churn-analysis

Skill de Análisis de Churn

Produce un análisis de churn estructurado que vaya más allá de la tasa titular — identificando por qué se van los clientes, qué segmentos corren mayor riesgo, y qué intervenciones tendrán el mayor impacto en la retención.

Lee de / Escribe en el Brain

Si existe un [professional-brain](../professional-brain/SKILL.md) (brain/), usa los datos que ya tienes en lugar de volver a preguntar:

• Lee primero: context.md (definiciones de métricas — qué significa "churn" aquí), knowledge/, y las entities/ de segmentos relacionados. Ejecuta python3 ../professional-brain/scripts/brain_query.py ./brain "churn" y conserva la etiqueta de procedencia de cada hecho.
• 📥 Propón al Brain: después de producir, propón registrar el hallazgo de retención principal en knowledge/ ([data]), cualquier decisión de retención en decisions/, y los factores de riesgo como hypotheses/. Muéstralos, obtén un sí, y luego escribe con ../professional-brain/scripts/brain_write.py … --commit (solo adición, simulación por defecto).

Datos de Entrada Requeridos

Solicita estos si no se proporcionan ya:

• Período de tiempo siendo analizado (ej. Q1, últimos 12 meses)
• Total de clientes al inicio del período y clientes perdidos
• ARR o ingresos perdidos por churn
• Datos de motivos de churn — resultados de encuestas de salida, notas de CSM, datos de soporte, o motivos de pérdida de ventas
• Segmentos de clientes — por tier, industria, cohorte, o línea de producto
• Tasa de retención actual si se conoce
• Cambios recientes — precios, producto, modelo de soporte — que pueden haber afectado el churn

Categorías de Churn

Clasifica siempre el churn antes de analizarlo:

| Categoría | Definición |

|---|---|

| Voluntario — evitable | El cliente se fue debido a un problema que podríamos haber resuelto (brechas de producto, onboarding deficiente, fallos en relaciones) |

| Voluntario — inevitable | El cliente se fue por razones fuera de nuestro control (recortes presupuestarios, adquisición, cierre de empresa) |

| Involuntario | Fallo de pago, no renovación de contrato por error, error administrativo |

Las intervenciones para cada categoría son diferentes. Confundirlas lleva a conclusiones equivocadas.

Formato de Salida

---

Análisis de Churn: [Producto / Segmento / Empresa]

Período: [Fecha de inicio] — [Fecha de fin]

Preparado por: [Nombre] | Fecha: [Fecha]

---

Números Clave

| Métrica | Valor |

|---|---|

| Clientes al inicio del período | [N] |

| Clientes perdidos | [N] |

| Tasa de churn de clientes | [X]% |

| ARR al inicio del período | £/$/€[X] |

| ARR perdido por churn | £/$/€[X] |

| Tasa de churn de ingresos (bruto) | [X]% |

| ARR de expansiones (mismo período) | £/$/€[X] |

| Net Revenue Retention (NRR) | [X]% |

Contexto de comparativa:

• Tasa de churn de clientes: [X]% vs. comparativa de industria [Y]% — [por encima / por debajo / en línea]
• NRR: [X]% — [Qué significa: por encima del 100% = expansión compensa churn; por debajo del 100% = base encogiendo]

---

Desglose de Churn por Categoría

| Categoría | Clientes | % del churn | ARR perdido |

|---|---|---|---|

| Voluntario — evitable | [N] | [X]% | £/$/€[X] |

| Voluntario — inevitable | [N] | [X]% | £/$/€[X] |

| Involuntario | [N] | [X]% | £/$/€[X] |

| Total | [N] | 100% | £/$/€[X] |

Churn evitable como % del churn total: [X]% — este es el número que realmente podemos influir.

---

Motivos de Churn — Solo Churn Evitable

Ordena por frecuencia. Incluye peso de ARR donde los datos lo permitan.

| Motivo | Conteo | % del churn evitable | ARR perdido | Cita representativa |

|---|---|---|---|---|

| [Motivo 1 — ej. "Producto falta característica clave"] | [N] | [X]% | £/$/€[X] | "[Cita]" |

| [Motivo 2] | [N] | [X]% | £/$/€[X] | "[Cita]" |

| [Motivo 3] | [N] | [X]% | £/$/€[X] | "[Cita]" |

| [Motivo 4] | [N] | [X]% | £/$/€[X] | "[Cita]" |

| Otro | [N] | [X]% | £/$/€[X] | — |

Síntesis temática: [2–3 oraciones agrupando los principales motivos en 2–3 temas. Ej. "Los tres principales motivos se agrupan en dos temas: brechas de producto en [área] (afectando X% del churn evitable) y fallos de onboarding donde los clientes nunca lograron valor (Y%)."]

---

Churn por Segmento

Identifica qué segmentos tienen churn sobre o bajo el promedio.

