Predicción de bajas en gimnasios: las señales que tu software ya registra y nadie mira

La baja de un socio casi nunca es una sorpresa. Es el final de un proceso de 2-3 meses que tu software de gestión registra paso a paso: deja de venir, deja de reservar, falla un pago. Lo que falta no son datos; es alguien mirándolos. Un socio que pasa de 8 visitas al mes a 2 se dará de baja en 60-90 días con una probabilidad altísima, y en ese margen de tiempo todavía puedes hacer algo. Cuando llega el email de cancelación, ya no.

Este artículo cubre las señales por orden de fiabilidad, cómo montar la alerta esta semana con tu software o un excel, qué hacer con la lista de riesgo (y qué no hacer, que es casi más importante) y dónde la IA aporta de verdad frente a dónde es humo.

Por qué el churn es un problema de marketing, no solo de operaciones

Empecemos por la cuenta que conecta las bajas con tu presupuesto de anuncios, porque es la que justifica que leas el resto.

Imagina que captas 20 socios al mes con 1.000€ de inversión. CAC de 50€, razonable. Pero ese mismo mes se te van 15. Tu crecimiento neto son 5 socios, así que el coste real de crecer en un socio no son 50€: son 200€. Tres cuartas partes de tu marketing no están haciendo crecer el negocio; están rellenando el agujero del cubo.

Mismo gimnasio, mismo CAC, y el de la derecha crece lo mismo gastando un 40% menos. Cada punto de churn que recortas abarata todo tu marketing sin tocar una sola campaña. Por eso este tema vive en el mismo clúster que el ROI real del marketing: la retención es la variable escondida que decide si tus campañas son rentables. Y los rangos importan: si no sabes si tu churn es normal, aquí están las estadísticas de retención del sector con las que compararte.

Hay una segunda conexión, más fina: el churn por campaña. Los socios de la oferta gancho se van antes que los del anuncio con precio visible. Si mides bajas por origen, descubres qué campañas captan socios de verdad y cuáles alquilan gente tres meses. Eso requiere calcular el LTV por segmento, pero la versión simple de hoy no lo necesita.

Las señales, por orden de fiabilidad

Tu software de gestión ya registra todas estas. Van de más a menos predictivas.

1. Caída de asistencia: la reina

Nada predice una baja como dejar de venir. El patrón típico: socio estable en 8-10 visitas/mes que baja a 4, luego a 2, luego a 0, y entre la primera caída y el email de baja pasan 60-90 días. No es la ausencia total lo que hay que vigilar (cuando lleva un mes sin venir ya es tardísimo), sino el cambio de tendencia: la comparación de este mes contra su media de los tres anteriores.

El matiz que evita falsas alarmas: compara al socio consigo mismo, no con la media del gimnasio. El que siempre vino 3 veces al mes y sigue viniendo 3 no está en riesgo; el que venía 10 y ahora viene 4 sí, aunque 4 sea más que 3.

2. Dejar de reservar clases

En gimnasios con reservas (boxes, boutiques, estudios), es una variante más temprana de la anterior: el socio deja de reservar antes de dejar de venir del todo, y a veces reserva y no aparece, que es señal doble. Si tu modelo es de acceso libre sin reservas, te la saltas y la asistencia por torno hace el trabajo.

3. Pago fallido

Un recibo devuelto es a veces un problema bancario sin más. Dos seguidos casi nunca. El pago fallido tiene además una propiedad útil: es la única señal que tu software te notifica activamente, así que aprovéchala como disparador de contacto humano, no solo de reintento de cobro automático.

4. No renovar el bono o dejar morir la tarifa

En modelos de bonos (8 sesiones, 10 clases), el socio que apura el bono hasta la última sesión y tarda dos semanas en comprar el siguiente está decidiendo si vuelve. Ese hueco entre bono y bono es de las pocas ventanas de riesgo con fecha exacta visible en el software.

5. Cero interacción con la app

Si tu gimnasio tiene app (reservas, progreso, comunidad), el socio que deja de abrirla se está desconectando mentalmente antes de desconectarse físicamente. Es la señal más débil de las cinco, con muchos falsos positivos (hay socios fieles que odian las apps), pero como confirmación de otra señal suma.

La regla general: una señal aislada es ruido, dos señales a la vez son un aviso, y caída de asistencia más cualquier otra es un socio con un pie fuera.

Cómo montar la alerta sin IA, esta semana

No necesitas software nuevo. Necesitas una regla y una rutina semanal de 20 minutos.

La regla, en su versión mínima: asistencia este mes menor que 4 y media de los 3 meses anteriores mayor que 8 → lista de riesgo. Ajusta los umbrales a tu modelo (en un box con 3 clases/semana de media, sería "menos de 6 frente a más de 10"), pero no la compliques al principio.

Cómo ejecutarla, según lo que tengas:

• Tu software lo trae de serie. Muchos sistemas tienen informes de "socios inactivos" o "en riesgo" que nadie ha abierto nunca. Mira ahí primero; si estás comparando opciones de software de gestión, la capacidad de alertas de retención es un criterio que casi nadie pondera y debería.
• Tu software no lo trae, pero exporta. Exporta asistencias del último cuatrimestre a excel, tabla dinámica con visitas por socio y mes, una columna con la fórmula de la regla, filtro. La primera vez te lleva una hora; las siguientes, 15 minutos cada lunes.
• Modelo de bonos. Más fácil todavía: lista de bonos que caducan o se agotan en los próximos 15 días, cruzada con quién no ha comprado el siguiente.

