Muchas preguntas importantes de negocio no son sobre si algo va a ocurrir, sino sobre cuándo. ¿Cuánto tiempo va a seguir este cliente con nosotros antes de irse? ¿Cuánto tiempo hasta que esta máquina necesite mantenimiento? ¿Cuánto tiempo, en promedio, tarda un nuevo cliente en hacer la segunda compra? Estas preguntas sobre el tiempo hasta un acontecimiento son de enorme valor, pero requieren un enfoque diferente del análisis habitual — una técnica con el nombre curioso de análisis de supervivencia. A pesar del nombre, que viene de su origen médico, esta técnica se aplica a cualquier situación en que interesa saber cuánto tiempo pasa hasta que algo ocurre, y es una de las herramientas analíticas más útiles y menos conocidas fuera del mundo estadístico.
El análisis de supervivencia estudia el tiempo hasta la ocurrencia de un evento. Nació en la medicina, donde el "evento" era, típicamente, la recuperación o el fallecimiento de un paciente, y donde interesaba entender cuánto tiempo los pacientes "sobrevivían" — de ahí el nombre. Pero la misma matemática se aplica a eventos mucho más alegres en un contexto de negocio: el "evento" puede ser un cliente cancelar, una máquina averiarse, un usuario hacer la primera compra, un empleado irse. Siempre que la pregunta es "¿cuánto tiempo hasta que esto ocurra?", el análisis de supervivencia es la herramienta correcta.
Este artículo explica qué hace especial al análisis de supervivencia, por qué un análisis normal no sirve para estas preguntas, y dónde crea valor en las empresas.
Por qué un análisis normal no basta
A primera vista, puede parecer que estas preguntas sobre el tiempo se pueden responder con un promedio simple: ¿cuál es el tiempo promedio hasta que un cliente se va? Pero este enfoque tiene un problema fundamental que lo vuelve, muchas veces, engañoso. El problema se llama, técnicamente, censura, y es el siguiente: en el momento en que hacemos el análisis, muchos de los casos aún no han experimentado el evento. Muchos clientes aún no se han ido — siguen con nosotros. ¿Cómo incluimos a estos clientes en un promedio de "tiempo hasta irse", si aún no se han ido?
Ignorarlos sería un error grave, porque estaríamos analizando solo a los clientes que ya se fueron, lo que sesga todo — los que se quedan más tiempo están subrepresentados, precisamente porque muchos de ellos aún no se han ido. Incluirlos como si se hubieran ido en el momento del análisis también estaría mal, porque no se fueron. Esta situación — tener casos que aún no han experimentado el evento en el momento del análisis — es lo que el análisis de supervivencia sabe tratar correctamente, y es la razón por la que los enfoques simples fallan. El análisis de supervivencia aprovecha la información parcial de estos casos ("este cliente ya está con nosotros hace dos años y aún no se ha ido") sin tratarlos erróneamente.
Qué revela el análisis de supervivencia
En vez de un único número — "el tiempo promedio hasta irse es X" — el análisis de supervivencia produce una imagen mucho más rica: cómo la probabilidad de que el evento aún no haya ocurrido evoluciona a lo largo del tiempo. Muestra, por ejemplo, qué probabilidad tiene un cliente de seguir con nosotros al cabo de un mes, de seis meses, de un año, de dos. Esta curva a lo largo del tiempo dice mucho más que un promedio, porque revela el patrón de cómo y cuándo el evento tiende a ocurrir.
Y ese patrón es frecuentemente revelador. Muchas veces se descubre que el riesgo de que el evento ocurra no es constante a lo largo del tiempo. Un cliente puede tener una probabilidad alta de irse en los primeros meses — la fase crítica en que aún no se ha fidelizado — y después, si sobrevive a esa fase, una probabilidad mucho más baja de irse. Esta información sobre cuándo el riesgo es mayor es inmensamente útil para actuar, y es precisamente lo que un promedio escondería. Saber que el peligro está en los primeros meses cambia completamente dónde se concentra el esfuerzo de retención.
Dónde crea valor el análisis de supervivencia
- Retención de clientes: entender cuánto tiempo tienden a quedarse los clientes y en qué momentos el riesgo de salida es mayor, para actuar en el momento correcto.
- Mantenimiento predictivo: estimar cuánto tiempo hasta que un equipo probablemente falle, para mantenerlo antes de la avería costosa.
- Ciclo de vida del cliente: saber cuánto tiempo, en promedio, tarda un nuevo cliente en alcanzar hitos importantes, como la segunda compra.
- Gestión de personas: entender los patrones de cuánto tiempo tienden a quedarse los colaboradores y cuándo el riesgo de salida es mayor.
