El sistema de alertas tempranas de churn que automaticé en Dynamics en 4 semanas
La construcción del sistema de alertas tempranas de churn en 4 semanas fue posible porque los 3 primeros meses de trabajo previo habían generado la materia prima que el sistema necesitaba: datos históricos de comportamiento de clientes que habían cancelado, identificación de los indicadores que precedían esas cancelaciones y un modelo inicial de correlación entre indicadores y riesgo de churn. Sin ese trabajo previo, las 4 semanas habrían sido imposibles. Con ese trabajo previo, las 4 semanas fueron el tiempo necesario para implementar en el sistema lo que ya había sido diseñado en el análisis.
La arquitectura técnica del sistema tenía 4 capas. La primera era la de recolección de datos: conexiones automáticas al sistema de uso del producto para medir la frecuencia de acceso de cada usuario activo por cuenta, al sistema de soporte para contar los tickets abiertos sin resolución y su antigüedad, y al CRM para registrar la frecuencia de respuesta a las comunicaciones del equipo de customer success. Los datos de cada cuenta se actualizaban cada 24 horas en una tabla de indicadores en Dynamics.
La segunda capa era la de cálculo del score de riesgo: un algoritmo que combinaba los indicadores actualizados de cada cuenta con los pesos que el modelo histórico había asignado a cada variable según su correlación con el churn observado. El score resultante se calculaba de forma automática para cada cuenta activa cada 24 horas y se almacenaba en el registro de la cuenta en el CRM. La tercera capa era la de generación de alertas: cuando el score de una cuenta cruzaba el umbral de riesgo establecido, o cuando el score había caído más de 20 puntos en 7 días, el sistema generaba automáticamente una alerta que llegaba al manager de customer success y al representante responsable de la cuenta.
La cuarta capa era la de visibilidad del sistema: un dashboard en Power BI que mostraba el score de riesgo actual de toda la base de clientes activos, segmentado por niveles de riesgo, con la tendencia de los últimos 30 días y con los factores específicos que más contribuían al score de riesgo de cada cuenta en la zona de alerta. El dashboard se actualizaba en tiempo real con los datos del CRM y era accesible para el CEO, el director comercial y el equipo de customer success sin necesidad de generar reportes manuales.
En los 6 meses siguientes a la implementación, el sistema generó 34 alertas de riesgo verificadas. De esas 34, 28 correspondían a situaciones de riesgo real que el equipo de customer success no habría detectado de forma espontánea en los plazos en que el sistema las identificó. La intervención proactiva en 23 de esas 28 situaciones previno la cancelación. Cinco cancelaciones ocurrieron de todas formas, en casos donde el problema era demasiado estructural para resolverlo con una intervención de customer success. La tasa de retención del año en que el sistema operó de forma completa fue la más alta de la historia de la empresa.