizan customer analytics son más rentables. Directamente relacionado con customer analytics, se destaca lo que se conoce como churn rate.
¿Qué es el churn rate?
Cuando hablamos de churn rate (comúnmente llamado churn) nos referimos a la tasa de migración, rotación o cancelación de clientes, suscriptores o usuarios a un determinado servicio que ofrece una empresa durante un período de tiempo. En pocas palabras, la tasa de abandono de los usuarios de nuestra plataforma.
Cómo medir el churn rate
Si bien no existe consenso en cómo medir el churn rate, lo más usual es calcularlo según períodos de tiempo de corto, mediano y largo plazo. Los valores usuales son: semanal, mensual y trimestralmente. 7TD – 30TD – 90TD.
A diferencia de una empresa de servicios, donde la baja del usuario se asienta en registros legales y contractuales, en las apps el funcionamiento es otro: los usuarios simplemente dejan de usar la app, sin avisar fehacientemente ni registrarlo. Podría decirse que la baja es estimada.
Ganar nuevos usuarios suele ser el foco de nuestros esfuerzos de marketing, Pero si el usuario no vuelve a usar o deja de usar la app regularmente, esos esfuerzos terminan siendo en vano.
Los uninstalls no reflejan realmente el abandono de los usuarios.
Para contabilizar que un usuario dejó de utilizar un determinado servicio, se toman indicadores respecto de la actividad o interacción con los servicios ofrecidos. Existen estrategias para capturar el feedback explícito, como la de enviar mailings para aceptar la actualización de “Términos y Condiciones”, por ejemplo.
Variables a tener en cuenta
Si bien dependerá del sector al que pertenezca la empresa que se esté considerando, la regla general es entender el comportamiento del usuario en el pasado para poder predecir el comportamiento de otros usuarios en el futuro.
Algunas cuestiones que deberán considerarse son las siguientes (podrán aplicarse o no, dependiendo del tipo de negocio):
- Interacción con la plataforma/app/servicio
- Cuántas acciones realizó en los últimos N días
- Cuándo realizó la última interacción, que involucre operaciones monetarias o no.
- Total de dinero gastado en los últimos N días
- Qué tan completo está el perfil del usuario (email, tarjeta de crédito, etc)
- Qué servicios tiene contratados
- Cuándo expira el período de prueba
- Interacciones con los servicios de ayuda, soporte técnico, quejas.
El primer conjunto de variables refiere al modelo de valuación del cliente, conocido como RFM – Recencia, Frecuencia, valor Monetario. Este modelo se puede refinar para cada tipo de acción (navegación, búsqueda, compra, etc).
¿Cómo calcular el churn rate de manera muy básica?
Dividir la clientela según su nivel de actividad: – Usuarios que han realizado alguna acción durante los últimos 90D vs. Usuarios que NO han realizado ninguna acción durante los últimos 90D. Una vez identificados los usuarios que sí realizaron la baja (explícita o implícita), nos disponemos a construir un modelo supervisado.
El churn no es sólo un ranking
Como resultado del proceso descrito anteriormente, se obtiene un valor numérico que estima la propensión al abandono de cada usuario. Un accionar inmediato será fijar un punto de corte y aplicar una estrategia de retención para el grupo de los usuarios con valores más altos.
Pero ese no es el único modo de interpretar el ranking; como parte del proceso, el método construye grupos de usuarios que se comportan de manera semejante, de acuerdo a:
Qué variables mejor describen a cada grupo.
Qué estrategias de retención personalizadas.
Qué distingue a los usuarios de alto ranking que, a pesar de los diagnósticos, no abandonan.
Esa interpretación es fundamental para fortalecer el entendimiento de la clientela y diseñar estrategias de retención e incentivos óptimas.
La importancia del modelo profesionalizado con 7P
El churn rate es una métrica muy importante que permite conocer la propensión a que un usuario de tu servicio/aplicación se transforme en un ex-usuario. Acceder a este valor implica tomar medidas que aumenten la rentabilidad de tu startup, permitiendo detectar si éstas forman parte del camino hacia la rentabilidad.
Por lo tanto, resulta muy importante un buen análisis de las reglas que definen el negocio, para poder generar un valor agregado que permita mejorar la experiencia de los usuarios y, de ese modo, evitar su deserción.
En 7Puentes hacemos esto todos los días: identificamos, en conjunto con nuestros clientes, cuáles son las características que describen el negocio y cuáles impactan en el abandono de la aplicación, con el fin de generar cursos de acción que permitan mejorar la experiencia de los usuarios. Esto lo logramos incorporando prácticas ágiles, que dan respuestas más rápidas, y deploy de soluciones, que permiten escalar de manera natural.
Contamos con experiencia en el diseño y desarrollo de modelos basados en redes neuronales, lo que nos habilita a generar modelos de entrenamiento con una granularidad de acciones muy precisa y a una validación continua.
Caso ejemplo; resolvimos en una empresa de servicios de suscripción mensual el desafío de predecir churn de usuarios. Para lograrlo realizamos un análisis previo de los datos con miras a detectar patrones de comportamiento y, de esa manera, entender cuáles podrían ser las causas de baja mes a mes.
El desafío que implicó este caso fue que, dada la actividad irregular de muchos usuarios era difícil generalizar los segmentos con las variables provistas. Sin embargo, descubrimos que se podrían describir mejor los grupos de usuarios si se aplicaban técnicas de feature engineering con las variables que teníamos. Para realizar la predicción utilizamos una red neuronal multicapa.
Otro caso de ejemplo también se encaró desde un modelo de churn para una app de alto crecimiento. En este caso, como en el anterior, se hizo foco en reconocer patrones de uso y consumo de usuarios, para detectar cuál era la tasa de attrition semana a semana.
Analizando hábitos de consumo y actividad de la aplicación, encontramos que había mucha influencia de los datos geográficos de los usuarios para determinar si se darían de baja. Después de un proceso de data cleansing se entrenó un modelo de churn utilizando, en este caso también, una red neuronal multicapa.
En conclusión
Si bien en esta última década se puso en tensión una de las frases más populares del Marketing: “retener es más barato que adquirir un usuario nuevo”, es fundamental conocer las razones y motivaciones de los usuarios para permanecer como clientes de la compañía.
El análisis descriptivo de cada segmento de usuarios según sus características y su comportamiento es fundamental para maximizar las expectativas de experiencia de uso en pos de brindar un mejor servicio.
En 7Puentes creemos que acompañar la adquisición de nuevos usuarios o clientes con un potente modelo de churn es la mejor manera de escalar y hacer crecer tu startup, sumando posibilidades de expansión futuras.
Ese modelo no sólo te permite medir el churn, sino anticiparte y poder rescartar al usuario o suscriptor antes que empiece el proceso de baja.
Somos especialistas en churn y entendemos como nadie las necesidades de las startups.
Contactanos para mejorar el churn en tu proyecto.