O churn tem endereço — e o seu provedor provavelmente não sabe qual

Qual bairro concentra o churn do seu provedor de internet é uma pergunta que quase nenhum ISP consegue responder — e é uma das poucas em que a resposta vem com ação embutida. Cancelamento não se distribui igual no mapa. Ele se agrupa onde tem caixa saturada, onde a última obra derrubou a rede, onde a equipe de campo está em falta ou onde o concorrente acabou de passar fibra. A média mensal soma tudo isso num número só e apaga justamente a informação que resolveria.

A média é o melhor esconderijo de um problema local

Um churn de 2% ao mês parece administrável. Ele pode ser 0,4% em metade da cidade e 6% concentrado em três bairros. No primeiro caso, você não tem um problema de retenção — tem um problema de rede, de campo ou de concorrência num pedaço específico do mapa. São diagnósticos diferentes, com donos diferentes e custos muito diferentes.

Enquanto o número é olhado só no agregado, a decisão que sai da reunião é sempre a mesma: "precisamos melhorar a retenção". Genérica, cara e difícil de cobrar.

Churn médio é uma informação. Churn com endereço é uma tarefa.

Três coisas que aparecem quando você abre por região

1. Saturação e infraestrutura

Bairro com caixa cheia, splitter no limite ou rede antiga produz um padrão reconhecível: queda recorrente, lentidão em horário de pico, visita técnica que resolve por alguns dias e o cliente volta. O cancelamento aqui é consequência técnica, não comercial — e desconto não segura.

2. Cobertura de campo

Regiões mais distantes da base da equipe costumam ter janela de atendimento pior e mais remarcação. Promessa de visita não cumprida é um dos gatilhos mais rápidos de nota baixa e pedido de saída. Se um bairro concentra reclamação de visita técnica, o problema está na rota, não no roteiro de retenção.

3. Chegada de concorrente

Quando um concorrente ativa uma área, o sinal aparece antes do cancelamento em massa: sobe a pergunta sobre fidelidade, sobre taxa de cancelamento, sobre upgrade de plano. Quem lê as conversas daquele bairro enxerga o movimento com semanas de antecedência. Quem espera o relatório de churn descobre depois.

Por que o dado costuma não existir

Não é falta de sistema. O endereço está no ERP e o cancelamento também. O que falta é o cruzamento com o motivo real — e esse, como já discutimos em por que o cliente cancelou, não está no campo de motivo: está na conversa.

Sem ler as conversas, o melhor que se consegue é "o bairro X cancelou mais". Útil pela metade. A pergunta que muda a decisão é a seguinte: do que aquele bairro reclamava antes de cancelar?

O que fazer com o achado

• Separe causa técnica de causa comercial. Se o assunto dominante é queda e lentidão, o caso é de engenharia de rede. Se é preço e fidelidade, é concorrência. Tratar um com a ferramenta do outro desperdiça os dois.
• Priorize por concentração, não por volume absoluto. Um bairro pequeno com proporção alta de pedidos de saída é mais urgente que um bairro grande com proporção normal.
• Atue antes do pedido. Na região identificada, o contato ativo com quem já chamou duas vezes pelo mesmo assunto vale mais que qualquer campanha de retenção.
• Feche o ciclo com o campo. Leve o número para a reunião de operação com protocolo, data e o que o cliente disse. Rota muda com evidência, não com percepção.

Esse recorte também melhora a leitura dos seus indicadores: churn, NPS e volume de chamados passam a ter uma dimensão geográfica que explica boa parte da variação mensal.

Onde a IA entra

Cruzar todos os atendimentos de um período com cidade, bairro, motivo e pedido de cancelamento é trabalho que ninguém faz à mão. O Deep View monta isso sozinho: pedidos de cancelamento por cidade, o que aquela cidade mais reclama, em quais bairros a dor se concentra e a lista dos pedidos com protocolo e motivo — pronta para virar tarefa de campo ou de retenção.

E aqui vale o ponto que sustenta tudo isso: esse trabalho não vira mais uma função para a sua equipe. A Pipeelo opera como um departamento de IA fora do ISP, 24 horas por dia, sete dias por semana — atendendo o cliente, com até 70% dos atendimentos resolvidos sem humano depois da calibragem, e lendo tudo que passou para devolver o mapa do problema na manhã seguinte. Sem escala, sem férias, sem turnover.

Para referência de mercado sobre cobertura e competição regional, vale acompanhar os dados da Anatel e da Abrint.

Comece pelo recorte mais simples

Se você ainda não tem esse cruzamento, dá para começar pequeno: pegue os cancelamentos dos últimos 90 dias, agrupe por bairro e olhe só os três primeiros. Depois leia, à mão mesmo, os dez últimos atendimentos de cada um desses bairros. Em quase todo provedor, o padrão salta na primeira leitura — e normalmente não é o que o relatório dizia.

Perguntas frequentes

Por que analisar o churn por bairro e não só o total?

Porque cancelamento se concentra geograficamente. Um churn médio de 2% pode significar 0,4% na maior parte da cidade e 6% em poucos bairros, geralmente por saturação de rede, cobertura de campo ruim ou chegada de concorrente. A média esconde o lugar onde a ação teria efeito.

O ERP não mostra o cancelamento por região?

Mostra o endereço e a data, o que responde onde. Não responde o porquê, porque o motivo registrado é escolhido numa lista fechada no fim do atendimento. A causa real aparece nas conversas anteriores ao pedido de saída.

Como saber se o problema do bairro é técnico ou de concorrência?

Pelo assunto dominante das conversas daquela região. Queda recorrente, lentidão em horário de pico e visita técnica repetida indicam causa técnica. Perguntas sobre fidelidade, taxa de cancelamento e comparação de plano indicam concorrente ativando a área.

Dá para prever a chegada de um concorrente pelas conversas?

Dá para perceber o movimento antes do cancelamento em massa. O sinal costuma ser o aumento de perguntas sobre fidelidade, multa e upgrade de plano numa região específica, semanas antes de o churn daquele bairro subir.

Qual bairro priorizar quando vários aparecem?

Priorize por concentração proporcional, não por volume absoluto. Um bairro pequeno com alta proporção de pedidos de saída está num problema ativo; um bairro grande com proporção normal só reflete o tamanho da base.

Preciso de um analista dedicado para fazer esse cruzamento?

Não. A proposta da Pipeelo é funcionar como um departamento de IA fora do ISP, 24 horas por dia, que atende o cliente e lê todas as conversas encerradas, devolvendo o recorte por cidade, bairro e motivo pronto para virar tarefa.