HypoGeniC CULTIVA IA · Investigación & Inteligencia Análisis Completado

Generación Automática de Hipótesis de Churn
con LLM sobre Datos Empíricos

Cliente: NutriFlow Pro (SaaS B2B Nutrición) Método: HypoGeniC data-driven · 3 iteraciones Modelo: claude-sonnet-4-6 · 15 hipótesis generadas Dataset: 10.000 cuentas · 14 % churn rate
Resumen del Experimento
Hipótesis Generadas
15
3 iteraciones × 5 batch
Mejor Accuracy
83.4%
Hipótesis #1 en test
Mejora vs Baseline
+9.1pp
Sobre few-shot (74.3%)
Hipótesis Top-5
78.2%
Accuracy media
Diversidad
81%
Pares no redundantes
claude-sonnet-4-6
Generación + Refinamiento iterativo vía Anthropic API · Redis caching activado
1.847
Llamadas API
~€2.30
Coste total (con cache)
14 min
Tiempo ejecución
63%
Ahorro cache Redis
Pipeline HypoGeniC
📊
Dataset Input
10.000 cuentas
8 features
label: churned
🔍
Observaciones
LLM analiza
muestra inicial
200 cuentas
iter 1–3
💡
Generación
Batched: 5
hipótesis por
iteración
15 totales
⚖️
Validación
Inferencia sobre
val set (2.000
cuentas)
accuracy tracking
🔄
Refinamiento
Casos difíciles
→ reemplazo
hipótesis débiles
adaptativo
Ranking Final
Test set
(1.800 cuentas)
Top-5 accionables
Hipótesis Generadas — Top 8 (Ranking por Accuracy en Test)
#1 🥇
83.4%
"Las cuentas que llevan más de 14 días sin login Y tienen un NPS ≤ 5 tienen una probabilidad de churn superior al 70 %, independientemente de su plan de suscripción."
dias_sin_login nps_ultimo combinación AND iter 3
Accuracy
83.4%
Precisión
79.0%
Accionable
Alta
#2 🥈
80.7%
"Usuarios del plan Starter que abren más de 3 tickets de soporte por mes sin que sus integraciones activas superen 1 tienen una tasa de churn 3× superior a la media."
tickets_soporte_mes integraciones_activas plan=Starter iter 2
Accuracy
80.7%
Recall
75.0%
Accionable
Alta
#3 🥉
78.1%
"El porcentaje de funcionalidades usadas por debajo del 20 % en las primeras 4 semanas de cuenta predice el churn con alta fiabilidad, especialmente en cuentas Pro."
features_usadas_pct plan=Pro onboarding signal iter 1
Accuracy
78.1%
F1
74.0%
Accionable
Alta
#4
76.9%
"Cuentas con menos de 2 logins por semana durante 3 semanas consecutivas muestran signos de desenganche y tienen 2.4× más probabilidad de cancelar en el siguiente mes."
logins_semana patrón temporal iter 2
Accuracy
76.9%
Precisión
71.0%
Accionable
Media
#5
75.2%
"La ausencia total de exportaciones de datos en los últimos 30 días es un indicador fuerte de que el cliente no está extrayendo valor del producto."
exportaciones_mes valor percibido iter 3
Accuracy
75.2%
Recall
68.0%
Accionable
Media
#6
72.8%
"Cuentas Enterprise con NPS entre 6 y 7 ('pasivos') y tickets de soporte sin resolver en más de 72h tienen probabilidad aumentada de churn silencioso."
nps_ultimo tickets_soporte_mes plan=Enterprise iter 3
Accuracy
72.8%
F1
69.0%
Accionable
Media
#7
71.4%
"La reducción del 40 %+ en logins semana a semana durante 2 semanas consecutivas es un indicador de transición hacia la cancelación."
logins_semana tendencia decreciente iter 2
Accuracy
71.4%
Recall
66.0%
Accionable
Media
#8
69.3%
"Cuentas sin integraciones activas que no han aumentado su uso de features en los últimos 60 días están en modo pasivo y tienen riesgo elevado."
