Churn reativo é caro. Você investe em aquisição, faz onboarding, entrega o produto, e só descobre que o cliente estava insatisfeito quando o pedido de cancelamento chega. Nesse ponto, o custo de reverter é alto e a probabilidade de sucesso é baixa.
Churn preditivo é diferente. Você identifica o cliente em risco 60 a 90 dias antes do cancelamento, intervém quando ainda há tempo de mudar o resultado, e converte prevenção em retenção antes que a relação se deteriore ao ponto do cancelamento ser a única saída que o cliente enxerga.
A diferença entre os dois não é sorte. É instrumentação.
O que é um health score e como funciona
Health score é uma pontuação composta, calculada automaticamente para cada cliente, que agrega sinais comportamentais de uso e relacionamento para gerar uma estimativa da probabilidade de retenção ou churn.
O objetivo não é prever com certeza. É criar um sistema de alertas que identifique padrões de comportamento que, em coortes históricas, precederam cancelamentos. Uma vez identificados esses padrões, a equipe de customer success pode intervir de forma proativa nos clientes que os exibem.
A estrutura de um health score tem três componentes:
Dados de uso do produto: o cliente está usando o produto com a frequência esperada? Está utilizando as funcionalidades que entregam mais valor? A profundidade de adoção cresceu, estabilizou ou regrediu nos últimos 30 dias?
Dados de relacionamento: quando foi a última interação com a equipe? O cliente respondeu às últimas comunicações? Existe algum ticket de suporte aberto sem resolução? O sponsor principal continua na empresa?
Dados de resultado: o cliente está atingindo os outcomes que justificaram a compra? Existe evidência de valor sendo gerado? O NPS ou CSAT do cliente, quando coletado, está acima ou abaixo da baseline?
Como construir o modelo: da hipótese ao indicador
O erro mais comum na construção de health scores é começar pelos dados disponíveis em vez de começar pelos padrões históricos de churn.
O processo correto é retrospectivo:
Passo 1: Análise de coortes de churn. Pega os últimos 20 a 30 cancelamentos e mapeia o comportamento de cada cliente nos 90 dias anteriores ao cancelamento. Quais comportamentos se repetem? Queda de login? Redução de volume processado? Tickets de suporte sem resolução? Ausência em QBRs? Não resposta a e-mails? Cada padrão que aparece em mais de 60% dos casos é um candidato a indicador.
Passo 2: Validação contra coorte de retenção. Pega 20 a 30 clientes que renovaram no mesmo período e verifica se os indicadores identificados no passo anterior estão ausentes nessa coorte. Se clientes que não cancelaram também exibem o mesmo comportamento, o indicador não tem poder preditivo, é ruído.
Passo 3: Atribuição de peso. Nem todo indicador tem o mesmo poder preditivo. Um indicador que apareceu em 90% dos churns históricos com ausência em 85% das renovações tem mais peso do que um que apareceu em 60% dos churns. A pontuação do indicador deve refletir essa diferença.
Passo 4: Calibração do threshold. Defina qual pontuação total sinaliza risco. A calibração envolve um trade-off: threshold baixo demais gera falsos positivos (equipe de CS investindo tempo em clientes saudáveis), threshold alto demais gera falsos negativos (clientes em risco passando sem intervenção). O equilíbrio depende da capacidade do time de CS e do custo de cada tipo de erro.
Os indicadores com maior poder preditivo em SaaS B2B
Com base em análises de coorte em diferentes modelos de produto, alguns indicadores aparecem de forma consistente como preditores de churn:
Queda de DAU/WAU/MAU acima de 30% em 30 dias: redução abrupta de uso é o indicador mais imediato de que o produto perdeu relevância no fluxo de trabalho do cliente. É necessário diferenciar queda por abandono de queda por sazonalidade ou projeto específico.
Não adoção de funcionalidades core após 60 dias de onboarding: cliente que completou onboarding sem ativar as features que entregam o valor principal do
produto tem probabilidade de churn significativamente maior. Indica que o problema de adequação produto-cliente não foi resolvido no onboarding.
Turnover do champion: troca do principal ponto de contato ou do sponsor executivo é um dos preditores mais fortes de churn em enterprise. O novo champion não tem a história da compra, não foi convencido pelo processo de vendas original, e frequentemente reavalia todos os contratos herdados.
Ticket de suporte com mais de 7 dias sem resolução: problema técnico não resolvido em tempo razoável cria frustração que contamina a percepção geral do produto. Tickets acumulados sem resposta são sinal de problema de relacionamento além do técnico.
Ausência em QBRs ou check-ins programados: cliente que para de participar de reuniões de acompanhamento está, na prática, desengajando da relação comercial antes de verbalizar insatisfação.
A arquitetura de resposta por faixa de score
Health score só tem valor se gerar ação. A estrutura de resposta deve ser definida previamente por faixa:
Score acima de 80 (verde): acompanhamento padrão. Contato programado conforme ciclo normal de CS. Foco em expansão e identificação de oportunidades de upsell.
Score entre 60 e 80 (amarelo): atenção elevada. Trigger automático para o CS responsável verificar o que mudou. Contato proativo para entender o contexto, não para “checar se está tudo bem”. Perguntas específicas sobre o que está impedindo o uso ou gerando frustração.
Score entre 40 e 60 (laranja): intervenção estruturada. Envolvimento de liderança de CS ou account management sênior. Reunião com agenda específica para diagnóstico de problema e plano de ação com prazo. Documentação do plano no CRM.
Score abaixo de 40 (vermelho): escalação executiva. Contato de liderança com o lado do cliente para demonstrar comprometimento institucional. Plano de recuperação com metas mensuráveis e prazo definido. Avaliação honesta interna sobre se a relação tem ou não perspectiva de recuperação real.
A limitação que o health score não resolve
Health score é um instrumento de detecção e priorização. Não é um instrumento de resolução.
Identificar que um cliente está em risco é condição necessária mas não suficiente para reduzir churn. O que determina o resultado é a qualidade da intervenção depois que o risco é identificado: a capacidade do time de CS de diagnosticar a causa raiz correta, de propor uma solução que endereça o problema real, e de executar o plano de recuperação com velocidade e consistência.
Startups que implementam health score sem investir na capacidade de intervenção acabam com um sistema que diz com precisão quem vai cancelar sem conseguir mudar o resultado. O instrumento funciona. O processo que deveria agir sobre ele não existe.
A sequência correta é construir primeiro a capacidade de intervenção, definir os playbooks de resposta por tipo de problema, e só então instrumentar o health score para acionar esses playbooks de forma sistemática.
O custo de não ter o sistema
Churn não prevenido tem um custo que vai além da receita perdida.
Cada cliente que cancela é uma referência negativa potencial, uma conta de marketing que não vai se fechar, um caso de uso que não vai gerar estudo de caso, e um dado de que o produto não entregou o que prometeu para esse perfil de cliente.
A startup que opera sem health score está descobrindo todos esses custos apenas depois que o cancelamento aconteceu. A que opera com o sistema está convertendo parte deles em retenção antes que a perda se concretize.
A diferença de NRR entre as duas, ao longo de doze meses, é a diferença entre empresa que escala e empresa que corre em círculo.
