మీరు ఒకే కంపెనీ అయినప్పుడు, ప్రతి క్యాన్సిలేషన్ రెండు రెట్లు బాధ కలిగిస్తుంది. మొదట, తిరస్కరణ. తర్వాత, వృథా అయిన సమయం. మీరు సపోర్ట్ టికెట్లను హ్యాండిల్ చేస్తారు, ఫీచర్లను షిప్ చేస్తారు మరియు వృద్ధి కోసం ప్రయత్నిస్తారు. ఒక యూజర్ వెళ్ళిపోవడం అంటే కేవలం ఆదాయం తగ్గడం మాత్రమే కాదు; వారు మీరు వేరే పనుల కోసం కేటాయించాల్సిన గంటల సమయాన్ని దొంగిలిస్తారు. దీనిని అప్పగించడానికి ప్రత్యేకంగా రిటెన్షన్ టీమ్ ఉండదు. అక్కడ మీరు మాత్రమే ఉంటారు, ఒక Stripe నోటిఫికేషన్‌ను చూస్తూ, ఏం తప్పు జరిగిందో మరియు మీరు తిరిగి సంప్రదించాలా వద్దా అని ఆలోచిస్తూ ఉంటారు.

మీరు ప్రయత్నించాలి. కానీ యూసేజ్ లాగ్‌లను మాన్యువల్‌గా వెతకడం మరియు వ్యక్తిగత ఈమెయిల్స్ రాయడం అనేది సాధ్యపడే పద్ధతి కాదు. మీకు కావాల్సింది ఒక పక్కా ఫీడ్‌బ్యాక్ లూప్, ఇది ముడి ప్రవర్తనా డేటాను (raw behavioral data) మీరు పంపగలిగే ఒక డ్రాఫ్ట్‌గా మారుస్తుంది. సరిగ్గా చేస్తే, ఈ సెటప్ మీ కోసం రీసెర్చ్ చేస్తుంది మరియు తుది నిర్ణయం తీసుకునే అధికారాన్ని మీ చేతుల్లోనే ఉంచుతుంది.

మీరు ఒకే టీమ్ అయినప్పుడు చర్న్ (Churn) ఎందుకు ఎక్కువగా తగులుతుంది

సోలో ఆపరేటర్లు అన్ని బాధ్యతలను తామే మోస్తారు, అంటే చర్న్ అనేది కేవలం ఒక మెట్రిక్ మాత్రమే కాదు. అది మీరు పూర్తి చేయని ఒక సపోర్ట్ సంభాషణ, మీరు త్వరగా నిర్మించని ఒక ఫీచర్ రిక్వెస్ట్, లేదా మీరు గమనించని ఒక ఆన్‌బోర్డింగ్ లోపం. దీని వల్ల కలిగే మానసిక ఒత్తిడి మరియు అవకాశ నష్టం (opportunity cost) రెండూ నిజం. ఒక క్యాన్సిల్ అయిన అకౌంట్‌ను పరిశోధించడానికి నలభై ఐదు నిమిషాలు కేటాయించడం అంటే, ఉత్పత్తి (product) అభివృద్ధి నుండి సమయాన్ని దూరం చేసుకోవడమే.

సాధారణ విన్-బ్యాక్ (win-back) క్యాంపెయిన్‌లు అరుదుగా పనిచేస్తాయి, ఎందుకంటే అవి మీ నిర్లక్ష్యాన్ని తెలియజేస్తాయి. మూడుసార్లు బగ్ ఎదురైన తర్వాత వదిలేసిన యూజర్‌కు "We miss you" అని చెప్పే సబ్జెక్ట్ లైన్ వల్ల ఎలాంటి ఉపయోగం ఉండదు. మీ సంప్రదింపులు వారు నిజంగా అనుభవించిన దానిని ప్రతిబింబించకపోతే, అది స్పామ్‌లా అనిపిస్తుంది. వారు పేమెంట్ చేస్తున్నప్పుడు మీరు వారిని గమనించలేదని, మరి ఇప్పుడు మీకు వారిపై శ్రద్ధ ఉందని వారు ఎలా నమ్ముతారు?

