EstudAí: da captação à permanência do aluno EAD
Overview
Reduzir a evasão dos alunos de EAD da EstudAí otimizando a jornada do aluno e implantando uma estratégia de retenção preditiva, que identifica o risco de desistência e age antes que ele aconteça.
Atuação
Papel: Autora do projeto (diagnóstico, estratégia e plano).
Contexto: Projeto de aplicação da pós-graduação em Marketing: Estratégias, Negócios Digitais e Experiência do Cliente (PUCPR Digital).
Temas: Jornada do cliente, CX/SX, CRM, dados e KPIs.
Formato: Proposta estratégica com plano de 12 meses.
Contexto: um mercado que cresce rápido
As matrículas em EAD no Brasil cresceram 286,7% entre 2014 e 2024, e em 2024 os ingressantes a distância superaram os presenciais pela primeira vez. A EstudAí é uma das maiores instituições privadas do país nesse segmento, com um portfólio que vai de cursos livres e técnicos até graduação e pós.
Crescimento atrai concorrência. Com Estácio, Unopar, Uninter, Cruzeiro do Sul e Descomplica disputando o mesmo aluno, um modelo focado em volume de matrículas encontra seu limite no maior desafio do setor: a evasão. Cada aluno que sai leva junto o custo de aquisição e o valor que ele ainda geraria.
+286,7% em matrículas EAD em 10 anos. Em 2024, o EAD passa o presencial em número de ingressantes.
Fonte: Censo da Educação Superior 2024 (Inep), via CNN Brasil, G1 e Folha de S.Paulo.
Problema: uma jornada fragmentada
A EstudAí é forte em captação, mas tem baixa retenção, principalmente na pós e nos cursos livres. O diagnóstico apontou duas causas: uma jornada do aluno fragmentada e uma experiência genérica, que não usa o volume de dados disponível para personalizar o relacionamento nem antecipar a saída.
A análise dos funis de pré-matrícula mostrou onde a jornada quebra. As maiores perdas acontecem justamente nas etapas financeiras e burocráticas, com pessoas que já tinham decidido comprar.
| Funil | Etapa crítica | Conversão |
|---|---|---|
| Técnico | Pagamento → contrato | ~85% |
| Cursos livres | Aguardando pagamento → matrícula | ~62% |
| Pós-graduação | Pré-matrícula → matrícula | ~15% |
Nos cursos livres, 38% dos leads que já estavam aguardando pagamento não viraram matrícula. É um sinal claro de falha de automação e acompanhamento, e não de falta de interesse.
Oportunidade: do reativo ao preditivo
Hoje
Relacionamento transacional. A instituição age quando o aluno já pediu para sair.
Proposta
Relacionamento relacional e preditivo. A instituição identifica o risco e age antes.
A oportunidade era usar os dados que a EstudAí já tinha (acesso ao ambiente virtual, notas, fóruns, pagamentos) para mapear os momentos da verdade da jornada, personalizar a comunicação e criar um alerta de evasão.
Solução: otimização da jornada com retenção preditiva
01. Tecnologia · CDP + CRM integrado
Centraliza todas as interações do aluno, da matrícula aos pagamentos, e permite criar personas de evasão e personas de sucesso.
02. Inteligência · Score de risco de evasão
Um modelo de machine learning treinado com o histórico de evasão atribui a cada aluno uma pontuação de risco, acompanhada em um dashboard.
03. Comunicação · Omnichannel por gatilhos
Conteúdo de apoio e contato por e-mail, SMS e WhatsApp disparados por comportamento, como baixo acesso ao AVA ou atraso em atividades.
Dados (sistemas acadêmico, financeiro e AVA) → CDP/CRM (visão única de cada aluno) → Score (risco de evasão calculado diariamente) → Gatilho (queda de acesso, atraso, pendência) → Intervenção (tutoria, financeiro, pedagógico ou conteúdo) → Medição (a intervenção reverteu o risco?)
Os resultados voltam para ajustar o modelo e as campanhas.
Com o score, a equipe de tutoria e atendimento concentra o esforço nos alunos com maior risco, em vez de tratar a base inteira do mesmo jeito. A primeira etapa inclui mapear a jornada atual e a ideal (AS IS e TO BE) com pesquisas de UX com alunos ativos e alunos que desistiram.
Implantação: plano em quatro trimestres
T1 · Planejar e mapear
Jornada AS IS/TO BE, requisitos da CDP/CRM e montagem do time.
T2 · Estruturar
Implantação da CDP/CRM, limpeza de dados e MVP do modelo preditivo.
T3 · Testar e lançar
Teste A/B do score, treinamento das equipes e comunicação personalizada.
T4 · Otimizar
Análise dos primeiros KPIs, ajuste fino e expansão para toda a base.
Nota: squad de 3 pessoas (cientista de dados, especialista em CX e analista de automação). Premissas de dimensionamento: 50.000 alunos ativos e cerca de 200.000 envios por mês entre e-mail, SMS e WhatsApp.
Resultados esperados: metas para os primeiros 12 meses
| Indicador | Meta | Por que importa |
|---|---|---|
| Churn rate | −10% | Mede diretamente se a estratégia de retenção funciona. |
| NPS (alunos ativos) | +15% | Mostra se a experiência do estudante melhorou. |
| Engajamento no AVA | +20% | Média de acessos semanais por aluno. |
| LTV | +8% | Valor gerado por cada aluno retido. |
| CAC | −5% | Menos necessidade de repor alunos que saíram. |
Para acompanhar o projeto, defini também métricas de processo: a média do score de risco (diária e semanal), a taxa de conversão das intervenções (quinzenal) e a taxa de abertura dos conteúdos de apoio (mensal).
Por ser um projeto de aplicação acadêmico, os números acima são metas propostas, e não resultados medidos.
Competências aplicadas
O projeto conecta três frentes que costumam trabalhar separadas: a jornada e a experiência do cliente, a decisão baseada em dados e a medição por KPIs. A proposta parte de um problema de negócio mensurável e termina em um plano com metas, responsáveis e cronograma.
Projeto de aplicação da pós-graduação em Marketing: Estratégias, Negócios Digitais e Experiência do Cliente (PUCPR Digital).
