Identificação de Clientes com Risco de Abandono (Churn)

A identificação dos clientes com maior risco de abandono permite a realização de ações pontuais de modo a evitar a saída do usuário. Muitas das ações de retenção mostram-se eficazes, seja pela oferta de novos serviços ou pela redução de preços, mas a questão crítica está na identificação dos clientes com risco de saída, pois muitas empresas só identificam o usuário que abandonou depois que o mesmo deixou de realizar aquisições por um determinado período. Nesta situação é comum que o cliente já tenha trocado de fornecedor e torna-se reduzida a possibilidade de recuperação do cliente.

A expressão churn representa a evasão de clientes de uma empresa, podendo ser traduzida como cancelamento de serviço, abandono, desistência, migração ou termos similares. Em inglês, encontram-se expressões como attrition ou defection, que também estão relacionadas ao desligamento.

Uma conceituação diferenciada de abandono, relacionando-o ao CLV, é apresentada por Glady, Baesens e Croux (2009a). Para os autores, o churner é definido como o usuário cujo valor do cliente no tempo decresce ao longo do tempo. Uma vantagem desta abordagem está no fato de, ao considerar o declínio como o momento do churn, antecipa a detecção da saída do cliente, enquanto que outros pesquisadores consideram o churn quando o cliente deixou de realizar aquisições por um longo período. Como exemplo desta visão, clientes que

realizam menos do que cinco transações por ano com a prestadora de serviços podem ser considerados churners.

Chen e Hitt (2002) diferenciam a saída de clientes em troca (switching) e abandono (attrition). A troca representa a saída do cliente para um outro fornecedor, enquanto que o abandono representa o cliente que encerra o uso do serviço e não adere ao serviço de outro fornecedor. Esta diferença de conceito implica importante informação, uma vez que o cliente que abandona não é muito sensível a ofertas de preços.

A análise do término do relacionamento é destacada por Stauss e Friege (1999), que sugerem a distinção entre os modos de saída, sugerindo a classificação em: (1) clientes empurrados para fora intencionalmente; (2) clientes empurrados para fora não-intencionalmente; (3) clientes capturados para fora; (4) clientes comprados; e (5) clientes que mudaram. O segmento dos clientes empurrados para fora intencionalmente é composto por clientes que não são considerados viáveis economicamente, como clientes com problemas de inadimplência, baixa contribuição na receita ou que causam problemas para a empresa. Neste segmento, não há esforço da empresa para a manutenção do cliente. Os clientes empurrados para fora não-intencionalmente são os clientes que deixam a empresa pelo fato de não terem a sua expectativa atendida ou por algum problema no relacionamento, como a baixa qualidade de atendimento. Os clientes capturados para fora são os que mudam de prestador de serviço, geralmente devido a uma melhor oferta por um competidor. Os clientes comprados são os clientes que deixam a empresa ao receberem uma proposta irrecusável de um competidor, caracterizado por uma oferta de preço extremamente baixa. Esta prática geralmente é utilizada por novos fornecedores que entram no mercado e precisam de uma carteira de clientes para atrair outros clientes. Os clientes que mudaram é caracterizada pela mudança do perfil de uso do cliente, em que o serviço oferecido não é mais necessário em função de mudança de localização, troca de tecnologia ou algo semelhante.

A correta identificação das razões para a saída do cliente é relevante, sendo sugerido que as empresas foquem as ações de recuperação nos “clientes empurrados para fora não-intencionalmente” e “nos clientes capturados para fora” (STAUSS e FRIEGE, 1999).

Entre os estudos realizados no Brasil, encontra-se a pesquisa do gerenciamento do churn realizada por Daré (2007). Em sua dissertação de mestrado, a autora realizou um levantamento bibliográfico dos estudos de churn e coletou dados em campo utlizando uma abordagem qualitativa, verificando os procedimentos de gerenciamento de churn de uma operadora de TV a Cabo e de uma operadora de Telefonia Móvel. A pesquisadora identificou que as empresas diferenciam os clientes que saem da empresa em razão de mudança para o

concorrente, por desinteresse pelo serviço (cancelamento voluntário) ou por inadimplência (cancelamento involuntário) (DARÉ, 2007, p. 134).

