Churn

La fuga de clientes se ha convertido en una métrica de éxito para la mayoría de negocios que aspiran tener relaciones a largo plazo con los consumidores. Nuestro observatorio Pulso del Consumidor en México y Colombia, ha explorado la capacidad de los sectores TELCO y BANCA para controlar este fenómeno. La gráfica a continuación muestra la tasa de respondieres que reporta querer cancelar su servicio de telefonía e internet móvil comparando Colombia y México. El comportamiento es virtualmente similar, entre un 17% y y 19% de los respondieres busca hacer un cambio activo de plan y el top 3 de razones son cobertura, precios y competencia. La relación con el sector financiero, particularmente con la banca, tiende a comportarse similar en ambos países de la región. Cerca de un 11% de los consultados reporta tener intención de cambiar de banco en lo corrido del 2022. Las razones con las que la audiencia argumenta su decisión se basan en tecnología de la competencia, costos de tarifas bancarias y cuotas de manejo Ante este escenario, es clave desarrollar un mapa de herramientas correctoras de churn que implican el uso de inteligencia artificial, modelado predictivo y analítica de datos. Derivado de nuestra experiencia desde 2008, ayudando a diferentes compañías a nivel LATAM a controlar churn, hemos construido una matriz de estrategias basadas en la evidencia como se observa a continuación. La matriz evalúa las estrategias en 4 dimensiones: Eje X [Impacto en la reducción del churn]: Son estrategias directamente relacionadas con la reducción en la tasa de churn. Eje Y [Costo de implementación]: Es una medida reportada por entrevistas a nuestros clientes sobre la inversión en tiempo y dinero que implica desarrollar estas iniciativas. Eje Z - Tamaño [Esfuerzo]: Cantidad de conocimiento y habilidad especializada necesaria para producir la iniciativa al interior de la organización. Eje W - Color [Riesgo]: Que tanto el costo es exagerado con respecto al beneficio. Las mejores practicas implican uso de metodologías avanzadas de modelado predictivo: Uso del ciclo de experiencia del cliente como conjunto de variables predicadoras del churn, lo que asume el uso de modelos de secuenciación y canastas para determinar la trayectoria de experiencia real del usuario. Uso de maquinas de supervivencia: implica modelar el fenómeno de churn haciendo uso de la propia distribución de probabilidad del evento sobre un plano de tiempo y duración de la relación con el cliente. ¿Quieres profundizar en estos temas? pongamos en contacto: América del Sur México y Centroamérica

Churn

Churn en banca y telco: 15 años de aprendizajes Mex & Col

Mejores prácticas en gestión del churn: Data science

Grow your business more quickly
with our solutions for inbound and ecommerce

Churn

Churn en banca y telco: 15 años de aprendizajes Mex & Col

Mejores prácticas en gestión del churn: Data science

Grow your business more quickly with our solutions for inbound and ecommerce

Grow your business more quickly
with our solutions for inbound and ecommerce