Como construir uma pontuação de saúde do cliente que preveja o churn
Crie uma pontuação de saúde do cliente fiável: escolha sinais, defina pesos com o seu histórico de churn, teste-a no passado e ligue pontuações a ações.
Uma pontuação de saúde do cliente é um número único por cliente que diz qual a probabilidade de ele ficar. Muitas equipas constroem uma escolhendo alguns sinais, atribuindo pesos que parecem certos e pintando as contas de verde, amarelo e vermelho. O resultado parece preciso e muitas vezes prevê pouco.
Este guia constrói uma ao contrário: parte do seu próprio histórico de churn, mantém os sinais que realmente separam os clientes que saíram dos que ficaram, verifica a pontuação contra o passado antes de confiar nela e liga cada faixa a uma ação. Todos os números são hipotéticos.
Passo 1: definir o que a pontuação prevê
“Saúde” é vago. Escolha um resultado concreto e um horizonte temporal:
target = customer churns (voluntarily or through failed payment)
within the next 90 days
Decida se o churn por pagamento falhado conta. Normalmente deve contar, porque é receita perdida de qualquer forma, mas os sinais são diferentes: a utilização do produto prevê o cancelamento; a expiração do cartão e as falhas anteriores preveem o churn por pagamento. Muitas equipas mantêm uma pontuação com sinais para os dois, ou duas subpontuações.
O horizonte deve ser suficientemente longo para poder agir. Uma pontuação que prevê o churn nos próximos 7 dias não deixa tempo para mais nada além de uma oferta de última hora.
Passo 2: listar os sinais candidatos
Agrupe-os para cobrir mais do que a utilização do produto:
| Família | Exemplos de sinais |
|---|---|
| Utilização | Dias ativos nos últimos 30, número de ações-chave, tendência face aos 30 dias anteriores, licenças usadas ÷ licenças pagas |
| Adoção | Marco de ativação atingido, número de funcionalidades usadas, integrações ligadas |
| Faturação | Pagamentos falhados nos últimos 90 dias, cartão a expirar antes da próxima renovação, downgrades de plano, desconto a terminar |
| Relação | Tickets de suporte, tickets por resolver, respostas de satisfação ou NPS, saída do principal interlocutor |
| Perfil | Plano, intervalo de faturação, dimensão da empresa, origem da inscrição, tipo de método de pagamento, antiguidade |
Duas regras para os sinais candidatos:
- Meça cada um num momento fixo. Para um cliente que saiu em maio, calcule os sinais como eram em fevereiro, não como eram quando saiu. Caso contrário, está a descrever o churn, não a prevê-lo.
- Prefira tendências a níveis. Um cliente que passou de 20 dias ativos para 5 é um caso diferente de um que sempre usou o produto 5 dias por mês.
Para saber que atributos recolher em primeiro lugar, veja como descobrir o que prevê o churn.
Passo 3: testar cada sinal contra o histórico
Escolha uma data de referência no passado, por exemplo há 6 meses. Para cada cliente ativo nessa data, registe o valor de cada sinal nesse momento e se saiu nos 90 dias seguintes.
Para cada sinal, divida os clientes em grupos e compare as taxas de churn:
relative risk = churn rate in the group with the signal
÷ churn rate in the group without it
Exemplo (números hipotéticos)
| Sinal na data de referência | Clientes | Saíram em 90 dias | Taxa de churn | Risco relativo |
|---|---|---|---|---|
| Dias ativos nos últimos 30 caíram para metade ou menos | 120 | 30 | 25,0% | 3,6 |
| Dias ativos estáveis ou a subir | 880 | 61 | 6,9% | (referência) |
| Pagamento falhado nos últimos 90 dias | 60 | 15 | 25,0% | 3,1 |
| Nenhum pagamento falhado | 940 | 76 | 8,1% | (referência) |
| Licenças usadas abaixo de metade das pagas | 200 | 28 | 14,0% | 1,8 |
| Licenças usadas metade ou mais | 800 | 63 | 7,9% | (referência) |
Mantenha os sinais com um risco relativo significativo e clientes suficientes em cada grupo. Um risco relativo de 4 com base em 6 clientes é ruído. Olhe para os intervalos de confiança e desconfie quando testa dezenas de sinais: alguns vão parecer fortes por acaso. O guia para prever o churn trata do tamanho da amostra e das comparações múltiplas.
Passo 4: combinar os sinais numa pontuação
Opção A: pontos (simples, explicável)
Dê a cada sinal mantido pontos aproximadamente proporcionais ao seu risco relativo e limite o total a 100:
score = 100 − (points for each risk signal present)
Exemplo de pesos a partir da tabela acima: utilização reduzida a metade −30, pagamento falhado −25, licenças abaixo de metade −10. Um cliente com um pagamento falhado e utilização reduzida a metade fica com 45.
