Columnista invitado: Abraham Lederman*, Cx & Growth de PopularPower.io
¿Cómo es que un ingeniero de no mucha empatía terminó liderando áreas de Customer Success?
Para quienes me conocían hace 10 años o más, en mi época universitaria, si les hubieran dicho que en el futuro estaría dirigiendo equipos de Customer Success, habrían dicho que era imposible. Que para eso se necesita una persona empática que pueda entender las necesidades y dolores del cliente y ponerse en su lugar, y que además maneje un equipo de personas con esas habilidades.
La verdad, ni yo me lo hubiera imaginado, pues lo mío era casi dirigir un equipo de analistas, todos ingenieros y muy enfocados en datos, lo que probablemente era lo que yo también me hubiera imaginado.
¿Por qué quiero empezar con esto? Porque quiero dar el contexto. Mi viaje, y espero que el de muchos otros, ha sido al revés. No soy un líder empático y carismático que aprendió a manejar datos, sino al revés. A mí me hablan los números y mi gran desafío y aprendizaje ha sido mejorar mi empatía, comunicación y cómo poder entender las necesidades de otros, de lo cual podemos hablar más en otra columna.
Así, los datos siempre han estado conmigo y han sido clave, pero no fue sino hasta la pandemia cuando me puse a estudiar en serio, que encontré lo importantes que son. Lo intuía, algo me lo decía, pero no fue sino hasta que tuve que tratar de venderlos a otros que encontré la evidencia. En particular, creo que lo más claro era un artículo de McKinsey referenciado en Forbes, que da cuenta de que las empresas que usan datos y se vuelven data-céntricas, atraen 23 veces más clientes, retienen 6 veces más y son mucho más exitosas.
¿Quieres dominar las estrategias de Customer Success?
¡Inscríbete en nuestro Curso de Customer Success!
Aprende metodologías probadas para retener clientes, reducir el churn y maximizar el valor de cada relación comercial.
Entonces, ¿por qué es clave usar datos? Ahora, ¿por qué se genera esta diferencia tan grande? ¿Qué tienen los datos que hacen a estas empresas tanto más exitosas? Si bien no tengo una respuesta definitiva, creo que lo mejor que he encontrado lo explica así: nuestro cerebro funciona en base a creencias y muchas veces explicaciones que creemos lógicas (como el sentido común) en realidad no son hechos, sino creencias que pueden ser infundadas. Por ejemplo, que la Tierra es plana, era tan considerado verdad que a Galileo casi lo enjuician por decir lo contrario.
El correcto uso de los datos es la forma de separar creencias de hechos y lograr tomar mejores decisiones. Aquí la clave es recordar que lo que nos hace daño (especialmente a los negocios) no es lo que no sabemos, sino lo que creemos cierto y no lo es.
¿Qué debería hacer para tener un área de Customer Success basada en datos?
La verdad es que no es simple y no basta solo con buenos indicadores. Aquí el concepto de Data Literacy (entender la data) es clave, pero también es un tema para una columna propia. Diría que lo primero es tener claro los KPI’s clave de Customer Success y si son un Lagging Indicator o un Leading Indicator.
Lagging indicators
Son métricas que reflejan resultados pasados. Nos dicen cómo hemos estado actuando, pero no nos permiten hacer ajustes a tiempo para cambiar esos resultados. Un ejemplo común es el churn (tasa de cancelación de clientes o fuga), NPS (Net Promoter Score), NDR (Net Dollar Retention), MRR (Monthly Recurring Revenue).
Lagging indicators
Son métricas que nos ayudan a predecir resultados futuros. Nos permiten hacer ajustes antes de que se reflejen en los resultados finales. Un buen ejemplo es el health score (puntaje de salud del cliente).
CHURN: UN LAGGING INDICATOR CRÍTICO
El churn es una de las métricas más importantes en Customer Success. Representa la tasa a la cual los clientes dejan de usar nuestros productos o servicios. Un alto churn puede impedir el crecimiento de la empresa, ya que perdemos tantos clientes como ganamos.
En el gráfico de abajo podemos ver la diferencia entre diferentes tasas promedio. Una diferencia entre un 1% mensual y un 3% promedio mensual, al final se refleja en que en el primer caso en 2 años perderemos un poco menos del 50% de la cartera, vs el 100% para el 3%. Es decir, variaciones pequeñas de churn tienen grandes impactos.
Otro punto clave, es medir el churn correctamente. Muchos se concentran en el churn mensual, pero este va ligado a los ciclos de vida de los productos. Por ejemplo, si son contratos anuales o ciclos anuales donde el cliente renueva una vez al año, es muy probable que debamos ver medias móviles de 12 meses, más que la del mes, que puede estar marcado por el número de renovaciones de ese mes.
Otro error común al trabajar el churn, es no segmentar a los clientes, ya que no todos tienen el mismo riesgo e impacto y muchas veces un alto churn puede ser simplemente por estar vendiendo al cliente equivocado. Es fundamental identificar qué tipos de clientes tienen mayor riesgo de churn, en qué etapas de ciclo de vida y sus motivos.
Lifetime Value (LTV)
El Lifetime Value (LTV) es otra métrica crucial en marketing. Representa el valor promedio total que un cliente aporta a la empresa durante toda su relación con ella. Esta es una métrica que no es solo del mundo SaaS y que puede también estudiarse incluso cuando vendemos productos.
Incrementar el LTV puede transformar el negocio. Para hacerlo crecer, se pueden implementar estrategias de upselling y cross-selling, mejorar la experiencia del cliente, y es donde muchas veces nos enfocamos; ¿cómo lograr que un cliente activo ahora consuma el doble? El tema es que a veces olvidamos que el LTV también es función del churn y que por lo general debería ser más simple bajar el churn a la mitad que lograr que en promedio los clientes tengan el doble de ticket.