integraciones_activas features_usadas_pct stagnación iter 1
Accuracy
69.3%
F1
63.0%
Accionable
Baja
Evolución del Refinamiento Iterativo
Accuracy Media del Banco de Hipótesis
Por iteración de refinamiento HypoGeniC (comparado con baseline)
90% 80% 70% 60% 50% Baseline Iter 1 Iter 2 Iter 3 74.3% 76.8% 79.5% 83.4% FS HypoGeniC (media top-5) Few-shot baseline (74.3%)
Importancia de Features
Frecuencia en hipótesis de alto rendimiento (top-8)
Feature Apariciones Impacto
dias_sin_login
7/8
Alto
nps_ultimo
6/8
Alto
features_usadas_pct
5/8
Alto
tickets_soporte_mes
4/8
Medio
logins_semana
4/8
Medio
integraciones_activas
3/8
Medio
exportaciones_mes
2/8
Bajo
Insights Descubiertos Automáticamente
🚨
Señal de Alarma Combinada (H1)
La combinación dias_sin_login > 14 AND NPS ≤ 5 actúa como detector de churn inminente con 83% de precisión. No es suficiente una sola señal: ambas deben cumplirse simultáneamente para identificar el segmento de riesgo crítico.
🔧
Friction de Soporte sin Valor (H2)
Los clientes Starter que generan muchos tickets pero no conectan integraciones están atrapados en un loop de fricción: usan el soporte para compensar la falta de adopción del producto. Señal de fallo de onboarding, no de demanda de soporte.
📉
Bajo Adoption = Churn Temprano (H3)
El porcentaje de features usadas en el primer mes es el mejor predictor de retención a largo plazo para cuentas Pro. Los clientes que no superan el 20% de adopción inicial rara vez escalan su uso y terminan cancelando antes del mes 4.
⏱️
Ventana de Intervención: 14 días
Las hipótesis de mayor rendimiento convergen en una ventana crítica de 14 días. Después de 2 semanas sin login significativo, la probabilidad de recuperación cae dramáticamente. El CS debe actuar antes de ese umbral.
🔗
Las Integraciones son el Ancla
Cuentas con al menos 2 integraciones activas tienen una tasa de churn 4× menor. Las integraciones crean switching costs naturales y son el mejor indicador de que el cliente ha integrado NutriFlow en su flujo de trabajo real.
💡
NPS 6–7 es el Segmento Oculto
Los promotores (NPS 8–10) no churnan. Los detractores (0–6) son visibles. Pero el mayor riesgo silencioso está en los "pasivos" con NPS 6–7: están suficientemente satisfechos para no quejarse pero lo suficientemente insatisfechos para no renovar.
Plan de Acción para Customer Success — Derivado de Hipótesis Top-5
URGENTE
Alerta Automática: Sin Login + NPS Bajo
Configurar trigger en CRM: cuando dias_sin_login supere 10 días Y NPS ≤ 5 → asignar automáticamente al CS para llamada proactiva dentro de 48h. Ofrecer sesión de revisión de uso gratuita (30 min) y descuento de renovación condicionado.
→ Basado en Hipótesis #1 (83.4% accuracy) · Impacto estimado: recuperar 23% de churns en riesgo
URGENTE
Programa de Activación de Integraciones para Starter
Clientes Starter con 3+ tickets/mes y 0 integraciones → secuencia de email onboarding específica + asignar integrations specialist para sesión técnica gratuita. Objetivo: conectar al menos 1 integración en los siguientes 7 días.
→ Basado en Hipótesis #2 (80.7% accuracy) · Objetivo: reducir churn Starter en 35%
MEDIO
Onboarding Acelerado para Cuentas Pro con Baja Adopción
A los 21 días de activación, si features_usadas_pct < 20%, asignar Customer Success Manager dedicado para una sesión de "Quick Wins" de 45 minutos mostrando las 3 funcionalidades más impactantes para el tipo de clínica del cliente.
→ Basado en Hipótesis #3 (78.1% accuracy) · Ventana crítica: primeras 4 semanas
MEDIO
Dashboard de Salud de Cuenta en Tiempo Real
Implementar health score ponderado usando las features de mayor importancia: (dias_sin_login × 0.35) + (nps_ultimo × 0.25) + (features_usadas_pct × 0.20) + (logins_semana × 0.20). Visible en la home del CS con alertas por umbral.
→ Basado en Hipótesis #1, #3, #4 combinadas · Monitorización continua
MEDIO
Campaña de Re-engagement: "¿Sigues sacando partido?"
Para cuentas con 0 exportaciones en los últimos 30 días: email personalizado mostrando qué informes y exportaciones están configurados pero no usados, con casos de uso específicos para su tipo de clínica. CTA: "Ver mis datos pendientes de exportar".
→ Basado en Hipótesis #5 (75.2% accuracy) · Campaña mensual automatizada