Del patrón a la acción
El verdadero valor del análisis de supervivencia no está solo en describir cuánto tiempo duran las cosas, sino en permitir actuar sobre ese conocimiento en el momento correcto. Si el análisis revela que el riesgo de que un cliente se vaya es mayor en los primeros tres meses de la relación, entonces ahí es donde debe concentrarse el esfuerzo de acogida y fidelización — no distribuido uniformemente a lo largo de toda la relación, sino enfocado en la ventana crítica. Este direccionamiento del esfuerzo hacia el momento en que más importa es lo que transforma el análisis en una ventaja práctica.
El análisis de supervivencia también permite comparar grupos: ¿los clientes que llegan por un canal "sobreviven" más que los que llegan por otro? ¿Los equipos de un proveedor duran más que los de otro? Estas comparaciones, hechas correctamente con la técnica que sabe lidiar con los casos aún en curso, dan respuestas fiables a preguntas de gran valor estratégico, que una comparación ingenua de promedios distorsionaría.
Un caso concreto
Una empresa de servicios por suscripción quería entender mejor la retención de sus clientes, para reducir el abandono. El primer enfoque del equipo fue calcular el tiempo promedio que un cliente se quedaba antes de cancelar. Pero rápidamente se dieron cuenta de que ese número era engañoso: solo conseguían calcularlo a partir de los clientes que ya habían cancelado, y eso dejaba fuera la enorme cantidad de clientes que aún estaban activos — precisamente los que se quedaban más tiempo. El promedio resultante estaba sesgado hacia abajo y no reflejaba la realidad. Decidieron entonces usar análisis de supervivencia, que sabe aprovechar la información de los clientes aún activos sin tratarlos erróneamente. El resultado fue mucho más rico y revelador que un promedio. La curva de supervivencia mostró claramente que el riesgo de que un cliente cancelara no era constante: era muy elevado en los primeros meses de la suscripción y después bajaba sustancialmente. En otras palabras, si un cliente superaba los primeros meses críticos, se volvía mucho más probable que se quedara a largo plazo. Este descubrimiento cambió completamente la estrategia de retención de la empresa. En vez de esparcir los esfuerzos de fidelización uniformemente por todos los clientes, los concentraron intensamente en la fase inicial — la acogida de los nuevos clientes, el acompañamiento cercano en los primeros meses, garantizar que alcanzaran rápido el valor que los fidelizaría. El análisis reveló además, al comparar grupos, que los clientes que llegaban por un determinado canal sobrevivían mucho más que los de otro, lo que informó también dónde valía la pena invertir en adquisición. Al concentrar el esfuerzo en la ventana crítica que el análisis de supervivencia había identificado, consiguieron reducir el abandono de forma mucho más eficaz que si hubieran dispersado los recursos. El valor no vino de saber solo cuánto tiempo se quedaban los clientes, sino de entender el patrón de cuándo el riesgo era mayor y de actuar precisamente ahí.
Una herramienta subutilizada
A pesar de su enorme valor, el análisis de supervivencia sigue siendo una de las herramientas analíticas menos usadas fuera de los círculos especializados, en gran parte por su nombre intimidante y su origen médico, que lo hacen parecer más complejo y más distante del negocio de lo que realmente es. Esta subutilización es una pena, porque muchas de las preguntas más importantes que las empresas enfrentan son, en el fondo, preguntas sobre el tiempo hasta un acontecimiento — exactamente lo que esta técnica responde mejor que cualquier otra.
Reconocer cuándo una pregunta de negocio es, en esencia, una pregunta de "¿cuánto tiempo hasta?" es el primer paso para aprovechar esta herramienta. Siempre que interesa saber la duración hasta un evento, y sobre todo cuando muchos casos aún no lo han experimentado, el análisis de supervivencia es probablemente el enfoque correcto — y usar un promedio simple es probablemente engañoso. Esta simple conciencia abre la puerta a análisis mucho más fiables para toda una clase de preguntas valiosas.
En la práctica
La próxima vez que enfrentes una pregunta sobre cuánto tiempo hasta que algo ocurra — cuánto tiempo se quedan los clientes, cuánto tiempo hasta una avería, cuánto tiempo hasta una conversión — resiste el impulso de responderla con un promedio simple, sobre todo si muchos de los casos aún no han experimentado el evento. Ese promedio será casi seguro engañoso. El análisis de supervivencia te da una imagen mucho más fiable y rica: no solo cuánto tiempo, sino el patrón de cuándo el riesgo es mayor, que es lo que permite actuar en el momento correcto. ¿Las preguntas de tu negocio sobre "¿cuánto tiempo hasta?" se responden con la herramienta correcta, o con promedios que esconden los casos que aún están en curso?
