A previsão de abandono lê a mudança no comportamento de compra de cada cliente — visitas que se espaçam, talão em queda — e sinaliza o risco enquanto ainda se está a formar. O que o modelo precisa, como a Retano CRM & Loyalty prioriza os clientes em risco segundo o seu valor, e o que enviar a quem está nessa lista.
Em síntese
- A previsão de abandono identifica os clientes ativos cujo comportamento revela os padrões que costumam preceder o afastamento.
- A Retano CRM & Loyalty constrói o modelo com os dados de talão que o programa de fidelização já recolhe. Não são necessárias novas fontes de dados.
- São necessários cerca de oito meses de histórico de compra utilizável antes de poder correr um primeiro modelo.
- A cada cliente são atribuídos uma probabilidade de abandono e um customer lifetime value. O seu cruzamento indica onde compensa gastar o orçamento de retenção.
- Para cada segmento de valor configura-se um programa de win-back dedicado, e os segmentos são exportados diretamente para as campanhas.
- A decisão continua a ser do retalhista: a plataforma produz segmentos e recomendações, as campanhas arrancam segundo as regras definidas pelo marketing.
Porque é que um programa de fidelização não sinaliza o abandono de clientes?
Porque os pontos, os patamares de prémio e os preços reservados a titulares de cartão respondem a uma só pergunta — como premiar quem compra — e não à outra: quem começou a comprar menos, e desde quando. O reporting de um programa de fidelização é normalmente retrospetivo e agregado, o que é diferente de saber que esta pessoa concreta, com determinada probabilidade, deixará de comprar nos próximos meses.
Recuperar um cliente habitual mais tarde custa mais do que teria custado retê-lo. É o espaço em que trabalham os modelos preditivos da Retano CRM & Loyalty: as mesmas mecânicas, dirigidas a partir do que os dados de compra dizem sobre cada pessoa.
Que dados são necessários para prever o abandono?
Os dados de talão associados a um cartão de fidelização: que referências, em que quantidades, em que loja, a que hora, com que desconto. São dados que a insígnia já regista todos os dias. A partir deste histórico, a Retano CRM & Loyalty calcula para cada cliente um conjunto de indicadores:
- Dias desde a última compra
- Número de semanas com compras, total de compras e gasto total
- Frequência média de visita em janelas móveis de 3, 5 e 13 semanas
- Talão médio nas mesmas janelas
- Número médio de referências por talão
- Desconto médio por talão
A diferença face a um histórico simples está nas janelas móveis: comparar as últimas três semanas com as últimas treze significa ler uma tendência e não uma fotografia. As janelas são configuráveis e ajustam-se à frequência de compra típica do formato.
Como se segmenta a base de clientes?
A Retano CRM & Loyalty agrupa os clientes em clusters de comportamento homogéneo, com várias lógicas utilizáveis em paralelo: RFM clássica, RFM construída sobre os desvios das médias, uma variante baseada em machine learning, matriz BCG aplicada à base de clientes e agrupamentos por padrão de consumo. Os segmentos obtidos são exportados diretamente para a plataforma como grupos-alvo de campanha.
Emergem as famílias previsíveis — o comprador frequente a preço cheio, o cliente estável com talão regular, quem passa raramente, o novo aderente, o comprador pontual — e uma que merece atenção à parte: quem compra quase exclusivamente em promoção. Enquanto esse cluster se mantém misturado com o resto da base, a eficácia das promoções não é legível, porque a mesma mecânica produz efeitos opostos nos dois grupos. Separados, indicam dois instrumentos diferentes.
Como funciona o modelo de previsão de abandono?
É um problema de aprendizagem supervisionada. Utilizam-se mais de quatro meses de dados passados para gerar os preditores e os quatro meses seguintes para estabelecer quem deixou efetivamente de comprar, sendo essa a resposta com que o modelo é treinado: na prática são necessários cerca de oito meses de histórico utilizável antes de poder correr um primeiro modelo. Como no retalho alimentar não há contrato a cancelar, um cliente é considerado perdido quando não regista compras no período de observação seguinte.