దీనికి పరిష్కారం స్పష్టత (specificity). మీరు వారి అసలు ప్రవర్తనను ప్రస్తావించాలి: వారు ఉపయోగించిన ఫీచర్లు, చివరిసారి లాగిన్ అయిన తేదీ, క్యాన్సిలేషన్‌కు రెండు వారాల ముందు యాక్టివిటీలో వచ్చిన తగ్గుదల. ఇటువంటి వివరాలు మీరు వారిని గమనిస్తున్నారని నిరూపిస్తాయి. ఇది ఒక కొత్త అవకాశాన్ని తెరుస్తుంది.

మీకు నిజంగా అవసరమైన ఫీడ్‌బ్యాక్ లూప్

చర్న్ అనాలిసిస్‌ను కేవలం త్రైమాసిక నివేదికగా (quarterly report) చూడటం ఆపండి. సోలో బడ్జెట్‌లకు రోజువారీ లూప్‌లు అవసరం. క్యాన్సిలేషన్ జరిగిన వెంటనే పరిశోధన మొదలై, ఆ పరిశోధన నుండి ఒక AI-జనరేటెడ్ డ్రాఫ్ట్ తయారై, మీరు దాన్ని రివ్యూ చేసిన తర్వాతే పంపేలా ఒక సిస్టమ్ మీకు కావాలి.

ఇన్‌పుట్‌లు చాలా సరళం. Stripe వద్ద బిల్లింగ్ సిగ్నల్ ఉంటుంది: వారు ఎప్పుడు క్యాన్సిల్ చేశారు, ఏ ప్లాన్‌లో ఉన్నారు, వారి పేమెంట్ ముందుగా ఫెయిల్ అయిందా లేదా వారు స్వయంగా వెళ్ళిపోవాలని నిర్ణయించుకున్నారా అనేది తెలుస్తుంది. PostHog వద్ద ప్రవర్తనా సిగ్నల్ (behavioral signal) ఉంటుంది: గత ముప్పై రోజుల ఈవెంట్‌లు, పేజీ వ్యూస్, ఫీచర్ యూసేజ్ మరియు ఎర్రర్స్. ఈ రెండు డేటా స్ట్రీమ్‌లను ఒక జాగ్రత్తగా రూపొందించిన ప్రాంప్ట్‌తో (prompt) కలిపి ఒక లాంగ్వేజ్ మోడల్‌కు పంపితే, యూజర్ యొక్క అసలు ప్రయాణాన్ని ప్రతిబింబించే ఒక డ్రాఫ్ట్ మీకు లభిస్తుంది.

ముప్పై రోజులు అనేది ఒక మ్యాజిక్ విండో. క్రమంగా తగ్గుతున్న యాక్టివిటీని లేదా అకస్మాత్తుగా ఆగిపోవడాన్ని గుర్తించడానికి ఇది సరిపోతుంది. బహుశా వారు ఒక ముఖ్యమైన ఫీచర్‌ను ఉపయోగించడం ఆపి ఉండవచ్చు. బహుశా వారు ఆన్‌బోర్డింగ్ చెక్‌లిస్ట్‌ను పూర్తి చేయలేకపోయి ఉండవచ్చు. బహుశా వారు డౌన్‌గ్రేడ్ ఆప్షన్ కోసం నాలుగుసార్లు ప్రైసింగ్ పేజీని సందర్శించి ఉండవచ్చు. AI మీ ఉత్పత్తి లోపాలను సరిదిద్దలేదు, కానీ మీ ఈమెయిల్ సందర్భోచితంగా (context) ఉండేలా ఆ కథను బయటపెట్టగలదు.

