La mayor parte de tus ingresos
viene del alumno que ya tienes.
En una universidad privada, el abandono se concentra en el primer año y en la rematrícula. Orakia anticipa qué alumnos están en riesgo, en las primeras semanas, cruzando los datos que ya tienes. Para retener antes de que se vayan, no después.
Hay tantos journeys como alumnos. Y no se pueden operar todos.
Captáis, matriculáis, dais la bienvenida. Pero después de la semana de bienvenida la comunicación se fragmenta por grados y facultades, y se pierde el hilo con el alumno. Cuando ves la baja, ya hace semanas que dejó de entrar al campus.
- El abandono se concentra en dos puertas. El primer año (frustración con la plataforma, falta de adaptación, bajo rendimiento) y la rematrícula del siguiente periodo.
- El alumno no lee tus correos. Los avisos por email y la encuesta anónima llegan tarde y a pocos. Para cuando responde, ya ha decidido.
- La captación va por volumen, no por señal. Miles de leads y pocos asesores. Sin saber qué alumno encaja y qué familia recomienda, conviertes a ciegas.
Las señales de abandono ya están en tus datos: campus virtual, entregas, pagos, atención al alumno. Lo que falta es leerlas a tiempo.
Centraliza. Entiende. Anticípate.
Orakia no sustituye tu campus ni tu secretaría. Conecta los datos que ya tienes sobre cada alumno y te dice quién está en riesgo, mientras aún puedes acompañarle.
Conecta lo que ya recoges del alumno
Campus virtual (accesos, entregas, calificaciones), secretaría y CRM académico, estado de pago, atención al alumno, encuestas. Todo en un registro único por alumno y cohorte. Empezamos con lo que tengas, aunque las fuentes estén desconectadas.
Te dice qué alumnos van a abandonar y por qué
No te deja un mapa de mil journeys. Agrupa a los alumnos en arquetipos de riesgo y te dice qué pesa en cada uno (adaptación a la plataforma, rendimiento, pago, acompañamiento) y qué hacer. Cada predicción viene explicada, para defenderla ante el comité.
Actúa en la ventana que importa
Alertas en las primeras semanas y antes de la rematrícula: el alumno que no entra al campus, el que no entrega, el que no ha formalizado el pago. A tiempo para una llamada, una tutoría o una opción de financiación, no tres días tarde.
Primeros resultados en 2-4 semanas. Si quieres ver dónde estás hoy, haz el diagnóstico de madurez.
Empezamos con lo que tengas.
No necesitamos homologarlo todo para empezar. Trabajamos con lo que haya y te damos el mapa de riesgo por alumno y cohorte.
Orakia los clasifica en minutos: qué dicen los alumnos, por facultad y por curso, sin leerlos uno a uno.
Cada predicción con sus variables. No es una caja negra: es un modelo que dirección puede entender y defender.
Pon número al abandono del último año.
Multiplica los alumnos que no rematricularon por el importe medio de los cursos que les quedaban. Ese número es lo que cuesta no anticiparse. Orakia te ayuda a verlo en las primeras semanas, no al final.
Preguntas frecuentes
¿Cómo anticipa Orakia que un alumno va a abandonar?
Orakia cruza las señales que ya tienes: actividad en el campus virtual, entregas, calificaciones, asistencia, estado de pago, atención al alumno y encuestas. Detecta al alumno en riesgo en las primeras semanas (no entra a la plataforma, no entrega, no se matricula del segundo periodo) para intervenir a tiempo.
Tenemos tantos journeys como alumnos. ¿Cómo se gestiona eso?
No con un journey por alumno: con unos pocos arquetipos de riesgo accionables. Orakia agrupa a los alumnos por patrón de comportamiento y te dice qué hacer con cada grupo, en vez de dejarte un mapa imposible de operar.
¿Es una caja negra? El comité querrá saber por qué predice lo que predice.
No. Cada predicción viene con las variables que la explican: qué pesa en el riesgo de cada alumno (adaptación a la plataforma, rendimiento, pago, acompañamiento). El modelo se entiende y se defiende ante el comité.
¿Y la protección de datos del alumno?
Trabajamos con el marco de RGPD y el dato bajo control de la universidad, respetando el consentimiento y el canal autorizado. El análisis puede ser agregado o pseudonimizado, sin reidentificar a partir de encuestas anónimas.