Uma revisão dos estudos de churn pode ser encontrada em diversos artigos na literatura (VAN DEN POEL e LARIVIÈRE, 2004; GUPTA et al., 2006; NESLIN et al., 2006; HADDEN et al., 2007). Para Villanueva e Hanssens (2007, p. 52) o modelo mais completo para estimar a probabilidade de um cliente estar ativo é o de Schmittlein, Morrison e Colombo (1987), conhecido até pelo acrônimo de Modelo SMC, que apresentam uma discussão sobre a contagem de clientes ativos, utilizando como exemplo o serviço de corretagem de bolsas de valores. Os autores utilizaram dados de transação dos clientes, verificando a frequência e o valor das compras realizadas em um período pré-determinado.

Utilizou-se um modelo de distribuição negativa binomial (NDB)/Pareto que verifica a probabilidade do cliente de serviço não-contratual estar ativo, considerando as transações realizadas no passado, conforme é apresentado na Equação (2.1). O modelo adota alguns pressupostos: (1) para os consumidores individuais segue uma distribuição de Poisson e o tempo de vida reduz exponencialmente; e (2) as taxas de compras entre os consumidores individuais segue uma distribuição gama, a taxa de abandono segue uma distribuição gama, sendo independentes as taxas de compras e de abandono. No cálculo também é considerado o tempo entre compras de cada consumidor individual.

(2.1) P

[

]

No modelo apresentado por Schmittlein e Peterson (1994), é inserida a variável de volume de vendas no modelo de NBD/Pareto originalmente apresentado por Schmittlein, Morrison e Colombo (1987).

Apesar do modelo SMC mostrar-se promissor na realização de estudos, poucas pesquisas vêm utilizando o modelo, provavelmente pela dificuldade de estimar os parâmetros das equações (VILLANUEVA e HANSSENS, 2007, p. 52), tendo como procedimentos de cálculo os métodos propostos por Reinartz e Kumar (2003) e por Schmittlein e Peterson (1994). De modo a facilitar a implementação, Fardie, Hardie e Lee (2005b) disponibilizam o algoritmo que permite a realização de simulações do modelo Pareto/NBD no aplicativo Matlab®.

Bolton (1998) verificou a influência do nível de satisfação sobre a retenção de clientes.

A autora realizou um estudo sobre usuários de telefonia celular, sobre um período de 22 meses, e verificou o índice de desligamentos em diversos momentos. Os resultados indicaram que a satisfação do cliente está positivamente relacionada ao tempo de duração do relacionamento, afirmando que a duração de serviço também depende das falhas ocorridas na prestação dos serviços. A autora afirma que, para o desenvolvimento de uma longa relação com o cliente, o fornecedor de serviços deve focar as atividades nos estágios iniciais do relacionamento, uma vez que se a experiência não for satisfatória, o relacionamento tenderá a ser curto.

O enriquecimento das bases de dados por meio de questionário aplicado a alguns usuários foi utilizado por Buckninx, Verstraeten e Van den Poel (2007). Os autores aplicaram um questionário com três perguntas, que permitiram a identificação do nível de lealdade dos respondentes. O resultado do questionário, integrado ao perfil transacional dos respondentes, permitiu a fusão e a aplicação dos dados sobre toda a base de dados transacionais, melhorando a previsão de clientes com maior risco de abandono.

Em algumas situações não é fácil a identificação de usuários que abandonam a empresa. Um exemplo de criatividade para a realização de acompanhamento de usuários é o cartão de fidelidade, em que, após preencher uma ficha de cadastro, o cliente pode receber descontos promocionais e possibilita o acompanhamento das transações realizadas ao longo do tempo (REICHHELD e SASSER, 1990, p. 108).

