Churn Prediction
Modelo predictivo que identifica clientes en riesgo de no volver al venue. Permite acciones proactivas de retention antes de que se confirme el churn.
También conocido como: Predicción de churn · Predicción de abandono
Contexto y uso operativo
El churn prediction en hospitality cashless usa machine learning para predecir qué clientes están por abandonar el venue. Variables típicas del modelo:
- Tiempo desde última visita: cliente que viene cada 2 semanas y hace 4 semanas que no aparece. - Cambio en frecuencia: cliente que venía 4 veces/mes y ahora viene 1. - Cambio en ticket medio: cliente que gastaba $30k y ahora gasta $10k. - Cambio en horario: cliente que venía sábados y ahora solo miércoles. - Engagement con comunicación: cliente que no abre mensajes de WhatsApp/email del venue.
El modelo genera un score de churn (0 a 100) para cada cliente. Sobre cierto threshold (típicamente >70), el cliente está en riesgo y se activan acciones automáticas:
- Campaña de re-engagement con descuento. - Invitación a evento exclusivo. - Mensaje personalizado del manager.
En Payper Insights Agent, el churn prediction es automático y proactivo. Lead time típico: 14 días de anticipación antes de confirmar el churn. Esto permite intervenir mientras hay tiempo.
En Argentina, el churn prediction tiene impacto fuerte en venues con base recurrente (boliches que tienen ~30% de clientes que vienen semanalmente). Para eventos one-off (festivales), tiene menos aplicación.