బ్యాకెండ్ లేకుండా పనిచేసే ఒక స్టాక్

దీని కోసం మీకు సర్వర్, డేటాబేస్ లేదా డెవ్ ఆప్స్ (dev ops) పైప్‌లైన్ అవసరం లేదు. Zapier ఇక్కడ గ్లూ (glue) లాగా పనిచేస్తుంది. దాని వెబ్‌హుక్ లిజనర్ (webhook listener) Stripe నుండి క్యాన్సిలేషన్ ఈవెంట్‌ను అందుకుంటుంది. దాని బిల్ట్-ఇన్ యాక్షన్స్ PostHog నుండి డేటాను క్వెరీ చేస్తాయి. దాని కోడ్ స్టెప్స్ ప్రాంప్ట్‌ను ఫార్మాట్ చేయడానికి మరియు AI ఎండ్‌పాయింట్‌ను కాల్ చేయడానికి Pythonను రన్ చేస్తాయి. చివరగా, దాని మెసేజింగ్ యాక్షన్స్ ఫలితాన్ని మీ Slack, Discord లేదా ఈమెయిల్ ఇన్‌బాక్స్‌కు పంపిస్తాయి.

ఇది ఎందుకు ముఖ్యమంటే, సోలో బడ్జెట్‌లు అంటే సాధారణంగా బ్యాకెండ్ టీమ్ ఉండదు అని అర్థం. దీని కోసం AWS Lambdaను సెటప్ చేయడం అనవసరం (overkill). Zapier యొక్క "no-code plus escape hatches" మోడల్ మీకు అవసరమైనప్పుడు Pythonలో నిజమైన డేటా మానిప్యులేషన్‌ను చేస్తూనే, తక్కువ ఖర్చుతో (lean) ఉండటానికి అనుమతిస్తుంది.

ఈ ఫ్లో ఇలా ఉంటుంది: ఒక యూజర్ Stripeలో తమ సబ్‌స్క్రిప్షన్‌ను క్యాన్సిల్ చేస్తారు. Zapier ఆ ఈవెంట్‌ను వెంటనే గుర్తిస్తుంది. అది కస్టమర్ ఈమెయిల్‌ను సేకరించి, ఆ ఐడెంటిటీకి సంబంధించిన గత ముప్పై రోజుల యాక్టివిటీ కోసం PostHogను అడుగుతుంది. అది Stripe ఫీల్డ్‌లను మరియు PostHog టైమ్‌లైన్‌ను ఒక ప్రాంప్ట్‌గా కలిపి మీ AI ప్రొవైడర్‌కు పంపుతుంది. మోడల్ ఒక స్నేహపూర్వకమైన, పర్సనలైజ్డ్ డ్రాఫ్ట్‌ను తిరిగి ఇస్తుంది. ఆ డ్రాఫ్ట్ యూజర్ ప్రొఫైల్‌తో పాటు మీ ఇన్‌బాక్స్‌కు చేరుతుంది మరియు రివ్యూ కోసం ఫ్లాగ్ చేయబడుతుంది. మీరు దాన్ని చదివి, టోన్ (tone) మార్చి, పంపవచ్చు.

సర్వర్లు లేవు. క్రోన్ జాబ్స్ (cron jobs) లేవు. క్యాన్సిలేషన్ నుండి మానవ సమీక్ష (human review) వరకు ఒక నేరుగా ఉండే మార్గం మాత్రమే.

స్టెప్ బై స్టెప్ బిల్డింగ్

ఆప్షన్లలో తికమక పడకుండా దీనిని ఎలా సెటప్ చేయాలో ఇక్కడ ఉంది.

ట్రిగ్గర్‌ను సెటప్ చేయండి. కొత్త Zapని సృష్టించి, Stripe యొక్క "Subscription Cancelled" ఈవెంట్‌ను ట్రిగ్గర్‌గా ఎంచుకోండి. మీరు నిజమైన కస్టమర్లపై ప్రయోగాలు చేయకుండా ఉండటానికి మొదట మీ Stripe టెస్ట్ డేటాను ఉపయోగించండి. కస్టమర్ ఈమెయిల్ మరియు సబ్‌స్క్రిప్షన్ వివరాలు సరిగ్గా వస్తున్నాయో లేదో చూసుకోండి.

