Churn: perdieron el 18% de su clientela y no se enteró nadie
Caso real · 3.000 cuentas activas y ninguna alerta de clientes inactivos
En los negocios de recurrencia hay una asimetría que explica casi todo lo demás: la captación produce un evento visible y la pérdida no produce ninguno. Cuando entra un cliente hay un alta, un registro y una cifra en el informe. Cuando se va, simplemente dejan de llegar sus pedidos. Y la ausencia de algo no genera notificación en ningún sistema que no esté expresamente diseñado para buscarla.
Este caso es lo que cuesta esa asimetría cuando nadie la corrige: una fuga de clientes del 18% sin un solo registro de causa.
El punto de partida: pagar dos veces por el mismo cliente
«Invertimos todo en captar y no tocamos a los clientes que ya tenemos. Se van sin que nos enteremos y luego los recompramos como si fueran nuevos.»
Una empresa de suministro industrial con 3.000 cuentas activas. Negocio de recurrencia pura: el cliente medio hacía pedido cada seis semanas, con bastante regularidad, durante años.
En ese tipo de negocio la pérdida de un cliente no ocurre. Se deja de producir un pedido. No hay baja, ni cancelación, ni llamada de despedida. Un día el pedido que tocaba no llega. Y luego tampoco el siguiente.
Nadie lo detectaba, porque no existía ninguna alerta de inactividad. Una cuenta podía pasar de comprar cada seis semanas a llevar cuatro meses sin pedido y seguir figurando en el sistema exactamente igual que el resto: como cuenta activa.
Resultado del ejercicio: 18% de la clientela perdida sin ningún registro de causa. Ni un apunte sobre por qué. En muchos casos, ni siquiera constancia de que se hubieran ido.
Mientras tanto:
- El presupuesto íntegro de marketing iba a captación. Cero euros a mantener activa la clientela.
- La fuerza comercial atendía solo a quien llamaba. Reactiva por completo, y con la agenda llena, porque siempre hay alguien llamando.
Y el desenlace que da sentido a la frase del cliente: una parte de esas cuentas perdidas volvió a captarse meses después a través de campañas, pagando el coste de adquisición de un cliente nuevo por alguien que ya había sido cliente durante años. Nadie lo detectaba, porque el registro entraba como lead nuevo.
Se pagaba dos veces por el mismo cliente. La segunda, mucho más cara.
Lo que descartamos
Un modelo predictivo de churn
Es la respuesta que suena bien y la que este cliente esperaba. Tres razones para no empezar por ahí:
- Datos: Un modelo de propensión necesita histórico etiquetado, y aquí no existía: no había registro de qué clientes se habían ido ni por qué. Entrenar sobre eso produce un modelo que aprende ruido y lo presenta con decimales.
- Proporción: Con un patrón de compra tan regular, la señal más potente es también la más simple: si un cliente que compra cada seis semanas lleva diez sin pedido, hay un problema. Eso no necesita un modelo. Necesita una consulta.
- Coste: Construir, entrenar, validar, mantener y activar un modelo predictivo era desproporcionado frente a lo que un sistema de umbrales bien calibrados iba a conseguir. Lo dijimos así en la primera reunión, aunque el proyecto pequeño facture menos que el grande.
Si dentro de dos años, con histórico limpio y etiquetado, un modelo aporta sobre el sistema de umbrales, se plantea entonces – y con una línea base contra la que compararlo, que ahora no existía.
Una plataforma de customer engagement enterprise
Gestionar la relación con 3.000 cuentas no requiere una suite de orquestación multicanal. El CRM existente y la herramienta de email que ya tenían daban de sobra.
Campañas de recaptación masiva
Es lo que se estaba haciendo sin saberlo. Tratar a un excliente como un desconocido desperdicia todo lo que se sabe de él, y le comunica con bastante claridad que su historial de años no ha dejado huella.
Cómo redujimos el churn a la mitad
1. Definir «inactivo» respecto al ritmo propio de cada cliente
Un umbral único no sirve. Un cliente que compra cada seis semanas y otro que compra cada seis meses no pueden compartir criterio de alerta.
