Sinistro negado -> inadimplência -> cancelamento: a cascata que ninguém vê

Imagine a seguinte situação: um associado de proteção veicular sofre um sinistro — batida, roubo, perda total. Ele aciona a associação. E o sinistro é negado. Talvez por cláusula contratual, talvez por documentação incompleta, talvez por exclusão de cobertura.

O que acontece depois? A maioria dos gestores diria: "Ele fica insatisfeito, talvez reclame, talvez cancele." Mas os dados contam uma história mais complexa — e mais cara.

A cascata de três etapas

Analisando os dados de uma associação de proteção veicular com 3.000 membros, identificamos um padrão que se repetia de forma consistente. Não é uma sequência óbvia. É uma cascata:

1. Sinistro negado: o associado tem um sinistro recusado pela associação.
2. Inadimplência: nas semanas seguintes, ele para de pagar a mensalidade.
3. Cancelamento: após alguns meses inadimplente, ele cancela (ou é cancelado).

O que torna essa cascata perigosa é que cada etapa é gerenciada por uma equipe diferente. O sinistro é tratado pelo departamento de sinistros. A inadimplência, pelo financeiro. O cancelamento, pelo comercial ou pela retenção. Nenhum deles vê a sequência completa.

De inadimplência a cancelamento: 100% de correlação

Um achado ainda mais impactante: nos dados analisados, 100% dos cancelamentos passaram por um período de inadimplência antes. Nenhum associado cancelou estando completamente em dia. A inadimplência é, consistentemente, a etapa intermediária entre a insatisfação e a perda definitiva do cliente.

Isso muda a forma de pensar sobre cancelamento. Se todo cancelamento passa por inadimplência, então reduzir inadimplência é a forma mais direta de reduzir cancelamento. E se o maior gatilho de inadimplência é sinistro negado, então a forma mais eficaz de reduzir inadimplência é intervir no momento da negativa.

Por que ninguém vê essa cascata

O motivo é estrutural. Na maioria das empresas:

• O departamento de sinistros avalia se o sinistro é coberto ou não. Ponto. Ele não acompanha o que acontece com o associado depois da negativa.
• O financeiro vê que o associado parou de pagar, mas não sabe por quê. Ele trata como inadimplência genérica.
• A retenção recebe o pedido de cancelamento e tenta convencer o associado a ficar, sem saber que tudo começou com um sinistro negado meses atrás.

Cada departamento vê seu pedaço. Ninguém vê a sequência. E como a cascata leva semanas ou meses para se completar, a conexão entre causa e efeito fica invisível no dia a dia.

Esse achado foi confirmado por três análises independentes que fizemos — pipeline de inadimplência, pipeline de cancelamento e pipeline de sinistros. Todas convergiram para o mesmo padrão: sinistro negado correlaciona com inadimplência, que correlaciona com cancelamento.

O custo real

Vamos aos números. Em uma associação com 3.000 membros e ticket médio de R$ 170:

• Suponha 50 sinistros negados por ano.
• 40,7% entram em inadimplência: ~20 associados.
• Desses, a maioria cancela dentro de 3-6 meses.
• Cada cancelamento representa, em média, 18 meses de receita futura perdida: R$ 3.060.
• Custo total estimado: R$ 61.200/ano — apenas por não ter um processo de acompanhamento pós-negativa.

E isso sem contar o custo de aquisição de um novo associado para repor o que foi perdido.

O que fazer

1. Crie um alerta pós-negativa: quando um sinistro é negado, o associado deve automaticamente entrar em uma lista de acompanhamento. Não para cobrança — para relacionamento.
2. Contato em 48 horas: após a negativa, alguém (que não seja do departamento de sinistros) deve ligar para o associado. O objetivo não é reverter a decisão — é ouvir, explicar e manter o vínculo.
3. Monitore pagamentos pós-negativa: se o associado atrasa o primeiro pagamento após a negativa, trate como alerta máximo. A cascata já começou.
4. Unifique a visão: o financeiro precisa saber que aquele inadimplente teve sinistro negado. A retenção precisa saber que aquele cancelamento começou com inadimplência pós-negativa. Sem essa visão integrada, cada departamento resolve seu pedaço sem resolver o problema.

Referências

• Albanesi, S. & Vamossy, D. F. (2019). "Predicting Consumer Default: A Deep Learning Approach". NBER Working Paper No. 26165. Demonstra como padrões comportamentais (como eventos gatilho) são preditores mais fortes de default do que indicadores financeiros isolados.
• McKinsey & Company. "The analytics-enabled collections model". Sobre a importância de integrar dados entre departamentos para decisões de cobrança e retenção.