A abordagem mais avançada de lealdade é a individual, tratando cada cliente como um indivíduo único (BATESON e HOFFMAN, 2001, p. 354), denominado de “segmento de um”.

Nesta visão, o serviço é personalizado para cada cliente, criando um privilégio individual.

Jones e Sasser (1995, p. 98) também destacam a lealdade como meios de retenção ao cliente. Para os autores, ao realizar uma avaliação do índice de satisfação do consumidor, os que estiverem no nível 1 a 2, os insatisfeitos, são pouco leais. Os usuários com nível de satisfação entre 3 e 4 são os satisfeitos, mas que podem trocar facilmente de fornecedor. Os

usuários de nível 5, completamente satisfeitos, são muito leais, com baixa probabilidade de abandono.

Outro cuidado alertado por Jones e Sasser (1995, p. 97) é a identificação do perfil do consumidor, que são classificados em leais (apóstolos), desertores (terroristas), mercenários e hóspedes. Os clientes leais são os que apresentam alto nível de satisfação, sendo que alguns, os apóstolos, de tão satisfeitos convidam novos usuários a experimentar os serviços. O desertor é o cliente que abandona, sendo usado o termo terrorista para o desertor que gera uma comunicação boca-a-boca negativo, afastando novos clientes em potencial ou levando outros clientes a abandonarem o serviço. O mercenário é caracterizado pelo cliente que está satisfeito, mas que procura novas vantagens, ameaçando abandonar o serviço, sendo caracterizado pelo baixo comprometimento com o fornecedor. O hóspede é o cliente que, mesmo insatisfeito, não muda de fornecedor, seja por falta de opções de fornecedores ou por alguma condição que impeça a mudança.

Quadro 22 – Satisfação do Consumidor, Lealdade e Comportamento

Tipo de Consumidor Satisfação Lealdade Comportamento

Leal / Apóstolo alta alta Permanece e incentiva

Desertor / Terrorista entre baixa e média entre baixa e média Abandona ou abandona reclamando

Mercenário alta entre baixa e média Baixo comprometimento, entra e sai do serviço

Hóspede entre baixa e média alta Sem condições de sair do serviço

Fonte: Jones e Sasser (1995).

A utilização de modelos de valor do cliente no tempo, gerando um indicador com elevada precisão sobre o risco de saída do cliente, muitas vezes pode não ser muito útil se não permitir a interpretação do modelo, uma vez que somente o indicador não reflete as causas do fenômeno. Neste contexto, Mani et al. (1999) propõem a construção de um modelo híbrido para a determinação do valor do cliente no tempo de usuários de telefonia móvel. Os autores realizaram a combinação de modelos precisos, como redes neurais, com modelos transparentes, como modelos estatísticos, gerando um modelo híbrido. A informação utilizada no modelo de redes neurais é obtida pela combinação de técnicas estatísticas e de mineração de dados. Como resultado da aplicação das redes neurais, foram identificados quatro diferentes agrupamentos de clientes, sendo gerado um modelo para cada grupo. Os agrupamentos são: (1) sem efeito de abandono na expiração do contrato; (2) pequeno aumento na taxa de abandono na data de expiração do contrato, sendo elevado o abandono

pós-expiração; (3) taxa elevada de abandono na expiração, mas baixo abandono após a pós-expiração;

e (4) aumento da taxa de abandono após a data de expiração. Um aspecto interessante na modelagem está na elevada taxa de abandono por ocasião da expiração do contrato, sendo considerado um momento crítico.

O momento de contato com o usuário também é importante para a atividade de retenção. O excesso de contato pode causar a sensação de incômodo para o usuário, assim como a falta de contato pode ser interpretada pelo usuário como um desinteresse por parte do fornecedor. Iwata, Saito e Yamada (2006) utilizaram técnicas de mineração de dados para propor o momento de subscrição de serviços de telefonia celular. Os autores avaliaram padrões de compra, risco de abandono e identificaram o momento a ser oferecida a continuidade ao serviço.