Ridurre il churn dei clienti significa accorgersi che qualcuno sta per andarsene mentre è ancora un cliente, prima che arrivi la disdetta. La maggior parte degli strumenti di customer care guarda ai fatti: fatture pagate in ritardo, ticket aperti, calo nell'uso del prodotto. Sono segnali reali, ma arrivano quando il cliente ha già deciso.
I dati transazionali sono accurati, ma restano indietro rispetto a quello che il cliente sta già pensando. Un cliente insoddisfatto smette di aprire l'app settimane prima di disdire, e nel frattempo scrive email, apre ticket, chatta con il supporto. In quei testi il tono cambia prima che cambino i numeri: è lì che si trova un margine di tempo reale per intervenire.
Perché il churn si scopre sempre troppo tardi
Il churn si misura quasi sempre a consuntivo. Un cliente viene segnato come a rischio quando il tasso di utilizzo scende sotto una soglia, quando accumula ticket di supporto, o quando la data di rinnovo si avvicina senza segnali di conferma. Sono indicatori utili per fare un elenco di chi seguire, meno utili per capire cosa fare con ciascuno.
Il motivo è strutturale. Il calo di utilizzo, i ticket, il mancato rinnovo sono conseguenze di una decisione che il cliente ha già preso, spesso settimane prima. Quando il sistema segnala il rischio, il team di customer care interviene su una situazione già cristallizzata: l'insoddisfazione ha avuto il tempo di consolidarsi e il margine di manovra si è ridotto a poche opzioni, spesso solo lo sconto dell'ultimo minuto.
C'è poi un problema di soglia. Un calo di utilizzo del 20% può indicare disaffezione oppure una fase di minore attività stagionale, e il sistema tratta i due casi allo stesso modo perché legge un numero, senza cogliere l'intenzione che c'è dietro. Il risultato è un elenco di clienti a rischio pieno di falsi positivi e falsi negativi, che il team deve poi filtrare a mano prima di agire.
Cosa vedono e cosa non vedono i dati di utilizzo
I dati di utilizzo raccontano cosa il cliente ha fatto: quante volte ha aperto l'app, quali funzioni ha usato, quanto tempo è passato dall'ultimo accesso. Non raccontano perché lo ha fatto, e la differenza conta più di quanto sembri.
Due clienti con lo stesso calo di utilizzo del 30% possono trovarsi in situazioni opposte. Il primo ha ridotto l'uso perché ha automatizzato parte del lavoro con il prodotto e ora gli basta accedere meno spesso: è un cliente soddisfatto che sta ottenendo valore in modo più efficiente. Il secondo ha ridotto l'uso perché ha iniziato a valutare un'alternativa e sta spostando i propri flussi altrove, poco alla volta. Il dato comportamentale è identico, l'esito è opposto: nel primo caso un contatto commerciale è superfluo o rischia di sembrare invadente, nel secondo caso arriva già tardi.
Lo stesso vale per i ticket di supporto. Un cliente che ne apre di più può essere frustrato e vicino ad andarsene, oppure può essere un cliente che sta imparando a usare più funzioni e ha bisogno di più supporto proprio perché usa di più il prodotto. Il numero di ticket, da solo, non distingue i due casi.
Questo non significa che i dati di utilizzo siano inutili: restano il modo più affidabile per sapere cosa succede nell'account. Il limite è che rispondono a una domanda diversa da quella che serve al customer care, che ha bisogno di capire l'intenzione dietro ai numeri. Quel tipo di segnale arriva da come il cliente si esprime quando scrive, un livello di lettura che il tracciamento dei clic non copre.
Quello che il cliente dice prima di andarsene
Il segnale che anticipa il churn si nasconde nella grammatica del messaggio. La psicolinguistica distingue le parole di contenuto, cioè nomi, verbi e aggettivi specifici, dalle function words: articoli, preposizioni, pronomi, congiunzioni. Le prime cambiano da un messaggio all'altro a seconda dell'argomento. Le seconde restano stabili nel tempo per la stessa persona, perché si usano senza pensarci, e per questo rivelano più informazioni sullo stato psicologico di chi scrive. Lo psicologo James W. Pennebaker lo ha documentato nel suo libro The Secret Life of Pronouns (2011), mostrando come la frequenza di pronomi, articoli e preposizioni riveli tratti stabili della personalità e cambiamenti nello stato emotivo, a prescindere da cosa la persona stia raccontando.
Portrait applica questo principio alle conversazioni con i clienti. Analizza la frequenza delle function words in chat, email e ticket e restituisce un profilo di 50 tratti psicometrici di base, con valori da -1 a +1, più 38 tratti aggregati, con valori da 0 a 1: matrici di correlazione già pronte, sviluppate in collaborazione con il Massachusetts Institute of Technology (MIT) di Boston, che combinano più tratti di base in un unico indicatore. Attitude-Churn è una di queste: combina i tratti di base legati alla tendenza a percepire insoddisfazione verso persone e prodotti con quelli legati alla tendenza ad abbandonare compiti che richiedono attenzione e perseveranza.
Il punto operativo è che questo tipo di segnale non dipende dall'argomento della conversazione. Un cliente può scrivere di una fattura, di un problema tecnico o di una funzione che vorrebbe: il valore di Attitude-Churn si calcola sulla struttura grammaticale del testo, a prescindere dal contenuto specifico. Per questo il punteggio si può usare su qualunque canale testuale, senza dover progettare domande apposite o questionari da far compilare al cliente.
Come si usa un punteggio di rischio
Un punteggio di rischio come Attitude-Churn si calcola sui testi che il cliente produce durante la relazione, senza bisogno di canali dedicati. Le fonti più comuni sono:
- messaggi di chat e assistente virtuale
- email di assistenza e commerciali
- ticket di supporto e le loro risposte
- note libere inserite dal team nel CRM
Con testo sufficiente, almeno 300 caratteri, il punteggio si aggiorna e diventa un semaforo dentro la piattaforma: verde quando il tratto configurato nella matrice di correlazione risulta presente nel cliente analizzato, grigio quando non viene rilevato.
Un valore alto di Attitude-Churn segnala che vale la pena guardare l'account prima che arrivi la disdetta. La causa va cercata nel contesto: un cliente con punteggio alto e uno storico di ticket tecnici irrisolti ha bisogno di un intervento tecnico, mentre uno sconto in quel caso spreca margine senza risolvere il problema. Un cliente con punteggio alto ma nessun problema aperto può semplicemente attraversare un momento di minore interesse, dove un contatto commerciale generico rischia di sembrare invadente quanto uno sconto non richiesto. Un valore basso, come nell'esempio sopra, dice l'opposto: non c'è urgenza, e un'offerta proattiva in quel momento spreca margine invece di prevenire un abbandono.
La stessa azione di retention, insomma, non va bene per tutti i clienti con lo stesso punteggio: il valore di Attitude-Churn dice quando guardare l'account, il resto del contesto (ticket aperti, valore del contratto, storico degli acquisti) dice cosa fare.