Segmentamos el CRM por patrón de compra propio: para cada cuenta, su frecuencia habitual calculada sobre su histórico. La alerta salta cuando una cuenta se desvía de su propio ritmo, no de una media general.
La diferencia es determinante. Con un umbral común de tres meses, los clientes de compra frecuente – que suelen ser los de mayor valor – se detectan tardísimo, y los de compra espaciada generan falsas alarmas constantes hasta que el equipo deja de mirarlas.
Tres niveles: desviación leve, riesgo, pérdida probable. Cada uno con su respuesta.
2. Alertar cuando todavía sirve de algo
El sistema revisa el CRM a diario y avisa al comercial responsable con el contexto necesario: cuánto lleva sin pedido, cuál es su ritmo habitual, qué compraba, qué volumen representa y cuándo fue el último contacto.
El momento del aviso es lo que decide su valor:
A las diez semanas, la respuesta posible es una llamada. A los seis meses, solo queda una campaña de recuperación – mucho menos efectiva y bastante más cara.
Los avisos se priorizan por valor de cuenta, para dirigir primero la atención comercial, que es el recurso escaso.
3. Rutas de reactivación según la causa probable
No todas las inactividades son iguales, y tratarlas igual desperdicia la mayor parte del potencial:
| Patrón observado | Causa probable | Respuesta |
| Reduce volumen progresivamente | Ha entrado un competidor | Contacto comercial directo, no un correo |
| Se detiene de golpe | Cambio interno: se fue el interlocutor, decisión de compras | Averiguar qué pasó antes de ofrecer nada |
| Pausa recurrente cada año | Estacionalidad | Identificar y excluir de las alertas |
| Bajo volumen | – | Circuito automatizado por correo, con contenido de lo que compraba |
Todas partiendo de algo que la captación no tiene: saber qué compraba, cuándo y a quién.
4. Registrar la causa, siempre
La pieza que faltaba por completo. Toda gestión de reactivación termina con un motivo de una lista cerrada: cambió de proveedor, dejó de necesitar el producto, incidencia de servicio no resuelta, cambio de persona de contacto, problema de precio, cierre o cambio de actividad.
Al cabo de dos trimestres eso deja de ser un registro y se convierte en información de negocio. Aquí, un motivo concreto – incidencias de servicio no resueltas en una línea de producto – concentraba el 31% de las pérdidas. Nadie lo sospechaba. Se corrigió el problema de origen, que era operativo y llevaba años ahí.
Eso es lo que ninguna campaña de recaptación consigue: dejar de perder clientes por la misma causa.
5. Poner juntos el coste de retener y el de captar
Seguimiento continuo de cuatro indicadores: tasa de retención, churn por segmento, coste de reactivación y coste de captación.
Poner las dos últimas cifras en la misma tabla es lo que cambia la decisión presupuestaria. Mientras solo se mide el coste de adquisición, retener no compite por presupuesto – porque no aparece en ninguna parte.
Resultado
El churn anual pasó del 18% al 9%.
Reactivar resultó costar cinco veces menos que captar. Con esa cifra sobre la mesa, la conversación presupuestaria se resolvió sola: se reasignó parte del presupuesto de captación a retención, con retorno inmediato muy superior.
El 43% de las cuentas en riesgo se recuperaron con una llamada a tiempo. En una proporción relevante de esos casos el cliente ni siquiera había decidido irse: había tenido una incidencia, había cambiado el interlocutor, o simplemente había probado otro proveedor sin más motivo.
Se dejó de recomprar a los propios clientes. Cruzando contra la base histórica del CRM, los registros de captación que corresponden a exclientes se identifican y se derivan a un circuito distinto, más barato y más efectivo.
Se corrigió una causa operativa de pérdida que llevaba años activa y que era invisible sin registro de motivos.
Y el cambio de fondo: la base de clientes instalada dejó de ser un activo que se gestiona solo. Tiene presupuesto, responsable e indicadores propios.
Por qué lo hacemos así
La asimetría del principio tiene una consecuencia organizativa que va más allá de la medición: la empresa entera se orienta hacia lo que puede ver.
