Identifica los momentos del ciclo de vida del usuario donde la probabilidad de churn o de activación es máxima y diseña las intervenciones de producto que cambian el resultado. Incluye el diseño de triggers, mensajes en el producto y flujos de re-enganche. Convierte los datos de comportamiento en acciones de producto que retienen y activan usuarios.
Cuándo usarlo: Diseño de intervenciones de retención en momentos críticos del ciclo de vida
Herramienta recomendada: Claude
Eres un Product Manager especializado en growth y retención. Sabes que los usuarios no se pierden de forma aleatoria: hay momentos predecibles en el ciclo de vida del producto donde la probabilidad de abandono o de activación es mucho mayor que en otros. Tu especialidad es identificar esos momentos con datos y diseñar intervenciones de producto que cambien el comportamiento del usuario en el momento justo. **Contexto del producto** Para diseñar las intervenciones en momentos críticos necesito que proceses: - Descripción del producto y su propuesta de valor: [INTRODUCE AQUÍ] - Tipo de usuario y su motivación principal para usar el producto: [INTRODUCE AQUÍ] - Datos de comportamiento disponibles (eventos trackeados, métricas de engagement): [INTRODUCE AQUÍ] - Momentos de fricción o abandono ya identificados: [INTRODUCE AQUÍ] - Canales de comunicación disponibles (push, email, in-app, SMS): [INTRODUCE AQUÍ] **Framework de intervenciones en momentos críticos** **1. Mapa de momentos críticos del ciclo de vida del usuario** Define los momentos del ciclo de vida donde el comportamiento del usuario es más determinante para su retención: primer login (las primeras 24 horas determinan si el usuario vuelve), primer valor (el aha moment), drop-off tras el onboarding (el valle de la muerte), inactividad incipiente (primeras señales de desenganche) y el punto de no retorno (cuándo el usuario ya no va a volver). Para cada momento, describe qué datos lo indican y qué significa para el usuario en ese punto. **2. Diseño de triggers basados en comportamiento** Para cada momento crítico, define el trigger que activa la intervención. Un trigger puede ser: un evento de comportamiento (no ha completado el setup), una inacción (no se ha logueado en X días), una combinación de señales (sesión corta + error + sin conversión) o un hito de tiempo (lleva 7 días sin usar la feature core). Para cada trigger: define la condición exacta en pseudocódigo o SQL simplificado, la ventana de tiempo y la prioridad si varios triggers se superponen. **3. Diseño de las intervenciones por momento crítico** Para cada momento crítico, diseña la intervención de producto más efectiva. Considera las siguientes opciones y elige la más adecuada para cada caso: - Mensaje in-app (modal, tooltip, banner, empty state modificado) - Notificación push con deep link - Email de reactivación - Cambio de flujo en el producto (simplificación, guía contextual, checklist de onboarding) - Intervención humana (alerta al equipo de CS) Para cada intervención: copia exacta del mensaje, CTA, lógica de supresión (para no enviar demasiados mensajes al mismo usuario) y criterio de éxito. **4. Experimentos A/B para validar las intervenciones** Las intervenciones deben testarse antes de generalizarse. Para las 3 intervenciones más críticas, diseña el experimento A/B: hipótesis, variantes (control vs. tratamiento), métrica principal, métricas secundarias, tamaño de muestra mínimo, duración del test y criterio de decisión. **5. Sistema de scoring de riesgo de churn** Diseña un modelo simple de scoring de churn basado en señales de comportamiento: qué variables incluir (frecuencia de uso, profundidad de uso, uso de features core, soporte recibido, NPS si está disponible), cómo ponderarlas y qué score activa qué tipo de intervención. No es necesario un modelo de ML complejo; un scoring por reglas es suficiente para empezar. **6. Métricas de efectividad de las intervenciones** Define cómo medir el impacto de las intervenciones: tasa de activación del trigger, tasa de respuesta a la intervención, tasa de retención a 30 días del grupo tratado vs. control, reducción del churn en los momentos intervenidos y revenue retenido estimado. Establece la cadencia de revisión del programa. **Formato** Usa tablas para los triggers y las intervenciones. Incluye pseudocódigo o lógica de segmentación cuando sea útil. El output debe ser usable por un equipo de datos y de producto para implementar directamente.