Os marcadores são aqueles que nenhum olhar humano consegue seguir em milhões de talões: visitas que se espaçam, talão médio e gasto total em queda, menos referências por talão, perfil de desconto que muda. O resultado é o cliente que está a abrandar enquanto o risco ainda se forma, ou seja, quando intervir ainda faz sentido. O limiar de probabilidade é configurável: é a insígnia que decide o grau de prudência, deslocando a fronteira entre intervir e deixar correr em função do orçamento de retenção disponível.
Sobre que clientes em risco compensa intervir?
Aqueles em que uma probabilidade elevada coincide com um valor elevado. A Retano CRM & Loyalty atribui a cada cliente uma probabilidade de abandono e um customer lifetime value, e distribui a base em segmentos de valor. Cruzados, os dois indicadores formam uma matriz: a probabilidade diz quem se vai embora, o valor diz quanto compensa gastar para o evitar. Um cliente de alto valor com risco elevado justifica um contacto imediato e uma oferta à medida; quem comprou uma só vez e não voltou merece uma tentativa de baixo custo, um cupão padrão ou uma notificação. Para cada segmento de valor configura-se um programa de win-back dedicado.
Julián Ruiz, Country Manager, Retano Solutions:
“Os clientes fidelizados são a garantia de uma faturação estável. Uma insígnia pode investir muito para atrair clientes novos e, entretanto, perder em silêncio os habituais — e recuperá-los depois custa muito mais. Para nós a fidelização não acaba nas mecânicas: começa aí, e nos dados que essas mecânicas trazem consigo.“
Sobre que clientes trabalha o modelo não é um dado adquirido: é uma escolha. Os modelos são calculados sobre um segmento, e os segmentos constroem-se a partir dos atributos do cliente: a insígnia pode assim restringir a população analisada àquela que pretende incluir, por exemplo apenas aos clientes que deram o consentimento correspondente.
O que enviar a um cliente que está a abrandar?
Uma oferta construída sobre o que mudou no seu comportamento. O que não funciona é a versão indiferenciada: o mesmo desconto enviado a toda a base, incluindo os clientes que iriam comprar de qualquer forma. As mecânicas clássicas funcionam melhor quando a escolha segue o perfil:
- Desapareceu uma categoria: o benefício concentra-se aí.
- Baixou a frequência: um cupão que se ganha hoje e se gasta na visita seguinte.
- Há pontos a expirar: muitas vezes basta o lembrete.
- Aniversário, categoria preferida, referral: mecânicas que o cliente já conhece.
Acima destas alavancas coloca-se outra: a oferta personalizada de produto, construída a partir dos cestos de clientes comparáveis. É a que dá um motivo para voltar ao cliente que um desconto genérico já não move, porque a oferta recai sobre um produto que ele nunca comprou mas que quem se lhe assemelha compra com regularidade. Sobre como o modelo escolhe esses produtos, continue a ler aqui.
Há outro fio que corre a par deste trabalho. A análise de associações identifica os produtos driver: referências que vendem poucas unidades mas arrastam o resto do cesto. Para quem trabalha sobre o abandono são úteis duas vezes — como pretexto para uma campanha de reativação, porque os seus compradores se extraem como segmento e recebem um cupão sobre esse mesmo artigo, e como candidatos naturais para uma oferta pessoal. É um tema à parte, e terá uma ficha dedicada.
O sistema decide sozinho?
Não. Julián Ruiz, Country Manager, Retano Solutions: “Perguntam-nos muitas vezes se o sistema decide tudo. Não. O que retira é outro peso: o esforço de analisar milhões de talões, o trabalho manual de construir os segmentos, o cruzamento de relatórios distintos para reconstruir um único quadro. A campanha pode arrancar em automático, mas segundo as regras definidas pelo marketing.“
O que muda, concretamente
O perfil, a previsão de abandono e o mapa de associações incidem no trabalho diário muito mais do que incidem no programa de fidelização em si. As mecânicas continuam a ser as que os clientes já conhecem. O que muda é o destinatário: a insígnia sabe a quem se dirige, há quanto tempo essa pessoa está a abrandar, quanto vale retê-la, o que lhe propor e que referência pode arrastar outra para o cesto. Os dados necessários já existem, estão nos talões registados todos os dias. A diferença competitiva está em sabê-los ler e transformar em ação.