Os pontos são fáceis de explicar a uma equipa de customer success, e isso importa: uma pontuação em que ninguém confia é ignorada.
Opção B: um modelo estatístico
Uma regressão logística sobre os mesmos dados de referência dá a cada sinal um peso aprendido com o histórico e tem em conta os sinais que se sobrepõem (os clientes com utilização reduzida a metade podem ser também os que têm licenças por usar). Precisa de mais dados e de alguém capaz de o verificar. Seja qual for o modelo, mantenha-o explicável o suficiente para dizer porque é que um dado cliente teve uma pontuação baixa.
Passo 5: testar no passado antes de confiar
Pontue todos os clientes numa data de referência mais antiga, que não tenha servido para construir os pesos, e depois veja o que aconteceu nos 90 dias seguintes.
Taxa de churn por faixa
| Faixa | Clientes | Saíram em 90 dias | Taxa de churn |
|---|---|---|---|
| 0–39 | 80 | 26 | 32,5% |
| 40–69 | 260 | 31 | 11,9% |
| 70–100 | 660 | 30 | 4,5% |
Mais uma vez, números hipotéticos. O que quer ver: a taxa de churn desce de forma constante da faixa mais baixa para a mais alta, e as faixas estão bem afastadas. Se a faixa do meio sai como a faixa de cima, os limites estão errados ou a pontuação acrescenta pouco.
Captura
capture (lowest band) = churned customers in the lowest band
÷ all churned customers
Aqui, 26 ÷ 87 ≈ 30%: a faixa mais baixa tem 8% dos clientes e 30% do churn. Isso é útil. Mas 70% do churn veio de clientes que não pareciam em risco, o que lhe diz que a pontuação é uma ajuda, não um radar. Diga-o claramente a quem a usa.
Passo 6: ligar cada faixa a uma ação
Uma pontuação sem ação é decoração de dashboard. Escreva o plano de ação:
| Faixa | Ação |
|---|---|
| Baixa (0–39) | Contacto pessoal no prazo de uma semana; verificar a faturação; oferecer ajuda ou um plano mais adequado |
| Média (40–69) | Lembrete automático e específico, com base no sinal que fez baixar a pontuação |
| Alta (70–100) | Nada extra; considerar para expansão ou recomendações |
Faça a ação depender do motivo, não apenas do número. Uma pontuação baixa por um pagamento falhado precisa de um link de atualização do cartão. Uma pontuação baixa por queda de utilização precisa de ajuda a usar o produto. O mesmo email “temos saudades suas” para os dois não ajuda nenhum.
Passo 7: mantê-la
- Repita o teste no passado a cada trimestre. Os produtos, os preços e os clientes mudam; os pesos desviam-se.
- Atenção à pontuação que muda o comportamento. Se a equipa trabalha muito nas contas com pontuação baixa, o churn delas desce e os sinais parecem mais fracos da próxima vez. Isso é sucesso, não uma pontuação avariada; mantenha um pequeno grupo de controlo intocado se quiser medi-lo.
- Registe as alterações de pontuação. “A pontuação desceu de 72 para 41 porque os dias ativos caíram para metade” é algo sobre o qual uma pessoa pode agir. “Pontuação: 41” não é.
Erros comuns
- Pesos escolhidos por opinião. Teste contra o histórico.
- Sinais medidos no momento do churn. Isso é descrição, não previsão.
- Nenhum teste no passado. Não sabe se a pontuação funciona.
- Demasiadas faixas. Três chegam, se cada uma tiver uma ação diferente.
- Tratar correlação como causa. Um sinal que prevê o churn pode não o causar. Os clientes que ligam uma integração podem sair menos porque já estavam mais empenhados à partida. Teste as intervenções com um grupo de controlo antes de investir muito.
Fazer isto com o NoChurn
O NoChurn dá a cada cliente uma pontuação de churn de 0 a 100 na inscrição e a cada alteração, usando sinais como o método de pagamento e o histórico de pagamentos. Pode enviar os seus próprios atributos e eventos por API (utilização, ativação, origem da inscrição, dados de suporte) e o NoChurn mostra quais acompanham o churn: fatores de churn, correlação e não causalidade. Para agir sobre a pontuação, executa a recuperação de pagamentos falhados, fluxos de cancelamento com uma oferta por motivo e cancelamento num clique sempre visível, e emails de reconquista aos dias 30, 60 e 90 por motivo. Todas as funcionalidades estão em todos os planos (o seu próprio domínio de email a partir de $9), com preço apenas pelo MRR (preços).