Marketing se mide por leads. Comercial se mide por altas. Dirección revisa el coste de adquisición. La pérdida sucede en silencio, se descubre al cierre del ejercicio como una cifra agregada de la que nadie puede explicar la causa, y se responde con más captación – que es la única palanca que todo el mundo sabe accionar.
Una estrategia de retención de clientes que rompa ese bucle no requiere un modelo predictivo. Requiere que alguien defina, para cada tipo de cliente, cuándo su silencio es anómalo; que el sistema avise a tiempo; y que cada recuperación, lograda o fallida, deje registrada la causa.
Lo primero se hace en semanas. Lo último es lo que, al cabo de un año, permite dejar de perder clientes por el mismo motivo en lugar de limitarse a recomprarlos.
Dónde no aplica: en negocios sin patrón de compra reconocible – compra única, ciclos muy largos o irregulares – no hay ritmo del que desviarse y las alertas de inactividad no tienen base. Ahí la retención se trabaja con señales distintas: uso del producto, incidencias abiertas, contacto con soporte. Y si tu contrato tiene fecha de renovación explícita, el problema no es de detección sino de gestión del vencimiento, que es un proyecto bastante más sencillo.
Preguntas frecuentes
¿Cómo se detecta que un cliente se está yendo si no da de baja?
Comparando su actividad con su propio patrón de compra, no con una media general. En negocios de recurrencia, la pérdida se manifiesta como ausencia de pedidos, y esa ausencia solo es detectable si el sistema conoce la frecuencia habitual de cada cuenta y avisa cuando se desvía. Un umbral común para toda la base de clientes detecta tarde a los clientes frecuentes – normalmente los de mayor valor – y genera falsas alarmas con los esporádicos.
¿Hace falta un modelo predictivo de churn?
No para empezar, y con frecuencia no hace falta nunca. Un modelo de propensión requiere histórico etiquetado de bajas y sus causas, que es precisamente lo que falta en las empresas con este problema. Cuando el patrón de compra es regular, un sistema de umbrales calculados por cliente captura la mayor parte de la señal a una fracción del coste. El modelo tiene sentido más adelante, con datos limpios y una línea base con la que compararlo.
¿Cuánto cuesta retener un cliente frente a captarlo?
Varía por sector, pero la diferencia suele ser de varias veces a favor de la retención: en este caso, cinco. La razón es que la reactivación parte de información que la captación no tiene – qué compraba, con qué frecuencia, quién era su interlocutor – y no necesita generar confianza desde cero. El problema habitual no es que la cifra sea desconocida, sino que nunca se calcula, y por eso retener no compite por presupuesto.
¿Cuándo hay que avisar de que una cuenta está en riesgo?
Cuanto antes es mejor, pero el criterio útil es funcional: hay que avisar mientras la respuesta posible siga siendo una llamada. Una vez que la inactividad se prolonga meses, la única acción disponible es una campaña de recuperación, que convierte a un cliente en un destinatario y reduce mucho la probabilidad de éxito.
¿Por qué hay que registrar el motivo de la pérdida de un cliente?
Porque sin él solo se puede recuperar clientes, nunca dejar de perderlos. Con motivos en lista cerrada, dos trimestres de datos revelan si las bajas se concentran en un problema de precio, de servicio, de producto o de relación. Es la diferencia entre corregir la causa y limitarse a recomprar a la misma gente indefinidamente.
¿Cómo se evita pagar por recaptar a antiguos clientes?
Cruzando los registros entrantes de campañas contra la base histórica del CRM antes de tratarlos como leads nuevos. Los exclientes identificados se derivan a un circuito de reactivación, que es más barato y más efectivo porque puede referirse a lo que ya compraban. Sin ese cruce, un excliente se recompra al coste de adquisición completo y nadie llega a saberlo.
¿Cuántos de tus clientes llevan más tiempo del habitual sin comprar? Si no puedes responder eso hoy con una consulta, es probable que ya se hayan ido algunos sin que conste en ningún sitio. Cuéntanos cuál es el patrón de compra de tus clientes y en la primera conversación sabremos qué alertas conviene poner primero.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.