Utiliza análisis de comportamiento para identificar señales de churn temprano y tomar medidas para retener clientes.
Entender el churn en SaaS
Tipos de churn
| Tipo | Definición | ¿Rastreable? |
|---|---|---|
| Voluntario | Cliente cancela | Sí |
| Involuntario | Fallo del pago | Sí |
| Silencioso | Deja de usar, sigue pagando | Sí - ¡crítico! |
| Degradación | Cambia a plan inferior | Sí |
Métricas de churn
| Métrica | Fórmula | Buen referente |
|---|---|---|
| Tasa de churn mensual | Perdidos ÷ Inicio de mes | <5% |
| Churn anual | Perdidos ÷ Clientes anuales | <10% |
| Retención neta de ingresos | (MRR + Expansión - Churn) ÷ MRR inicial | >100% |
| Churn de logo | Cuentas perdidas ÷ Total de cuentas | <3% |
Identificar señales de churn
Señales de comportamiento
Rastrea patrones de uso que predicen churn:
| Señal | Nivel de riesgo | Días antes del churn |
|---|---|---|
| Cero inicios de sesión (7 días) | Alto | 14-30 |
| Disminución del uso de características | Medio | 30-60 |
| Aumento de tickets de soporte | Medio | 30-45 |
| Cambio de administrador | Vigilar | 45-60 |
| Integración eliminada | Alto | 14-21 |
Rastrear la disminución de actividad
// Rastrear uso activo diario
zenovay('track','user_session', {
user_id: 'user_123',
account_id: 'acc_456',
session_duration: 1200,
features_used: ['dashboard', 'reports', 'export'],
actions_count: 45
});
// Rastrear eliminación de características
zenovay('track','feature_disabled', {
account_id: 'acc_456',
feature: 'api_integration',
connected_since_days: 180
});
Crear una puntuación de salud
// Calcular y rastrear la puntuación de salud
function updateAccountHealth(accountId) {
const factors = {
login_frequency: calculateLoginScore(), // 0-25
feature_breadth: calculateFeatureScore(), // 0-25
user_growth: calculateUserGrowthScore(), // 0-20
support_sentiment: calculateSupportScore(), // 0-15
billing_health: calculateBillingScore() // 0-15
};
const totalScore = Object.values(factors).reduce((a, b) => a + b, 0);
zenovay('track','health_score_updated', {
account_id: accountId,
score: totalScore,
factors: factors,
risk_level: totalScore < 40 ? 'high' : totalScore < 70 ? 'medium' : 'low'
});
}
Crear un panel de churn
Segmentos de riesgo
Crea segmentos basados en puntuaciones de salud:
| Segmento | Puntuación de salud | % de la base | Acción |
|---|---|---|---|
| Saludable | 80-100 | 45% | Venta cruzada |
| Estable | 60-79 | 30% | Monitorear |
| En riesgo | 40-59 | 15% | Intervenir |
| Crítico | 0-39 | 10% | Urgente |
Rastrear movimientos de segmento
// Rastrear cuando una cuenta cambia de nivel de riesgo
zenovay('track','risk_level_changed', {
account_id: 'acc_456',
previous_level: 'stable',
new_level: 'at_risk',
trigger: 'login_frequency_dropped',
days_at_previous: 90
});
Configurar alertas
Alertar cuando:
- La cuenta entra en el segmento "En riesgo"
- La puntuación de salud cae >20 puntos en 7 días
- Cero actividad en cuentas clave
- Múltiples usuarios de la misma cuenta inactivos
Análisis de patrones de uso
Rastrear frecuencia de inicio de sesión
// Rastrear patrones de inicio de sesión
zenovay('track','user_login', {
user_id: 'user_123',
account_id: 'acc_456',
days_since_last_login: 3,
login_streak: 5,
device: 'desktop'
});
Profundidad de uso de características
Rastrea la amplitud del uso de características:
| Nivel de uso | Características utilizadas | Riesgo de churn |
|---|---|---|
| Usuario avanzado | 80%+ características | Muy bajo |
| Regular | 50-79% | Bajo |
| Básico | 25-49% | Medio |
| Mínimo | <25% | Alto |
// Rastrear compromiso de características
zenovay('track','feature_engagement', {
account_id: 'acc_456',
features_available: 20,
features_used_30d: 8,
engagement_score: 40,
trending: 'declining'
});
Adherencia de características clave
Identifica características que correlacionan con retención:
| Característica | Usuarios que la utilizan | Retención a 12 meses |
|---|---|---|
| Colaboración en equipo | 45% | 92% |
| Integración API | 30% | 88% |
| Informes personalizados | 55% | 85% |
| Solo panel básico | 70% | 58% |
Rastrea la adopción de características que generan adherencia:
zenovay('track','sticky_feature_adopted', {
account_id: 'acc_456',
feature: 'team_collaboration',
users_using: 5,
adoption_date: new Date().toISOString()
});
Análisis de churn por cohorte
Cohortes de registro
Rastrea churn por mes de registro:
| Cohorte | M1 | M3 | M6 | M12 |
|---|---|---|---|---|
| Ene | 5% | 12% | 18% | 25% |
| Feb | 4% | 10% | 15% | - |
| Mar | 6% | 14% | - | - |
Por canal de adquisición
| Canal | Churn a 12 meses | Notas |
|---|---|---|
| Referencia | 15% | Mejor retención |
| Orgánico | 22% | Buen encaje |
| Publicidad pagada | 35% | Calidad inferior |
| Afiliado | 40% | Orientado al precio |
Por tipo de plan