El resultado de la rutina es una lista corta, de 5 a 15 nombres a la semana en un gimnasio de 300 socios. Y aquí viene la parte que decide si todo esto sirve de algo.

Qué hacer con la lista (y qué no)

Lo que no funciona, dicho claro: el email genérico de "te echamos de menos" con un 10% de descuento. Tasa de respuesta ridícula, y el descuento además enseña a tus socios que dejar de venir tiene premio. Tampoco funciona delegarlo en una newsletter ni en una notificación push de la app: el socio que se está desenganchando ya no abre tus mensajes masivos.

Lo que funciona es el contacto personal de alguien a quien el socio conoce, idealmente su entrenador o el coach de sus clases. WhatsApp o llamada, tono de persona y no de empresa, sin mencionar la palabra baja. Un guion que funciona:

"¡Eh, Marta! Soy Carlos, del box. Te echamos de menos en las clases de las 19:00, ¿todo bien? Esta semana hacemos [lo que sea concreto: técnica de cargadas, sesión de movilidad]. Si te viene mal ese horario, dime y te busco hueco en otro. Un abrazo."

Tres ingredientes y ninguno es negociable: lo manda una persona con nombre que el socio reconoce, pregunta antes de proponer, y ofrece algo concreto y fácil (otra clase, otro horario), no un descuento. La mitad de las veces la respuesta destapa el motivo real (lesión, cambio de turno en el trabajo, mudanza) y muchos de esos motivos tienen solución si los conoces a tiempo: congelar la cuota un mes vale más que perder al socio, y cambiar de horario no cuesta nada.

¿Funciona siempre? No. Una parte de la lista se irá igual, porque hay bajas inevitables. El objetivo realista es recuperar entre el 20% y el 35% de los socios en riesgo contactados a tiempo. En el gimnasio de 300 socios del ejemplo, eso son 3-5 bajas evitadas al mes. A 45€ de cuota y una permanencia extra media de 8-10 meses, cada tanda mensual de bajas evitadas vale 1.200-2.000€ de facturación futura. Por 20 minutos de excel y cuatro WhatsApps del entrenador.

Compáralo con captar: reponer esos 3-5 socios vía anuncios te costaría 150-400€ de inversión publicitaria más las horas de venta, y el socio nuevo tiene por delante el periodo de mayor riesgo de baja (los primeros 90 días), mientras que el recuperado ya lo superó. Retener cuesta entre 5 y 10 veces menos que captar, y encima conecta directamente con tus datos de facturación, que es donde se decide el marketing de verdad.

Dónde la IA ayuda de verdad y dónde es humo

La regla del excel tiene limitaciones reales. Mira una señal cada vez, usa umbrales fijos iguales para todos y corre una vez a la semana. Un scoring continuo multi-señal hace lo mismo pero mejor: combina asistencia, reservas, pagos y antigüedad en una probabilidad por socio, aprende el patrón normal de cada uno (el de 3 visitas/mes estables no salta, el de 10 que baja a 5 sí) y se recalcula a diario. Eso es IA aplicada con sentido, y la diferencia práctica es detectar al socio en riesgo 2-4 semanas antes y con menos falsos positivos que la regla fija.

El humo también abunda. Tres señales para detectarlo: te venden "predicción de churn" sin acceso a tus datos de asistencia (sin esa señal no hay predicción que valga), te prometen porcentajes de acierto sin explicarte sobre qué base, o el producto acaba en un dashboard bonito que nadie mira y no en una lista de nombres con acción asignada. La predicción sin el WhatsApp del entrenador detrás es un informe más. El cuello de botella del antichurn casi nunca es el algoritmo: es que alguien haga el contacto.

Nuestro criterio en Pilotium, donde trabajamos justo la otra mitad de esta ecuación (que el socio que entra por campaña sea de los que se quedan), es que la regla simple bien ejecutada captura el 70% del valor, y el scoring con IA tiene sentido cuando ya tienes la rutina de contacto funcionando y quieres afinar. Primero el hábito, luego el algoritmo.

Por dónde empezar el lunes

Exporta las asistencias de los últimos 4 meses. Aplica la regla (menos de 4 este mes, más de 8 de media antes). Saca la lista, repártela entre los entrenadores con el guion de arriba, y apunta cada respuesta. En 4 semanas sabrás tu tasa de recuperación real y tendrás la cifra que convierte esto en hábito: cuántos euros de cuotas futuras salvaste ese mes.

Y cuando tengas dos o tres meses de datos, haz la segunda lectura: cruza las bajas con la campaña de origen de cada socio. Si los socios de una campaña concreta se van sistemáticamente antes, el problema no lo arregla el entrenador con WhatsApps; lo arregla cambiar esa oferta. El churn te está dando información de marketing gratis. Casi nadie la recoge.