Reduzir o churn - com insights de uma análise de churn

Reconhece esta situação? Se a sua organização oferece serviços por subscrição, é provável que a redução do churn esteja na agenda. Não é o tema mais popular, pois preferimos naturalmente olhar para o que está a correr bem. Mas qual é a melhor forma de analisar o churn? Por onde começar? Neste artigo, explicamos como pode usar dados para analisar o churn, com o objetivo de o reduzir. 

O que é o churn? E porque é tão importante reduzi-lo?

O churn é o número de clientes que deixam de utilizar os serviços ou produtos da sua empresa. Indica até que ponto uma empresa consegue reter os seus clientes. O churn tem um impacto negativo direto nas receitas e na rentabilidade da sua organização. Perder clientes existentes significa uma queda imediata nas receitas recorrentes, e angariar novos clientes é muitas vezes mais caro do que reter os atuais. 

E quanto à sua vantagem competitiva? Ao reter os seus clientes, as suas receitas tornam-se mais previsíveis, o que traz estabilidade. Assim, a sua empresa pode concentrar-se no crescimento em vez de substituir os clientes que perdeu. Isto pode ajudá-la a manter-se à frente da concorrência. Além disso, o que há de melhor do que um produto sólido com clientes satisfeitos?

1. Recolher e organizar dados dos assinantes ao longo de um determinado período

Na nossa análise, centrámo-nos na utilização online, pelos assinantes, de dois sites de notícias e das respetivas aplicações.

O nosso objetivo parece simples: melhorar a retenção de assinantes. Queremos compreender por que razão alguns assinantes cancelam a subscrição e identificar os fatores que contribuem para isso. Ao compreender estes padrões, podemos desenvolver estratégias direcionadas para melhorar a retenção de assinantes.

Para a nossa análise de churn, começámos por organizar um grande volume de dados dos assinantes recolhidos anteriormente. Estes dados estavam distribuídos por várias tabelas, pelo que a primeira tarefa foi analisá-las cuidadosamente e reunir a informação relevante. Selecionámos os fatores mais importantes com base no conhecimento do domínio e com o apoio de uma revisão da literatura (Belchior, L. M., António, N., & Fernandes, E. (2024).

Para reunir os dados, utilizámos dbt (Data Build Tool) em conjunto com Snowflake. Snowflake funciona como repositório central de todas as nossas tabelas, enquanto dbt nos permite transformar os dados de forma eficiente e estruturada. Com dbt, podemos criar modelos que selecionam as colunas mais importantes, efetuam cálculos e, por fim, geram um conjunto de dados combinado. Assim, conseguimos processar os dados de forma consistente e repetível, criando uma base sólida para análises posteriores.

Após consultarmos especialistas da área, optámos por um período de análise de um ano. Este período oferece uma boa visão geral do comportamento dos subscritores. Uma desvantagem desta escolha é que a análise não contempla fatores sazonais, o que pode afetar a interpretação dos resultados, sobretudo se os padrões de churn variarem muito consoante a estação do ano.

Devido à dimensão do nosso conjunto de dados, é essencial dividir as transformações em períodos curtos. Neste caso, optámos por acrescentar os dados mensalmente ao nosso conjunto de dados, embora a periodicidade adequada dependa muito do número de clientes com que trabalha. Para esta tarefa, utilizámos a ferramenta Conveyor.

2. Definir churn

Um passo importante na análise de churn é estabelecer uma definição clara. A definição adotada pode ter um efeito considerável na análise, pelo que convém alinhá-la com o objetivo da análise. Como nos interessa compreender o comportamento por detrás do churn, optámos por regras bastante rigorosas. Por exemplo, não classificámos como churners os subscritores que regressaram no prazo de dois meses. Desta forma, evitamos introduzir ruído no conjunto de dados, pois muitos subscritores cancelam temporariamente a subscrição para obter um desconto adicional. Se o seu interesse estiver mais centrado na receita ou na perda mensal de clientes, poderá fazer sentido incluir estes subscritores na análise.

3. Análise e interpretação dos dados

Depois de reunirmos e organizarmos os dados, identificámos as principais variáveis que podem influenciar a perda de subscritores (churn). Em seguida, analisámos estas variáveis para detetar padrões que indicam um risco acrescido de churn. Durante esta análise, tornou-se claro que segmentar os subscritores em grupos era essencial para aprofundar a informação obtida.

Optámos por basear a segmentação em três critérios principais: o tipo de subscrição, a duração da relação com a organização e a atividade do subscritor. Estes segmentos permitiram-nos perceber que fatores tinham um papel significativo no risco de churn dentro de cada grupo. 

Ao segmentarmos os dados desta forma, conseguimos identificar melhor os padrões e comportamentos específicos de cada grupo de subscritores.

Conclusão

Analisar e combater o churn permite obter as seguintes informações valiosas:

• Uma análise do churn revela por que razão os clientes deixam de subscrever, ajudando a melhorar o produto.
• Identificar os fatores de risco de churn permite criar estratégias proativas de retenção.
• Reduzir o churn leva-o a acrescentar continuamente valor para os seus clientes.
• Ao combater ativamente o churn, pode, enquanto empresa de subscrições, manter a sua carteira de clientes, crescer e melhorar os seus serviços. Isto traduz-se numa posição de mercado mais forte e num sucesso sustentável a longo prazo.