ప్రవర్తనను సేకరించండి. ఒక PostHog యాక్షన్‌ను జోడించండి. మీ సెటప్‌కు అవసరమైతే, ఆ వినియోగదారుని డిస్టింక్ట్ ID (distinct ID) తెలుసుకోవడానికి కస్టమర్ ఈమెయిల్‌ను ఉపయోగించండి, ఆపై గత ముప్పై రోజుల్లో జరిగిన ఈవెంట్‌లను సేకరించండి. మీకు ఖచ్చితమైన చర్యలు కావాలి: పేజీ పేర్లు, ఎవాల్యుయేట్ చేయబడిన ఫీచర్ ఫ్లాగ్‌లు (feature flags), క్లిక్ చేసిన బటన్లు, ఎర్రర్ ఈవెంట్‌లు. అన్నింటినీ సేకరించకండి. ఎంపిక చేసుకునేటప్పుడు జాగ్రత్తగా ఉండండి. ఎక్కువ అనవసరమైన సమాచారం (noise) ప్రాంప్ట్‌ను గందరగోళంగా మారుస్తుంది మరియు అవుట్‌పుట్‌ను సాధారణంగా (generic) చేస్తుంది. ఒక కథను చెప్పగలిగే పన్నెండు ఈవెంట్‌లను లక్ష్యంగా పెట్టుకోండి.

Python స్టెప్‌లో ప్రాంప్ట్‌ను రూపొందించండి. Zapier యొక్క Code by Zapier స్టెప్‌ను జోడించి Pythonను ఎంచుకోండి. కాంటెక్స్ట్‌ను (context) ఇన్స్ట్రక్షన్ (instruction) నుండి వేరు చేసేలా ఒక ప్రాంప్ట్‌ను రూపొందించండి. PostHog టైమ్‌లైన్‌ను ఒక స్ట్రక్చర్డ్ లిస్ట్ (structured list) రూపంలో అందించండి. Stripe డేటాను కూడా చేర్చండి: ప్లాన్ పేరు, ప్రారంభ తేదీ, అందుబాటులో ఉంటే క్యాన్సిలేషన్ కారణం. వినియోగదారుని నిర్దిష్ట ప్రవర్తనను గుర్తించి, స్పష్టమైన తదుపరి దశను సూచిస్తూ, ఒక చిన్న, వ్యక్తిగతీకరించిన (personalized) win-back ఈమెయిల్‌ను రాయమని మోడల్‌ను కోరండి. ఈ స్టెప్ నుండి నేరుగా AI APIని కాల్ చేయండి. మీరు OpenAI, Anthropic లేదా HTTP ఎండ్‌పాయింట్‌ను అందించే మరేదైనా ప్రొవైడర్‌ను ఉపయోగించవచ్చు. మీ API కీని Zapier యొక్క ఎన్విరాన్‌మెంట్ సీక్రెట్స్‌లో (environment secrets) ఉంచండి.

మానవ సమీక్ష కోసం పంపండి. AI అవుట్‌పుట్‌ను మీరు చూసే చోటికి పంపేలా ఒక యాక్షన్‌ను సృష్టించండి. మీరు HubSpot లేదా Airtable వంటి CRMని ఉపయోగిస్తుంటే, డ్రాఫ్ట్‌ను యూజర్ రికార్డుకు జత చేయండి. మీరు Slack ఉపయోగిస్తుంటే, వినియోగదారుని పేరు మరియు క్యాన్సిలేషన్ తేదీతో దానిని ఒక ప్రైవేట్ ఛానల్‌లో పోస్ట్ చేయండి. "needs review" అని తెలిపే ట్యాగ్ లేదా స్టేటస్ ఫీల్డ్‌ను చేర్చండి. ఇది కావాలనే సృష్టించబడిన ఒక అడ్డంకి (bottleneck). AIని నేరుగా ఈమెయిల్ పంపనివ్వకండి.

