Esa es la perspectiva que está en el centro de cómo Pendo piensa sobre Pendo Predict, nuestro producto de análisis predictivo impulsado por IA. Y es una perspectiva que cambia la conversación por completo, una vez que la comprendes.

Jonathan Rice, analista de datos del equipo interno de ciencia de datos de Pendo, lo expresó claramente en una conversación reciente: "Creo que un equipo de datos con la cabeza bien puesta puede construir un modelo de abandono, y probablemente ya lo tiene."

Entonces, si los buenos equipos de datos ya pueden crear modelos predictivos, ¿cuál es el propósito de Predict? Resulta que el modelo es solo una parte del problema, y no la más importante.

La pieza que falta en los modelos de datos propios

Esta es la parte de la conversación sobre análisis predictivo que suele pasarse por alto: un modelo que está en un almacén de datos no salva a un solo cliente.

"El modelo en sí no cambia realmente los resultados de tu negocio", explicó Jonathan. "Son las personas quienes impulsan los resultados a partir de las predicciones del modelo, y eso es lo que realmente cambia las cosas."

Los equipos de datos conocen bien esta tensión. Pasas semanas, a veces un trimestre completo, construyendo algo de lo que te sientes genuinamente satisfecho. Las predicciones parecen correctas. El recall es sólido. Y luego... simplemente no mueve los ingresos recurrentes netos revenue (NRR), porque no hay un camino claro desde "aquí hay una cuenta de alto riesgo" hasta "aquí hay un CSM haciendo algo al respecto."

La pregunta es: ¿quién es el dueño de ese trabajo? ¿Es responsabilidad del equipo de datos impulsar la acción, o la responsabilidad recae en RevOps, o en habilitación, o en los líderes de Customer Success (CS)? La respuesta suele ser "todos son más o menos responsables, así que en realidad nadie lo es."

Predict está diseñado para resolver este problema no reemplazando el modelo, sino haciendo todo lo que viene después de las puntuaciones de predicción.

Lo que Predict realmente hace (y lo que no intenta hacer)

Predict no es una caja negra que pretende conocer tu negocio mejor que las personas que han vivido dentro de él; es una plataforma que comprime el tiempo entre "tenemos un modelo" y "nuestro equipo está haciendo algo con él".

Donde Predict realmente brilla es en todo lo que sucede después del entrenamiento del modelo: llevar las predicciones a Salesforce y Slack (o donde sea que viva tu equipo de GTM), crear segmentos de Pendo a partir de niveles de puntuación, adjuntar playbooks para que los CSMs sepan qué hacer cuando una cuenta aparece como de alto riesgo, y reentrenar automáticamente para que tus puntuaciones no decaigan silenciosamente obsoleto.

Ese último punto importa más de lo que podría parecer. Jonathan describió el modelo de abandono anterior de Pendo como algo que llevaba años sin ser reconstruido ni reentrenado. El negocio había cambiado significativamente en ese tiempo, pero el modelo seguía funcionando con señales antiguas. 

"Íbamos a necesitar reconstruir el modelo", dijo. "El problema era que no es una tarea sencilla. Le habría tomado a un científico de datos la mayor parte de un trimestre."

Predict invierte ese cronograma. Con el reentrenamiento automático habilitado, el modelo reequilibra continuamente los pesos de las características en función de los resultados observados, de modo que sus puntuaciones reflejan cómo funciona su negocio hoy en día, no cómo funcionaba cuando alguien tuvo tiempo de construir un modelo hace dos años.

El tiempo cambia, no el trabajo

Antes de Predict, la fase de construcción del modelo no era necesariamente la parte más larga del proceso. Jonathan lo explicó de esta manera: recopilar datos e ingeniería de características lleva mucho tiempo. Entrenar el modelo en sí es rápido. Pero luego descubrir cómo llevar las predicciones a donde deben ir, escribir código personalizado para enviar puntuaciones a Salesforce, o mostrarlos en un panel o activar una alerta de Slack, vuelve a tomar mucho tiempo.

"Predict cambia cuánto tiempo dedicas a esas tres áreas", dijo. Ahí es donde se ven los grandes ahorros de tiempo. Y ahora, los equipos de datos pueden invertir más tiempo y esfuerzo en recopilar mejores datos."

El equipo de Pendo lo comprobó de primera mano cuando comenzó a experimentar con el enriquecimiento de datos externos para su modelo de clasificación de cuentas. Se preguntaron si incorporar señales adicionales sobre los prospectos (como si una empresa estaba usando IA de manera visible) mejoraría la precisión del modelo. En un solo día de recopilar los datos e introducirlos en Predict, tenían su respuesta: sí, era informativo, y publicaron una nueva versión del modelo. Todos los usuarios posteriores simplemente recibieron mejores predicciones. Nadie tuvo que saber que algo había cambiado.

El avance para los equipos de datos

Probablemente el beneficio más subestimado de Predict, desde la perspectiva de Jonathan, es lo que hace por la visibilidad de los equipos de datos dentro del negocio.

"Los equipos de datos necesitan comunicar su ROI", dijo. "Poder demostrar que los modelos que están construyendo y las acciones que están impulsando a partir de ellos están generando dinero para el negocio, o evitando que el dinero salga por la puerta, es un gran avance para los equipos de datos."

Hizo una comparación directa con lo que Pendo hace para los gerentes de producto: los PMs tienen una herramienta que les muestra si las cosas que están construyendo están siendo adoptadas y les ayuda a mejorarlas. Los equipos de datos no han tenido eso. Predict está diseñado para ser esa herramienta.

Y debido a que Predict se integra directamente con la plataforma más amplia de Pendo, incluidos los segmentos, Guides y Orchestrate, el camino desde la puntuación del modelo hasta la la acción es mucho más corta de lo que sería si un equipo de datos intentara conectar todo esto por su cuenta. Cuando cada cuenta con una puntuación de abandono alta puede agregarse automáticamente a un recorrido de Pendo Orchestrate, y puedes hacer un seguimiento de la interacción con esas guías y correos electrónicos de la misma manera en que harías un seguimiento de cualquier otro dato de Pendo, el ciclo desde la predicción hasta la acción para que el resultado sea medible.

¿Quieres ver cómo Pendo Predict puede ayudar a tu equipo a convertir predicciones en acción? Solicita una demo.