Martes de Growth
Hace unos meses un ex trabajador de PayPal compartió una publicación sobre cómo resolvieron un problema de churn de 100 millones de dólares al año, luego de más de una década presente.
Churn: abandono
Antes de contarles el caso de estudio y la solución que plantearon, repasemos cuál es el negocio principal de PayPal.
¿Qué hace PayPal?
Según su propia web, PayPal es un servicio que te permite pagar, enviar dinero y aceptar pagos sin tener que introducir tus datos financieros continuamente. Se caracterizan por ser rápidos y seguros. Afirman que más de 250 millones de personas de más de 200 países y mercados usan PayPal, en más de 25 divisas distintas.
El problema y la solución
PayPal perdía anualmente más de 1 millón de comerciantes por diversas razones, lo que significaba para la empresa una pérdida monetaria de 100 millones de dólares anuales. Después de 17 años intentando resolver el problema, encontraron una solución.
¿Qué hicieron? En resumen, emplearon una metodología sistemática que incluyó exclusiones por características para acotar lo máximo posible el grupo de usuarios a analizar. Separaron los usuarios en fase de “activación” de los usuarios en fase “engaged”.
Durante varias semanas, tuvieron a un practicante reconstruyendo el historial de estos clientes, revisando los sistemas de riesgo, cumplimiento y servicio al cliente para identificar razones por las cuales estos usuarios abandonaron PayPal.
Los problemas finalmente se dividieron en 20 categorías. Con ello crearon un modelo predictivo para detectar a los comerciantes que se encontraban en una de estas categorías. Con esta información, atención al cliente llamó a los clientes para resolver los problemas de forma proactiva.
Tengamos en consideración que PayPal es una empresa de millones de usuarios, por lo que el trabajo minuciosamente crítico de data fue clave en esta solución “relativamente simple”. Cosas que puedes lograr con un equipo con un alto nivel de resolución de problemas, conocimiento del negocio y de SQL avanzado.
¡No te olvides de compartir si te gusta este contenido!
El análisis se centró en comenzar a acotar el grupo en cuestión, descartando usuarios en el siguiente orden:
- Cuentas cerradas. Casi nadie cierra una cuenta en PayPal, ya que no existe una tarifa mensual por tenerla abierta. Simplemente dejan de usarla.
- Cuentas de una sola transacción. Lo que se conoce como “one-and-dones”. Son usuarios que se registran específicamente para hacer una única transacción y luego se van, para no volver. La mayoría de estos usuarios son pequeñas empresas u ocasionalmente necesitan el producto, lo que significa que no generan suficientes ingresos para ser una preocupación, y tampoco es una meta retenerlos o recuperarlos.
- Cuentas con problemas de activación. Si bien estos usuarios también afectan la retención del producto, las excluyeron, pues, ellos estaban enfocándose en resolver el problema de los usuarios en estado ‘engaged’ (que usaban regularmente PayPal) que terminaban abandonando.
Hasta aquí, ¿ven cómo el criterio y conocimiento de negocio se vuelven clave para ir acotando el alcance del problema? 👀.
- Falsos positivos. Estos usuarios no presentan un patrón transaccional recurrente. Pueden estar inactivos por muchos meses y “de la nada” vuelven a usar el producto.
- “Churn no arrepentido”. Usuarios bloqueados de la plataforma por problemas de fraude, principalmente.
En este punto ya habían reducido significativamente el segmento a analizar, pero aún no era suficiente.
Así que, para reducir aún más la lista, se centraron en el “churn” de ingresos, en lugar del “churn” de usuarios. Sí, aplicaron la famosa “Ley de Pareto”. El ingreso de PayPal está altamente concentrado en el 10% de sus comerciantes, por lo que se centraron en este grupo. Después de esto, quedaron un par de cientos de comerciantes de alto valor que eran el objetivo para resolver el problema.
El equipo encontró que el problema era que la experiencia del cliente tenía pequeños problemas que, en conjunto, sumaban la razón de abandono de clientes.
Allí es que enviaron a su practicante a que registrara minuciosamente cada uno de estos problemas. Este dedicó meses a reconstruir el historial de cada comerciante, revisando los sistemas de riesgo, cumplimiento y servicio al cliente para identificar dónde habían fallado. Luego, dividió los problemas en unas 20 categorías y creó un modelo predictivo* para detectar a los comerciantes que se encontraban en una de estas categorías. Esta información sirvió para que el área de servicio al cliente se contacte con ellos proactivamente y pueda evitar la fuga de estos clientes.
*Cuando mencionan el modelo predictivo, no era ‘rocket science’. Lo que hacían era correr consultas de bases de datos semanales (conocidas también como ‘queries’) que marcaban, basándose en ciertas reglas que definieron, a los usuarios que estaban en riesgo potencial por una de las 20 categorías que habían identificado.
¿Qué aprendizajes podemos extrapolar de este caso?
- No necesitas soluciones sofisticadas para solucionar problemas grandes. A veces, solo basta con un equipo con un alto nivel de resolución de problemas, conocimientos de negocio y manejo de datos.
- Cuando tienes un problema muy grande como en este caso, con demasiados usuarios, hacer un análisis por exclusión de características con el producto o ciertas reglas de negocio sirve mucho.
- Hacer cosas que no escalan sirve. Así seas un emprendimiento pequeño, una empresa mediana o una empresa como PayPal, hacer cosas sencillas y super manuales puede servir para resolver problemas súper complejos. En este caso, el practicante se llevó la carga operativa de registrar todo manualmente, pero eso no significa que no puedas hacerlo tú mismo si eres analista, jefe, gerente o incluso el propio CEO o dueño de tu empresa.
- Fue clave que el equipo separara a los usuarios con problemas de activación de los usuarios que estaban apuntando. Retención = Activación + Engagement + Resurrección. Aquí se enfocaron en analizar los problemas de la segunda parte de la ecuación.
- ¡Prioriza! En este caso, fue muy importante que el equipo entendiera que la mayor parte de los ingresos viene de un grupo reducido de clientes. En un mundo de recursos escasos, es importante priorizar los esfuerzos.
Si tienes algún otro aprendizaje que hayas identificado esta publicación, te esperamos en los comentarios.