| Plan | Churn anual | Churn MRR |
|---|---|---|
| Mensual | 28% | 25% |
| Anual | 8% | 10% |
| Empresa | 5% | 8% |
Indicadores pre-churn
Rastrear flujo de cancelación
// Usuario abre la página de cancelación
zenovay('track','cancellation_page_viewed', {
account_id: 'acc_456',
current_plan: 'pro',
months_as_customer: 8,
mrr: 99
});
// Usuario proporciona razón
zenovay('track','cancellation_reason', {
account_id: 'acc_456',
reason: 'too_expensive',
feedback: 'Need more flexible pricing'
});
// Cancelación completada
zenovay('track','subscription_cancelled', {
account_id: 'acc_456',
reason: 'too_expensive',
lifetime_value: 792,
months_as_customer: 8,
cancel_date: new Date().toISOString(),
effective_date: '2025-02-15'
});
Rastrear ofertas de retención
// Oferta mostrada durante cancelación
zenovay('track','save_offer_shown', {
account_id: 'acc_456',
offer_type: 'discount_30',
offer_value: 30
});
// Oferta aceptada
zenovay('track','save_offer_accepted', {
account_id: 'acc_456',
offer_type: 'discount_30',
new_mrr: 69,
commitment_months: 3
});
Intervención proactiva
Acciones desencadenadas
Configura intervenciones automatizadas:
| Disparador | Acción | Rastrear |
|---|---|---|
| 7 días sin inicio de sesión | Correo electrónico de seguimiento | intervention_email_sent |
| Uso de características disminuye 50% | Consejos en la aplicación | feature_tips_shown |
| Ticket de soporte negativo | Contacto del CSM | csm_assigned |
| Puntuación de salud <40 | Llamada personal | intervention_call |
// Rastrear intervención
zenovay('track','intervention_triggered', {
account_id: 'acc_456',
trigger: 'health_score_drop',
intervention_type: 'csm_outreach',
priority: 'high'
});
// Rastrear resultado de intervención
zenovay('track','intervention_outcome', {
account_id: 'acc_456',
intervention_type: 'csm_outreach',
outcome: 'saved',
new_health_score: 65,
notes: 'Resolved integration issue'
});
Campañas de reactivación
Rastrea la recuperación de clientes atribuidos:
// Oferta de reactivación enviada
zenovay('track','winback_campaign_sent', {
account_id: 'acc_456',
days_since_churn: 30,
offer: 'first_month_free'
});
// Cliente reactivado
zenovay('track','customer_reactivated', {
account_id: 'acc_456',
days_churned: 45,
reactivation_offer: 'first_month_free',
new_plan: 'pro'
});
Informes de análisis de churn
Informe mensual de churn
Incluir:
- Lista de cuentas atribuidas
- Desglose de razones de churn
- Impacto en los ingresos
- Puntuación de salud antes del churn
- Precisión de alerta temprana
Informe de retención por cohorte
Rastrea la retención a largo plazo:
- Retención en meses 1, 3, 6, 12
- Por canal, plan, tamaño de empresa
- Análisis de tendencias
Efectividad de la intervención
| Intervención | Desencadenada | Salvada | Tasa de salvación |
|---|---|---|---|
| Serie de correos | 150 | 45 | 30% |
| Contacto del CSM | 50 | 25 | 50% |
| Oferta de descuento | 80 | 32 | 40% |
| Sesión de capacitación | 30 | 18 | 60% |
Modelo predictivo de churn
Señales de entrada
Alimenta estas métricas para predecir churn:
- Tendencia de frecuencia de inicio de sesión
- Amplitud del uso de características
- Volumen/sentimiento de tickets de soporte
- Problemas de facturación
- Tendencia de conteo de usuarios
- Actividad de administrador
Puntuación de riesgo
// Cálculo diario de puntuación de riesgo
zenovay('track','churn_prediction', {
account_id: 'acc_456',
churn_probability: 0.35,
confidence: 0.82,
top_factors: [
'login_decline',
'feature_usage_narrow',
'support_negative'
],
predicted_churn_date: '2025-03-15'
});
Rendimiento del modelo
Rastrea la precisión de predicción:
- Verdaderos positivos (predichos y atribuidos)
- Falsos positivos (predichos pero permanecieron)
- Precisión y recuperación
- Tiempo de anticipación (qué tan temprano predijimos)
Mejores prácticas
Detección temprana
-
Monitorear continuamente
- Actualizaciones diarias de puntuación de salud
- Análisis semanal de tendencias
- Revisión mensual de cohortes
-
Señales múltiples
- No confíes en una sola métrica
- Combina uso + soporte + facturación
-
Actúa rápidamente
- Intervén en la primera advertencia
- No esperes confirmación
Estrategia de intervención
-
Enfoque segmentado
- MRR alto = toque personal
- MRR bajo = automatizado
-
Entender por qué
- Causa raíz, no síntomas
- Problema del producto vs problema de encaje
-
Medir efectividad
- Rastrear resultados de intervención
- Optimizar en función de datos
Errores comunes
-
Enfocarse solo en cancelaciones
- El churn silencioso es mayor
- Rastrea uso, no solo suscripción
-
Mismo tratamiento para todos
- Diferentes segmentos necesitan diferentes enfoques
- Personaliza intervenciones
-
Reaccionar demasiado tarde
- Cuando cancelan, a menudo es demasiado tarde
- La alerta temprana es clave