A empresa quer agir antes de perder o cliente. A tentação é procurar uma fórmula que responda quem vai embora.
Esse objetivo parece sofisticado, mas pode empurrar a operação para falsa precisão.
Uma abordagem mais útil começa por outra pergunta: quais mudanças observáveis justificam atenção agora?
Recência, frequência e intensidade de comportamento formam uma base simples para construir essa leitura.
1. Defina o evento antes de medir o risco
Recência só existe em relação a um evento.
Em varejo pode ser compra. Em assinatura, uso ou renovação. Em serviços, agendamento, consumo, pagamento ou outra interação que represente valor.
Misturar eventos diferentes sem hierarquia produz um score difícil de interpretar. Uma abertura de e-mail não deve necessariamente compensar meses sem usar o serviço principal.
Comece escolhendo o evento que melhor representa relação ativa.
2. Recência: quanto tempo passou desde o último evento relevante
Recência é simples de calcular, mas não de interpretar.
Dias desde a última compra = data de referência − data da última compra.
O número sozinho não diz se existe risco. Ele precisa ser comparado ao ciclo esperado.
Uma forma operacional é observar a razão entre a recência atual e o intervalo típico do cliente ou da coorte.
Se alguém costuma retornar a cada 20 dias, 60 dias representam três ciclos típicos. Para quem retorna a cada 120 dias, os mesmos 60 dias não indicam a mesma mudança.
3. Frequência: o ritmo está diminuindo?
Compare janelas equivalentes.
Exemplo: número de eventos nos últimos 30 dias versus uma referência histórica comparável. Em negócios sazonais, compare períodos equivalentes e não apenas o mês imediatamente anterior.
O objetivo não é punir qualquer queda. É identificar deterioração persistente ou relevante.
4. Intensidade: o cliente continua presente, mas menos envolvido?
Dois clientes podem manter a mesma frequência e apresentar trajetórias diferentes.
Um continua comprando, mas reduz valor e variedade. Outro acessa com a mesma frequência, mas deixa de usar a funcionalidade que sustentava valor percebido.
Intensidade pode incluir volume, valor, duração, categorias, funcionalidades ou profundidade de uso, conforme o negócio.
5. Construa sinais interpretáveis
Antes de um score composto, crie flags que uma pessoa consiga explicar:
- recência acima de duas vezes o intervalo típico;
- frequência recente abaixo de metade da referência escolhida;
- queda de intensidade em duas janelas consecutivas;
- problema operacional aberto combinado com deterioração de uso.
Os limites são exemplos de estrutura, não benchmarks universais. Precisam ser calibrados com dados do próprio negócio.
6. Valide contra desfechos reais
Um sinal só merece confiança se for testado.
Pegue períodos históricos, calcule o sinal usando apenas informação disponível naquele momento e observe o que aconteceu depois.
Pergunte:
- quantos clientes sinalizados realmente se afastaram;
- quantos se afastaram sem sinal;
- quanto tempo de antecedência o sinal ofereceu;
- quais segmentos concentraram falsos positivos;
- se a janela era suficiente para alguma ação útil.
Esse teste evita transformar correlação intuitiva em regra operacional permanente.
7. Customer Health Score: componha apenas quando houver motivo
Depois de entender sinais individuais, um score pode ajudar a ordenar uma fila.
Uma estrutura simples pode atribuir pontos a recência, frequência, intensidade, problemas abertos e outros sinais relevantes.
Mas pesos precisam ter justificativa. Somar variáveis só porque estão disponíveis cria complexidade sem informação.
Também é importante preservar explicabilidade: quem recebe o score deve conseguir entender por que um cliente foi classificado como mais arriscado.
8. Separe risco de ação
O mesmo nível de risco não exige a mesma resposta.
Um cliente de alto valor com problema aberto pode merecer contato humano. Um cliente sazonal pode não exigir ação. Um cliente cuja necessidade acabou talvez deva ser suprimido de campanhas insistentes.
Portanto, a arquitetura decisória tem duas etapas:
1. detectar mudança relevante;
2. escolher ação compatível com contexto, valor e provável causa.
9. Monitore a qualidade do próprio sinal
Comportamento muda, produto muda e base muda.
A regra que funcionou em um período pode degradar. Acompanhe cobertura, precisão operacional, antecedência e resultado das ações tomadas.
Se um sinal passa a marcar quase todo mundo, deixou de priorizar. Se marca pouquíssimos e perde a maioria dos afastamentos, pode estar restritivo demais.
Um desenho mínimo de implementação
Comece com uma tabela ou rotina que, por cliente, mantenha:
- último evento relevante;
- intervalo típico ou referência de coorte;
- frequência em janela recente e histórica;
- intensidade recente e histórica;
- flags explicáveis;
- data em que cada flag surgiu;
- ação tomada e resultado posterior.
Isso já cria uma base de aprendizado melhor do que uma etiqueta estática de “cliente em risco”.
A decisão
Sinais de risco são úteis quando reduzem surpresa e ajudam a priorizar atenção.
Eles deixam de ser úteis quando são vendidos como previsão infalível ou quando disparam a mesma campanha para qualquer mudança.
Recência, frequência e intensidade não adivinham intenção. Elas registram comportamento. E comportamento bem contextualizado pode dar à empresa tempo para investigar, escolher uma ação proporcional e aprender com o resultado.
Leituras relacionadas
- O cliente avisa que vai embora antes de ir. — o-cliente-avisa-que-vai-embora-antes-de-ir
- Retention Rate — retention-rate