O Pendo ajudou a equipe de Customer Success da Emburse a sair do combate a incêndios reativo para uma gestão de contas proativa e orientada por inteligência.
3.1×
mais rapidez para agir em contas em risco
224
contas em risco identificadas automaticamente
0
CSMs adicionais contratados
A equipe de Customer Success da Emburse tinha mais dados do que conseguia aproveitar. Esse era exatamente o problema.
Quando uma renovação entrava em risco, o cliente já estava frustrado. Os dados existiam — NPS, health scores, uso do produto, sinais de faturamento — mas viviam em quatro lugares diferentes. Uni-los manualmente significava que o risco só ficava visível depois que os clientes cancelavam. Os CSMs apagavam incêndios em vez de planejar.
NPS, health scores, uso do produto e sinais de faturamento viviam em ferramentas separadas. Não existia uma visão única para conectar os pontos.
Unir os sinais manualmente significava que o risco de churn só ficava visível quando já era tarde demais para intervir.
Sem inteligência de priorização, todas as contas pareciam igualmente urgentes — o que significava que nenhuma conta recebia o nível certo de atenção.
A liderança não tinha visibilidade antecipada de quais contas estavam em risco, transformando a previsão de receita em um jogo de adivinhação.
“Eu passava os dias explicando surpresas para a liderança em vez de preveni-las.”
Kelly Causey, VP de Customer Success @ Emburse
Antes de qualquer ferramenta ou modelagem, a Emburse fez uma mudança filosófica. A equipe estabeleceu um padrão interno: se um cliente está caminhando para o churn, isso nunca deve parecer repentino para o time.
Parece óbvio, mas operacionalizar esse princípio obrigou a equipe a encarar uma pergunta desconfortável: por que ainda éramos surpreendidos quando um cliente cancelava?
A resposta se resumia à falta de sinais conectados e acionáveis. Ninguém estava fazendo nada errado — o sistema simplesmente não foi construído para enxergar adiante.
Conselho da
Emburse
Defina o que "sem surpresas" significa para a sua equipe. Como é o risco de churn em estágio inicial? O que precisaria ser verdade para que seus CSMs soubessem dele 90 dias antes da renovação, e não 9? Determine isso e trabalhe de trás para frente para resolver.
Como a maioria das equipes de CS, a Emburse tinha health scores. Mas health scores são uma fotografia: dizem como o cliente está agora, não para onde ele está indo.
A equipe de Kelly reformulou a pergunta, mudando o trabalho do time de "Como esse cliente está se sentindo agora?" para "O que provavelmente vai acontecer a seguir?". O Pendo Predict foi construído em torno dessa segunda pergunta, modelando a trajetória em vez de apenas o estado atual.
Essa mudança transformou tudo o que veio depois: como construíram o modelo, quais sinais priorizaram e quais ações vincularam a cada resultado.
Conselho da
Emburse
Audite como sua equipe usa os health scores hoje. Eles disparam ações ou só vivem em um dashboard? Se um CSM precisa fazer login em algum lugar para checar a saúde da conta, isso não funciona em escala.
A Emburse tinha dados de NPS, CES, uso do produto e faturamento — mas nada conversava entre si. O primeiro grande foco foi criar um modelo unificado de jornada do cliente que ingerisse tudo isso.
Os modelos iniciais de health score rodavam com cerca de 15 a 20 sinais. Quando reconstruíram tudo com um modelo preditivo capaz de ingerir centenas de variáveis de uso do Pendo, CRM, suporte e dados de marketing, escalaram para aproximadamente 700 preditores.
Eles não precisavam de mais dados. Precisavam de dados conectados, modelados para um resultado específico.
“Tínhamos dados suficientes. Só precisávamos de certeza mais cedo.”
Vikas Sharma, Diretor de Inteligência de CX Digital @ Emburse
Conselho da
Emburse
Liste todos os sinais de saúde do cliente que você tem em todos os sistemas. Depois pergunte: quais deles estão realmente conectados? Quais vivem em silos? Uma visão unificada exige integração intencional. Comece pelos dados de maior sinal, mais próximos do churn.
