Pendo ayudó al equipo de Customer Success de Emburse a pasar de apagar incendios de forma reactiva a una gestión de cuentas proactiva e impulsada por inteligencia.
3.1×
más rapidez para actuar sobre cuentas en riesgo
224
cuentas en riesgo identificadas automáticamente
0
CSMs adicionales contratados
El equipo de Customer Success de Emburse tenía más datos de los que podía manejar. Ese era justamente el problema.
Para cuando una renovación estaba en riesgo, el cliente ya estaba frustrado. Los datos existían —NPS, puntajes de salud, uso del producto, señales de facturación—, pero vivían en cuatro lugares distintos. Unirlos manualmente significaba que el riesgo solo se hacía visible después de que los clientes cancelaban. Los CSMs apagaban incendios en lugar de planificar.
El NPS, los puntajes de salud, el uso del producto y las señales de facturación vivían en herramientas separadas. No existía una vista única para conectar los puntos.
Unir las señales manualmente significaba que el riesgo de cancelación recién se hacía visible cuando ya era demasiado tarde para intervenir.
Sin inteligencia de priorización, todas las cuentas parecían igual de urgentes, lo que significaba que ninguna recibía el nivel de atención adecuado.
La dirección no tenía visibilidad anticipada de qué cuentas estaban en riesgo, lo que convertía el pronóstico de ingresos en un juego de adivinanzas.
“Pasaba mis días explicándole sorpresas a la dirección en lugar de prevenirlas.”
Kelly Causey, VP de Customer Success @ Emburse
Antes de cualquier herramienta o modelo, Emburse hizo un cambio filosófico. Estableció un estándar interno: si un cliente se encamina hacia la cancelación, eso nunca debería tomar por sorpresa al equipo.
Suena obvio, pero llevarlo a la práctica los obligó a hacerse una pregunta incómoda: ¿por qué seguíamos sorprendiéndonos cuando un cliente cancelaba?
La respuesta se reducía a la falta de señales conectadas y accionables. Nadie estaba haciendo nada mal: el sistema simplemente no estaba construido para ver hacia adelante.
El consejo de
Emburse
Defina qué significa "cero sorpresas" para su equipo. ¿Cómo se ve el riesgo temprano de cancelación? ¿Qué tendría que cumplirse para que sus CSMs lo supieran 90 días antes de la renovación en lugar de 9? Determínelo y trabaje hacia atrás para resolverlo.
Como la mayoría de los equipos de CS, Emburse tenía puntajes de salud. Pero los puntajes de salud son una fotografía: dicen cómo está un cliente ahora mismo, no hacia dónde va.
El equipo de Kelly replanteó la pregunta, pasando de "¿Cómo se siente este cliente en este momento?" a "¿Qué es probable que pase después?". Pendo Predict está construido alrededor de esa segunda pregunta: modela la trayectoria en lugar de solo el estado actual.
Ese cambio transformó todo lo que vino después: cómo construyeron su modelo, qué señales priorizaron y qué acciones vincularon a cada resultado.
El consejo de
Emburse
Audite cómo usa hoy su equipo los puntajes de salud. ¿Disparan acciones o solo viven en un dashboard? Si un CSM tiene que iniciar sesión en algún lado para revisar la salud de una cuenta, eso no funciona a escala.
Emburse tenía datos de NPS, CES, uso del producto y facturación, pero nada se comunicaba entre sí. Su primer gran foco fue crear un modelo unificado del recorrido del cliente que los incorporara todos.
Sus modelos iniciales de puntaje de salud funcionaban con unas 15 a 20 señales. Cuando los reconstruyeron con un modelo predictivo capaz de incorporar cientos de variables de uso de Pendo, CRM, soporte y datos de marketing, escalaron a aproximadamente 700 predictores.
No necesitaban más datos. Necesitaban datos conectados, modelados hacia un resultado específico.
“Teníamos datos suficientes. Solo necesitábamos certeza más temprano.”
Vikas Sharma, Director de Inteligencia de CX Digital @ Emburse
El consejo de
Emburse
Haga una lista de todas las señales de salud del cliente en todos sus sistemas. Luego pregúntese: ¿cuáles están realmente conectadas? ¿Cuáles viven en silos? Una vista unificada requiere integración intencional. Empiece por los datos de mayor señal, los más cercanos a la cancelación.
