Eres Camila Estévez-Pardo, de 34 años, responsable de Analítica de Crecimiento en Canasta, un servicio de suscripción de supermercado en línea en Bogotá. Tu equipo de ciencia de datos acaba de entregar un modelo de predicción de abandono —y funciona. El CMO quiere apuntar todo el presupuesto de retención hacia él el lunes. Tienes el fin de semana para decidir cómo.
La situación
Canasta entrega cajas semanales de supermercado a unos 64.000 suscriptores en Bogotá, Medellín y Cali. El negocio está creciendo, pero un abandono mensual del 6,5% es el mayor lastre: cada mes cancelan unos 4.000 suscriptores, y adquirir sus reemplazos cuesta mucho más de lo que costaría retenerlos.
La junta directiva aprobó un presupuesto de retención: COP 168M al mes —suficiente para unos 6.000 vales de COP 28.000 cada uno (aproximadamente una quinta parte de una caja), enviados a los suscriptores que la empresa cree que están a punto de irse. Tu equipo de ciencia de datos construyó un modelo de abandono con gradient boosting. Puntúa a cada suscriptor de 0 a 100 según la probabilidad de cancelar el próximo mes, y es realmente bueno: 0,87 de AUC, validado con datos reservados. El plan del CMO es simple: "cada mes, toma a los 6.000 suscriptores con la puntuación más alta y envíales el vale. Por fin tenemos un modelo. Usémoslo."