Cuando pensamos en LTV, el upselling y cross-selling son relevantes, pero quien siempre va a tener un mayor impacto va a ser el churn.
LEADING INDICATORS
Primero, si los lagging indicators son los resultados y probablemente los KPIs más importantes que has escuchado hasta ahora para el área de Customer Success, ¿qué serían los leading indicators y por qué son tan importantes?
El mejor ejemplo es pensar que vas manejando un auto, tu lagging indicator va a ser que vas a 60 km/h. Es un resultado, pero no te dice si debes acelerar o frenar. Un leading indicator sería, por ejemplo, que vas a 2000 RPM o que estás en cuarta (lo que quiere decir que todavía podemos acelerar más) y eso, más el contexto de estar en una carretera, te dice que probablemente podemos apuntar a llegar a 80 km/h.
Un buen leading indicator es algo que te ayuda a contextualizar el resultado y pensar en el resultado futuro. Algunos de los más importantes incluyen:
- Health Score : Una métrica compuesta que indica la salud general de un cliente basado principalmente en factores de comportamiento.
- Time to Value (TTV): El tiempo que le toma a un cliente darse cuenta del valor del producto. Cuanto más corto sea este tiempo, mejor.
- Adopción de Productos o Features: Qué tan bien y cuánto usan los clientes las funcionalidades del producto.
En ese sentido, puedes tener distintos indicadores, pensando en el output o lagging indicator que quieres ver. Lo relevante es que, en general, para áreas de Customer Success, la mayoría se relacionan más con comportamientos o acciones que debe hacer o no el cliente para que ocurra algo.
Health Score
Para mí, uno de los leading indicators más clave de un área de CS, aunque no siempre sea fácil de calcular y que puede ser tan complejo como la cantidad de datos que manejamos.
Un buen Health Score nos ayuda a medir el nivel de riesgo de churn de un cliente y con eso poder predecir o actuar de forma reactiva al churn.
¿Cómo calcularlo? Podemos verlo como el conjunto de acciones mínimas que esperamos realice un cliente de forma frecuente, para saber que no va a churnear. Es por esto que hablamos de comportamiento. ¿Qué comportamientos nos dan señales de que un cliente tiene un nivel de adopción mínima para entender el valor, recibir su valor y, por tanto, mantenerse usándolo?
Un cliente riesgoso será aquel que, por ejemplo, no cumpla estos valores. Por ejemplo, no usar el producto al menos una vez a la semana, no responder el NPS y no generar más de 4 tickets de soporte al mes. En este caso, puede ser que veamos que aquellos clientes que no llegan a estos niveles tienen un uso y percepción de valor tan bajo que su probabilidad de churn es alta.
Un último comentario es que, dependiendo de la complejidad del producto/negocio, un cliente sano podría no necesariamente renovar y puede ser necesario tener otro Health Score o indicador de renovación. Esto también porque cada renovación es como una nueva venta y puede ser afectada por variables diferentes al uso, como algo tan simple como que la empresa tenga que reducir presupuesto o un cambio en el Buyer Persona.
Para construir un equipo de Customer Success verdaderamente eficiente, es fundamental contar con herramientas y formaciones adecuadas que permitan al personal involucrado entender y manejar con soltura los leading y lagging indicators. Si estás tratando de establecer un enfoque más robusto y basado en datos en tu organización, participar en un curso de customer success online podría ser la clave para adquirir ese conocimiento.
Estos cursos no solo aportan herramientas avanzadas sobre la interpretación de métricas, sino que también ayudan a fomentar las habilidades empáticas necesarias para interactuar efectivamente con los clientes. Este tipo de formación es ideal para aquellos que desean profundizar en estrategias efectivas para mejorar la retención y aumentar el Lifetime Value de sus clientes.
¿Finalmente por dónde empezar si mi área de CS no está usando datos?
Entonces, la pregunta crítica es: ¿qué hacer para mejorar el uso de datos en un área de Customer Success? La respuesta va a depender de la etapa de madurez del área y de los desafíos que enfrentes, pero aquí dejo algunos consejos que me han servido a mí.
1. Revisa si tienes visibilidad de los KPI’s mínimos para medir tus resultados. Dicen que lo que no se mide no se puede gestionar, así que primero:
- ¿Tiene tu área las métricas mínimas para controlar su desempeño?
- ¿Estamos midiendo el churn correctamente?
- ¿Vemos métricas de impacto al negocio o solo métricas de satisfacción de cliente?
- ¿Sabemos cuál es nuestro Lifetime Value o NDR?
Este sería un buen primer punto a revisar, recordando que va a cambiar dependiendo de cada negocio y su estado de madurez.
2. Identifica el principal problema actual y recopila los primeros datos.
- Independientemente de que puedan haber muchos, concéntrate en uno y empieza a recopilar data y formar tus leading indicators, pensando en cómo predecir y resolver ese problema.
- Si es churn, prueba con Health Score. Si es un problema de renovación, puede buscar un Health Score enfocado en lo comercial.
3. Segmenta a tus clientes y estudia tus indicadores para los diferentes segmentos.
- No todos los clientes son iguales. Segmentar te permitirá entender mejor diferentes comportamientos y necesidades. A más heterogénea tu base de clientes, más probable es que las necesidades y percepción de valor sean diferentes.
- Esto puede llevar a detectar que hay diferentes comportamientos que aseguran la salud de un cliente según su ciclo de vida o segmento, o incluso, que hay segmentos de clientes que hoy no puedes retener, o para los cuales debes construir una estrategia completamente nueva.
