Caso de uso: Prever upgrades de inscrição com direcionamento mais inteligente

Este exemplo mostra como uma marca fictícia usa os Eventos Preditivos da Braze para definir os resultados que importam para seus negócios—como fazer upgrade para uma assinatura pro—e construir estratégias direcionadas que melhoram os resultados.

Vamos supor que Jordan é um estrategista de ciclo de vida na Steppington, um app de saúde e fitness com níveis gratuito e pago. A equipe de Jordan tem como objetivo aumentar os upgrades do plano Pro sem bombardear toda a sua base de usuários gratuitos com mensagens de desconto. Atualmente, eles enviam uma promoção “Experimente o Pro com 50% de desconto” para cada usuário do nível gratuito após sete dias. Embora isso gere algumas conversões (cerca de 5% em 7 dias), também resulta em um contato excessivo—incluindo descontos para usuários que provavelmente fariam upgrade de qualquer forma.

Para melhorar o direcionamento e reduzir a fadiga de mensagens, Jordan usa Eventos Preditivos para modelar a probabilidade de que um usuário faça upgrade para Pro nos próximos 7 dias. Ele define um evento personalizado: upgraded_to_pro, e então usa isso para treinar um modelo de previsão e segmentar usuários em grupos inteligentes e orientados para a ação.

Este tutorial explica como Jordan criou:

• Um modelo preditivo para upgraded_to_pro em 7 dias
• Segmentos que ajudam a aumentar as conversões enquanto enviam menos mensagens no total

Etapa 1: Criar um modelo preditivo para upgrades

Jordan começa definindo o resultado que mais importa para sua estratégia de upgrade: um usuário passando do nível gratuito para o Pro. Em vez de depender de gatilhos genéricos como “tempo desde a inscrição”, ele quer prever quais usuários estão realmente propensos a converter. Dessa forma, sua equipe pode agir com base em sinais reais, não apenas suposições.

1. No dashboard da Braze, Jordan vai para análise de dados > Eventos Preditivos.
2. Ele cria uma nova previsão de evento e a nomeia “Upgrade para Pro em 7 dias”
3. Como evento alvo, ele seleciona seu evento personalizado: upgraded_to_pro.
4. Jordan define a janela de previsão para 7 dias, define um cronograma de atualização e cria a previsão.

Etapa 2: Segmentar usuários com base na probabilidade de upgrade

Após a conclusão do treinamento, a Braze atribui um Score de Probabilidade de Evento (0-100) a cada usuário elegível. Jordan usa essa pontuação para criar segmentos acionáveis—um para usuários com alta intenção que podem não precisar de desconto, e outro para usuários que provavelmente não converterão sem suporte.

1. Jordan navega até Segmentos na Braze.
2. Ele cria dois segmentos usando o filtro de Score de Probabilidade de Evento e seleciona a previsão que ele criou. Os dois segmentos são:
   • Provável de fazer upgrade: Pontuação maior que 70
   • Precisa de um empurrão para fazer upgrade: Pontuação maior que 40 e menor que 70

Etapa 3: Personalizar o envio de mensagens por nível de intenção

Agora que Jordan tem sinais claros de intenção de upgrade—e subgrupos refinados com base no comportamento do usuário—ele constrói uma estratégia de envio de mensagens que se adapta ao que cada usuário precisa. Chega de envios em massa que servem para todos.

Ele escolhe e-mail como o canal principal para esta campanha. Por quê? Porque Jordan quer explicar o valor do Pro para usuários com alta intenção e fazer um caso convincente para usuários mais hesitantes—ambos os quais requerem espaço, visuais e um forte CTA. O e-mail dá a ele a flexibilidade de fazer isso bem, sem pressionar os usuários, e permite que ele rastreie a performance através do comportamento de cliques.

Jordan cria um canva que divide a experiência com base nos segmentos que ele acabou de construir. Ele adiciona uma etapa de Jornada do Público para segmentar:

• Usuários com alta intenção, focados em fitness
• Usuários com alta intenção, outros
• Usuários com baixa intenção, focados em fitness
• Usuários com baixa intenção, outros

Ele também define o evento de conversão do Canvas para o evento personalizado upgraded_to_pro, para que o Braze rastreie automaticamente as conversões de upgrade à medida que os usuários progridem no fluxo.

Mensagens de exemplo por caminho

• high intent, fitness
• high intent, other
• low intent, fitness
• low intent, other

Etapa 4: Meça os resultados e otimize sua estratégia

Após a campanha, Jordan revisa a performance na Canvas Analytics para entender como os caminhos personalizados se saíram—e se a combinação de intenção preditiva com sinais comportamentais melhorou as taxas de upgrade.

Performance de e-mail por caminho:

• Alta intenção, fitness
  • Taxa de abertura: 34%
  • Taxa de Clique: 20%
  • Taxa de conversão: 13%
  • Nenhum desconto utilizado
• Alta intenção, outros
  • Taxa de abertura: 30%
  • Taxa de Clique: 17%
  • Taxa de conversão: 11%
  • Nenhum desconto utilizado
• Baixa intenção, fitness
  • Taxa de abertura: 27%
  • Taxa de Clique: 12%
  • Taxa de conversão: 8%
  • Oferta de 50% de desconto incluída
• Baixa intenção, outros
  • Taxa de abertura: 23%
  • Taxa de Clique: 9%
  • Taxa de conversão: 6%
  • Oferta de 50% de desconto incluída

Comparado à campanha anterior da equipe, que era uma abordagem única para todos (onde um desconto geral após 7 dias levou a apenas 5% de conversões e excesso de mensagens), a abordagem direcionada mostra um aumento significativo em todos os grupos, com eficiência melhorada e menos descontos desnecessários.

O relatório de funil também mostra uma clara redução na desistência em etapas-chave, particularmente para usuários de baixa intenção que receberam mensagens personalizadas. Mais usuários estão abrindo, clicando e fazendo upgrade—provando o valor do direcionamento baseado em intenção.

Jordan usa essas percepções para:

• Explorar testes A/B em linhas de assunto e formulação de CTA
• Reavaliar o limite de desconto para usuários de média intenção
• Continuar refinando segmentos com base em comportamentos adicionais, como visualizações de conteúdo ou uso de recursos do app

Com Eventos Preditivos e segmentação em camadas, sua equipe agora tem uma estratégia escalável que adapta o envio de mensagens com base na intenção e comportamento do usuário—impulsionando mais upgrades enquanto preserva a confiança na marca.