Muitas perguntas importantes de negócio não são sobre se algo vai acontecer, mas sobre quando. Quanto tempo é que este cliente vai continuar connosco antes de sair? Quanto tempo até esta máquina precisar de manutenção? Quanto tempo, em média, um novo cliente demora a fazer a segunda compra? Estas perguntas sobre o tempo até um acontecimento são de enorme valor, mas requerem uma abordagem diferente da análise habitual — uma técnica com o nome curioso de análise de sobrevivência. Apesar do nome, que vem da sua origem médica, esta técnica aplica-se a qualquer situação em que interessa saber quanto tempo passa até algo acontecer, e é uma das ferramentas analíticas mais úteis e menos conhecidas fora do mundo estatístico.
A análise de sobrevivência estuda o tempo até a ocorrência de um evento. Nasceu na medicina, onde o "evento" era, tipicamente, a recuperação ou o falecimento de um doente, e onde interessava perceber quanto tempo os pacientes "sobreviviam" — daí o nome. Mas a mesma matemática aplica-se a eventos muito mais alegres num contexto de negócio: o "evento" pode ser um cliente cancelar, uma máquina avariar, um utilizador fazer a primeira compra, um funcionário sair. Sempre que a pergunta é "quanto tempo até isto acontecer?", a análise de sobrevivência é a ferramenta certa.
Este artigo explica o que torna a análise de sobrevivência especial, porque uma análise normal não serve para estas perguntas, e onde ela cria valor nas empresas.
Porque uma análise normal não chega
À primeira vista, pode parecer que estas perguntas sobre o tempo se podem responder com uma média simples: qual é o tempo médio até um cliente sair? Mas esta abordagem tem um problema fundamental que a torna, muitas vezes, enganadora. O problema chama-se, tecnicamente, censura, e é o seguinte: no momento em que fazemos a análise, muitos dos casos ainda não experimentaram o evento. Muitos clientes ainda não saíram — continuam connosco. Como incluímos estes clientes numa média de "tempo até sair", se eles ainda não saíram?
Ignorá-los seria um erro grave, porque estaríamos a analisar apenas os clientes que já saíram, o que enviesa tudo — os que ficam mais tempo estão sub-representados, precisamente porque muitos deles ainda não saíram. Incluí-los como se tivessem saído no momento da análise também estaria errado, porque não saíram. Esta situação — ter casos que ainda não experimentaram o evento no momento da análise — é o que a análise de sobrevivência sabe tratar corretamente, e é a razão pela qual as abordagens simples falham. A análise de sobrevivência aproveita a informação parcial destes casos ("este cliente já está connosco há dois anos e ainda não saiu") sem os tratar erradamente.
O que a análise de sobrevivência revela
Em vez de um único número — "o tempo médio até sair é X" — a análise de sobrevivência produz uma imagem muito mais rica: como a probabilidade de o evento ainda não ter acontecido evolui ao longo do tempo. Mostra, por exemplo, que probabilidade um cliente tem de ainda estar connosco ao fim de um mês, de seis meses, de um ano, de dois. Esta curva ao longo do tempo diz muito mais do que uma média, porque revela o padrão de como e quando o evento tende a acontecer.
E esse padrão é frequentemente revelador. Muitas vezes descobre-se que o risco de o evento acontecer não é constante ao longo do tempo. Um cliente pode ter uma probabilidade alta de sair nos primeiros meses — a fase crítica em que ainda não se fidelizou — e depois, se sobreviver a essa fase, uma probabilidade muito mais baixa de sair. Esta informação sobre quando o risco é maior é imensamente útil para agir, e é precisamente o que uma média esconderia. Saber que o perigo está nos primeiros meses muda completamente onde se concentra o esforço de retenção.
Onde a análise de sobrevivência cria valor
- Retenção de clientes: perceber quanto tempo os clientes tendem a ficar e em que momentos o risco de saída é maior, para agir no momento certo.
- Manutenção preditiva: estimar quanto tempo até um equipamento provavelmente falhar, para o manter antes da avaria dispendiosa.
- Ciclo de vida do cliente: saber quanto tempo, em média, um novo cliente demora a atingir marcos importantes, como a segunda compra.
- Gestão de pessoas: perceber os padrões de quanto tempo os colaboradores tendem a ficar e quando o risco de saída é maior.