మానవ ప్రమేయం ఎందుకు ఉండాలి

ఈ ప్రక్రియను పూర్తిగా ఆటోమేట్ చేయడం ఆకర్షణీయంగా అనిపించవచ్చు. మెషీనే ఈమెయిల్ పంపనిచ్చి, మీ సమయాన్ని మరింత ఆదా చేసుకోవాలనిపించవచ్చు. కానీ ఆ ఆశకు లొంగకండి.

మీ బ్రాండ్ వాయిస్ (brand voice) ఆటోమేషన్‌కు సరిపోనంత సున్నితమైనది. AI కొన్నిసార్లు అతిగా క్షమాపణలు కోరుతున్నట్లుగా అనిపించవచ్చు, లేదా మీరు ఇంకా నిర్మించని పరిష్కారాలను వాగ్దానం చేయవచ్చు, లేదా ఈవెంట్ పేరును తప్పుగా చదవడం వల్ల ఆ వినియోగదారుని అసలు ప్రభావితం చేయని బగ్‌ను ప్రస్తావించవచ్చు. మీరు మాత్రమే చివరి ఫిల్టర్.

పంపే దశను మాన్యువల్‌గా ఉంచడానికి మరొక కారణం ఉంది. మీరు సమీక్షించే ప్రతి churn ఈమెయిల్ ఒక నేర్చుకునే అవకాశం. పది డ్రాఫ్ట్‌ల తర్వాత, మీరు కొన్ని నమూనాలను (patterns) గమనిస్తారు. ఒకే ఇంటిగ్రేషన్ స్టెప్‌లో ఇబ్బంది పడటం వల్ల ముగ్గురు వినియోగదారులు వెళ్ళిపోయారని మీరు గ్రహిస్తారు. ఒక నిర్దిష్ట రిపోర్ట్ లోడ్ అవ్వకపోవడం వల్ల ఎంటర్‌ప్రైజ్ ప్లాన్ క్యాన్సిలేషన్లు ఎప్పుడూ జరుగుతున్నాయని మీరు గమనిస్తారు. ఈ సమాచారం మీ ప్రొడక్ట్ రోడ్‌మ్యాప్‌కు (product roadmap) ఎంతగానో ఉపయోగపడుతుంది, ఇది పూర్తిగా ఆటోమేటెడ్ లూప్ ద్వారా సాధ్యం కాదు.

మీరు కేవలం అవుట్‌రీచ్ (outreach) కోసం సమయాన్ని ఆదా చేయడం లేదు. మీరు తక్కువ ఖర్చుతో, నిరంతరం పనిచేసే ఒక churn డయాగ్నోసిస్ మెషీన్‌ను (churn diagnosis machine) నిర్మిస్తున్నారు.

అసలైన ప్రయోజనం

ఈ సెటప్ పరిపూర్ణమైన ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గురించి కాదు. మీరు ఒంటరిగా ఉన్నప్పుడు, churn నుండి బయటపడటం ఎలాగో నేర్చుకోవడం గురించి ఇది. మీరు ఒక గందరగోళమైన భావోద్వేగ సంఘటనను పునరావృతమయ్యే వ్యవస్థగా మారుస్తారు. పరిశోధన ఆటోమేటిక్‌గా జరుగుతుంది. డ్రాఫ్ట్ దానంతట అదే వస్తుంది. కానీ సంప్రదించాలనే నిర్ణయం మరియు మీరు చివరగా పంపే పదాలు పూర్తిగా మీవే.

కాలక్రమేణా, మీ win-back రేటు మెరుగుపడుతుంది, అది మోడల్ తెలివైనదిగా మారడం వల్ల కాదు, మీరు తెలివైనవారవ్వడం వల్ల. మీ పడవలో ఉన్న లీకేజీలను గుర్తించి, వాటిని సరిచేయగలిగేంత స్పష్టత మీకు వస్తుంది.

మూలం: AI-Powered Churn Analysis & Win-Back Campaigns on a Solo Budget

కమ్యూనిటీ: GyaanSetu AI on Telegram