Por Tier

| Tier | Tasa de churn | vs. General | Notas |

|---|---|---|---|

| Enterprise | [X]% | +/-[X]pp | |

| Mid-Market | [X]% | +/-[X]pp | |

| SMB | [X]% | +/-[X]pp | |

Por Cohorte (Año de Adquisición)

| Cohorte | Tasa de churn | Notas |

|---|---|---|

| [Año 1] | [X]% | |

| [Año 2] | [X]% | |

| [Año 3] | [X]% | |

Por Industria / Caso de Uso (si hay datos disponibles)

| Segmento | Tasa de churn | Notas |

|---|---|---|

| [Segmento 1] | [X]% | |

| [Segmento 2] | [X]% | |

Patrón clave: [Qué segmento tiene la tasa de churn más alta y qué probablemente lo explica]

---

Análisis de Temporalidad

• Duración promedio del contrato antes del churn: [X meses]
• Momento de mayor riesgo: [ej. "Mes 3 — cuando el valor de prueba se ha agotado pero la adopción completa no ha ocurrido"]
• Distribución temporal del churn:

| Cuándo ocurrió el churn | % de cuentas perdidas |

|---|---|

| 0–3 meses | [X]% |

| 3–6 meses | [X]% |

| 6–12 meses | [X]% |

| 12+ meses | [X]% |

---

Señales de Alerta Temprana

Basado en las cuentas perdidas, identifica las señales que precedieron al churn (y podrían haber desencadenado intervención anterior):

| Señal | Tiempo de avance antes del churn | Cómo detectarla |

|---|---|---|

| [Señal 1 — ej. "DAU/MAU cayó por debajo del 15%"] | [~X semanas] | [Dashboard de uso / alerta] |

| [Señal 2 — ej. "No QBR en 90+ días"] | [~X semanas] | [Flag en CRM] |

| [Señal 3 — ej. "Defensor de la cuenta se fue"] | [~X semanas] | [Alerta de LinkedIn / seguimiento de CSM] |

| [Señal 4] | [~X semanas] | [Método de detección] |

---

Recomendaciones de Intervención

Ordenadas por impacto estimado × viabilidad.

| Intervención | Dirige a | Est. reducción de churn | Esfuerzo | Propietario |

|---|---|---|---|---|

| [Intervención 1 — ej. "Mejorar onboarding para [segmento] con check-in dedicado de 30 días"] | [Motivo 1] | [X cuentas / £X ARR] | Bajo / Med / Alto | [Equipo] |

| [Intervención 2] | [Motivo 2] | [X cuentas / £X ARR] | Bajo / Med / Alto | [Equipo] |

| [Intervención 3] | [Motivo 3] | [X cuentas / £X ARR] | Bajo / Med / Alto | [Equipo] |

Prioridad decidida: [Cuál es la única intervención que, si se implementa este trimestre, tendría el mayor impacto y por qué]

---

Lo que No Sabemos (Brechas de Datos)

• [Brecha de datos 1 — ej. "Tasa de respuesta de encuesta de salida es solo 30% — los datos de motivos pueden no ser representativos"]
• [Brecha de datos 2 — ej. "Sin datos de uso de producto para tier SMB — no se puede confirmar correlación de señal de uso"]
• [Brecha de datos 3]

---

Anti-patrones

• [ ] No mezcles churn evitable e inevitable en planes de intervención — recomendar arreglos de producto para clientes que se fueron debido a cierre de empresa desperdicia recursos
• [ ] No calcules tasa de churn usando el conteo de clientes de fin de período como denominador — esto subestima el churn; siempre divide clientes perdidos entre la cohorte inicial
• [ ] No confíes únicamente en datos de encuesta de salida para motivos de churn — las tasas de respuesta típicamente son bajas y el sesgo de autoselección favorece clientes lo suficientemente comprometidos para completar una encuesta
• [ ] No recomiendes intervenciones sin vincularlas a un motivo de churn específico — intervenciones desconectadas de causas raíz no moverán la retención
• [ ] No reportes solo churn de ingresos bruto — sin net revenue retention (NRR), un número de retención saludable puede esconder una base de ingresos que se encoge

Controles de Calidad

• [ ] Tasa de churn se calcula correctamente (perdidos ÷ cohorte inicial, no total de fin de período)
• [ ] Churn evitable e inevitable están separados — intervenciones solo dirigen al churn evitable
• [ ] Motivos de churn son reportados por cliente, no asumidos internamente
• [ ] Análisis de segmento identifica qué segmentos sobre-indexan — no solo promedios
• [ ] Señales de alerta temprana son específicas y detectables, no genéricas ("bajo engagement")
• [ ] Intervenciones vinculan directamente a los principales motivos de churn — sin recomendaciones sin emparejamiento de causa raíz