Do padrão à ação
O verdadeiro valor da análise de sobrevivência não está apenas em descrever quanto tempo as coisas duram, mas em permitir agir sobre esse conhecimento no momento certo. Se a análise revela que o risco de um cliente sair é maior nos primeiros três meses da relação, então é aí que se deve concentrar o esforço de acolhimento e fidelização — não distribuído uniformemente ao longo de toda a relação, mas focado na janela crítica. Este direcionamento do esforço para o momento em que ele mais importa é o que transforma a análise numa vantagem prática.
A análise de sobrevivência também permite comparar grupos: os clientes que chegam por um canal "sobrevivem" mais do que os que chegam por outro? Os equipamentos de um fornecedor duram mais do que os de outro? Estas comparações, feitas corretamente com a técnica que sabe lidar com os casos ainda a decorrer, dão respostas fiáveis a perguntas de grande valor estratégico, que uma comparação ingénua de médias distorceria.
Um caso concreto
Uma empresa de serviços por subscrição queria perceber melhor a retenção dos seus clientes, para reduzir o abandono. A primeira abordagem da equipa foi calcular o tempo médio que um cliente ficava antes de cancelar. Mas rapidamente perceberam que esse número era enganador: só conseguiam calculá-lo a partir dos clientes que já tinham cancelado, e isso deixava de fora a enorme quantidade de clientes que ainda estavam ativos — precisamente os que ficavam mais tempo. A média resultante estava enviesada para baixo e não refletia a realidade. Decidiram então usar análise de sobrevivência, que sabe aproveitar a informação dos clientes ainda ativos sem os tratar erradamente. O resultado foi muito mais rico e revelador do que uma média. A curva de sobrevivência mostrou claramente que o risco de um cliente cancelar não era constante: era muito elevado nos primeiros meses da subscrição e depois baixava substancialmente. Por outras palavras, se um cliente ultrapassasse os primeiros meses críticos, tornava-se muito mais provável que ficasse a longo prazo. Esta descoberta mudou completamente a estratégia de retenção da empresa. Em vez de espalharem os esforços de fidelização uniformemente por todos os clientes, concentraram-nos intensamente na fase inicial — o acolhimento dos novos clientes, o acompanhamento próximo nos primeiros meses, garantir que atingiam depressa o valor que os fidelizaria. A análise revelou ainda, ao comparar grupos, que os clientes que chegavam por um determinado canal sobreviviam muito mais do que os de outro, o que informou também onde valia a pena investir em aquisição. Ao concentrarem o esforço na janela crítica que a análise de sobrevivência tinha identificado, conseguiram reduzir o abandono de forma bem mais eficaz do que se tivessem dispersado os recursos. O valor não veio de saberem apenas quanto tempo os clientes ficavam, mas de perceberem o padrão de quando o risco era maior e de agirem precisamente aí.
Uma ferramenta subutilizada
Apesar do seu enorme valor, a análise de sobrevivência continua a ser uma das ferramentas analíticas menos usadas fora dos círculos especializados, em grande parte por causa do seu nome intimidante e da sua origem médica, que a fazem parecer mais complexa e mais distante do negócio do que realmente é. Esta subutilização é uma pena, porque muitas das perguntas mais importantes que as empresas enfrentam são, no fundo, perguntas sobre o tempo até um acontecimento — exatamente o que esta técnica responde melhor do que qualquer outra.
Reconhecer quando uma pergunta de negócio é, na sua essência, uma pergunta de "quanto tempo até?" é o primeiro passo para aproveitar esta ferramenta. Sempre que interessa saber a duração até um evento, e sobretudo quando muitos casos ainda não o experimentaram, a análise de sobrevivência é provavelmente a abordagem certa — e usar uma média simples é provavelmente enganador. Esta simples consciência abre a porta a análises muito mais fiáveis para uma classe inteira de perguntas valiosas.
Na prática
Da próxima vez que enfrentares uma pergunta sobre quanto tempo até algo acontecer — quanto tempo os clientes ficam, quanto tempo até uma avaria, quanto tempo até uma conversão — resiste ao impulso de a responder com uma média simples, sobretudo se muitos dos casos ainda não experimentaram o evento. Essa média será quase de certeza enganadora. A análise de sobrevivência dá-te uma imagem muito mais fiável e rica: não só quanto tempo, mas o padrão de quando o risco é maior, que é o que permite agir no momento certo. As perguntas do teu negócio sobre "quanto tempo até?" estão a ser respondidas com a ferramenta certa, ou com médias que escondem os casos que ainda estão a decorrer?