Antes de construir cualquier modelo de datos o comprometerse con Predict, Emburse definió cómo se veía lo "bueno". Evaluaron cada predictor contra cuatro criterios:
Precisión y amplitud: ¿cuántos predictores podían usarse realmente para construir un modelo significativo?
¿Las señales eran transparentes, coherentes y consistentes entre sistemas? ¿Estaban alineadas con los puntajes de salud existentes?
¿Las predicciones encajaban con la forma en que el equipo de CS ejecuta sus jugadas hoy?
¿Podía un CSM mirar un resultado y saber de inmediato qué hacer? ¿O tendría que interpretarlo primero?
El consejo de
Emburse
Pase sus señales actuales por este mismo filtro. Puede tener 30 puntos de datos alimentando un puntaje de salud, pero ¿todos pasan la prueba de accionabilidad? Elimine lo que no le diga al CSM cuál es el siguiente paso.
Aquí es donde la mayoría de los equipos falla. Construyen un gran modelo y luego lo muestran en una herramienta aparte, pero los CSMs no van ahí, y esos insights mueren enterrados.
Para resolverlo, Emburse usó Predict para enviar todos los puntajes de riesgo directamente a Salesforce, junto con la información de la cuenta, los puntajes de salud y los datos de renovación. Los CSMs obtuvieron una vista unificada de la salud del cliente (y de sus causas), sin cambiar de contexto.
“Si alguien tiene que iniciar sesión en un sistema aparte para revisar la salud de una cuenta, eso no va a funcionar a escala. Lo necesitábamos dentro del flujo de trabajo.”
Kelly Causey, VP de Customer Success en Emburse
Una vez que Emburse tuvo predicciones confiables, construyó un modelo de enrutamiento con Pendo para determinar qué cuentas necesitan intervención humana y cuáles no.
Riesgo alto → intervención humana del CSM, con participación de ejecutivos si es necesario
Riesgo medio → estrategia digital asistida (experiencia guiada en la aplicación, contacto dirigido)
Riesgo bajo o señal de expansión → jugada automatizada o conversación proactiva de crecimiento
El consejo de
Emburse
Defina su lógica de enrutamiento antes de tener el modelo. ¿Cómo se ve una cuenta de alto riesgo? ¿Cuál es la estrategia correcta para cada nivel? Cuando lleguen las predicciones, debe estar listo para actuar de inmediato.
Un modelo predictivo es tan bueno como la retroalimentación que recibe. Con Predict, Emburse incorporó un paso de validación: cuando un CSM ve un riesgo señalado, confirma si es real. Esa retroalimentación reentrena el modelo continuamente.
También vincularon los resultados a métricas de negocio —como la salud promedio del cliente antes y después, las tasas de upselling y la previsibilidad de las renovaciones— para medir el impacto real a lo largo del tiempo.
“Estandarice antes de automatizar. Defina las acciones, defina las salvaguardas y luego construya el ciclo de retroalimentación. Eso es lo que lo mantiene mejorando.”
Vikas Sharma, Director de Inteligencia de CX Digital en Emburse
El consejo de
Emburse
Cree un flujo de validación simple para sus CSMs. Incluso un pulgar arriba o abajo sobre un riesgo predicho le da al modelo algo de qué aprender.
Emburse no solo mejoró una métrica: cambió la forma de operar de todo su equipo de CS.
de costo de servicio (antes era 3–4% del ARR)
Al reemplazar el triaje manual por enrutamiento predictivo, Emburse redujo su costo de servicio casi a la mitad, sin reducir el tamaño del equipo.
señales predictivas en el modelo
Partiendo de apenas ~20 señales, el equipo escaló a más de 700 predictores, convirtiendo datos fragmentados en un sistema unificado de alerta temprana.
nuevos CSMs contratados para manejar el volumen
La priorización inteligente permitió que el equipo existente cubriera más cuentas con la misma plantilla, sin contrataciones adicionales.
días de visibilidad anticipada de las renovaciones
En lugar de reaccionar a señales de cancelación a 30 días, el equipo de Emburse ahora ve venir el riesgo con 90 días de anticipación: tiempo suficiente para intervenir de verdad.
“Si la inteligencia no está cambiando lo que usted hace, es solo ruido.”
Kelly Causey
VP de Customer Success @ Emburse
Antes de lo que cree, y el detonante no es una cifra de ARR.
El trabajo de base —definir cómo se ve un cliente "saludable", mapear el recorrido del cliente y capturar inteligencia en cada etapa— vale la pena sin importar en qué punto de madurez se encuentre.