Antes de construir qualquer modelo de dados ou se comprometer com o Predict, a Emburse definiu o que era "bom". Cada preditor foi avaliado segundo quatro critérios:
Precisão e abrangência — quantos preditores podiam de fato ser usados para construir um modelo relevante?
Os sinais eram transparentes, coerentes e consistentes entre os sistemas? Estavam alinhados aos health scores existentes?
As previsões se encaixavam na forma como a equipe de CS realmente executa suas estratégias hoje?
Um CSM conseguia olhar um resultado e saber imediatamente o que fazer? Ou precisaria interpretá-lo primeiro?
Conselho da
Emburse
Passe seus sinais atuais por esse mesmo filtro. Você pode ter 30 pontos de dados alimentando um health score, mas todos eles passam no teste de acionabilidade? Corte o que não diz ao CSM qual é o próximo passo.
É aqui que a maioria das equipes tropeça. Elas constroem um ótimo modelo e o exibem em uma ferramenta separada — mas os CSMs não vão até lá, e esses insights morrem enterrados.
Para resolver isso, a Emburse usou o Predict para enviar todos os scores de risco diretamente ao Salesforce, ao lado das informações da conta, health scores e dados de renovação. Os CSMs ganharam uma visão unificada da saúde do cliente (e dos motivos) — sem troca de contexto.
“Se alguém precisa fazer login em um sistema separado para checar a saúde da conta, isso não vai funcionar em escala. Precisávamos disso dentro do fluxo de trabalho.”
Kelly Causey, VP de Customer Success na Emburse
Com previsões confiáveis em mãos, a Emburse construiu um modelo de direcionamento usando o Pendo para determinar quais contas precisam de intervenção humana e quais não precisam.
Risco alto → atuação humana do CSM, com envolvimento de executivos se necessário
Risco médio → abordagem digital assistida (experiência guiada no app, contato direcionado)
Risco baixo ou sinal de expansão → estratégia automatizada ou conversa proativa de crescimento
Conselho da
Emburse
Defina sua lógica de direcionamento antes de ter o modelo. Como é uma conta de risco alto? Qual é a abordagem certa para cada nível? Quando as previsões chegarem, você deve estar pronto para agir imediatamente.
Um modelo preditivo é tão bom quanto o feedback que recebe. Com o Predict, a Emburse incorporou uma etapa de qualificação: quando um CSM vê um risco sinalizado, ele confirma se é real. Esse feedback retreina o modelo continuamente.
A equipe também vinculou os resultados a métricas de negócio — como a saúde média do cliente antes e depois, taxas de upsell e previsibilidade de renovação — para medir o impacto real ao longo do tempo.
“Padronize antes de automatizar. Defina as ações, defina as proteções e então construa o ciclo de feedback. É isso que mantém a melhoria contínua.”
Vikas Sharma, Diretor de Inteligência de CX Digital na Emburse
Conselho da
Emburse
Crie um fluxo simples de qualificação para seus CSMs. Até um joinha para cima ou para baixo em um risco previsto já dá ao modelo algo com que aprender.
A Emburse não melhorou apenas uma métrica — mudou a forma como toda a equipe de CS opera.
de custo de atendimento (antes era 3–4% do ARR)
Ao substituir a triagem manual pelo direcionamento preditivo, a Emburse cortou o custo de atendimento quase pela metade — sem reduzir o tamanho da equipe.
sinais preditivos no modelo
Partindo de apenas ~20 sinais, a equipe escalou para mais de 700 preditores — transformando dados fragmentados em um sistema unificado de alerta antecipado.
novos CSMs contratados para dar conta do volume
A priorização inteligente permitiu que a equipe existente cobrisse mais contas com o mesmo time — sem nenhuma contratação adicional.
dias de visibilidade antecipada das renovações
Em vez de reagir a sinais de churn a 30 dias, a equipe da Emburse agora enxerga o risco com 90 dias de antecedência — tempo suficiente para realmente intervir.
“Se a inteligência não está mudando o que você faz, é só ruído.”
Kelly Causey
VP de Customer Success @ Emburse
Antes do que você imagina — e o gatilho não é um número de ARR.
O trabalho de base — definir o que é um cliente "saudável", mapear a jornada do cliente e capturar inteligência em cada etapa — vale a pena independentemente do seu estágio de maturidade.
