Customer Health Scoring verdichtet Signale aus Ihrem CRM, Ihrem Produkt, Ihrem Support-Desk und Ihrer Abrechnung zu einer Zahl pro Account, damit Ihr Team weiß, welche Kunden es diese Woche anrufen sollte. Das funktioniert nur, wenn die zugrunde liegenden Daten abgestimmt sind und man ihnen vertraut. Die Scoring-Formel ist der leichte Teil. Ein Score, der auf widersprüchlichen CRM- und Finanzdaten beruht, liefert selbstsichere, aber falsche Antworten. Bei NordOps Consulting bauen wir zuerst die Datenbasis, dann die KI-Schicht und dann die Agenten, die Ihr Customer-Success-Team nutzt.

Dieser Leitfaden richtet sich an Führungskräfte von B2B-SaaS-Unternehmen mit etwa 20 bis 200 Mitarbeitenden. Er behandelt, welche Kennzahlen Sie verwenden, wie Sie sie gewichten, eine Beispielrechnung, wie Sie prüfen, ob der Score Abwanderung vorhersagt, und wo KI beteiligt sein sollte und wo nicht.

Kurz gefasst

Inhaltsverzeichnis

Wofür ein Customer Health Score da ist

Ein Customer Health Score schätzt, wie wahrscheinlich ein Account verlängert, ausbaut oder abwandert. Dazu kombiniert er Signale aus verschiedenen Systemen zu einer einzigen, vergleichbaren Sicht. Der Leitfaden von HubSpot weist darauf hin, dass sich je nach Geschäftsmodell, Produktkomplexität, Kundensegment und Lebenszyklusphase unterscheidet, was als „gesund“ gilt. Ein Account mit 15 Lizenzen im Onboarding und ein Account mit 400 Lizenzen im dritten Jahr sollten nicht am selben Maßstab gemessen werden.

Der Score hat zwei Aufgaben:

  1. Aufmerksamkeit priorisieren. Ein Customer-Success-Team aus vier Personen kann nicht jede Woche 300 Accounts prüfen. Der Score sortiert die Liste.
  2. Frühwarnung geben. Ein sinkender Score sollte jemanden erreichen, solange noch Zeit zum Handeln bleibt, idealerweise Monate vor dem Verlängerungstermin.

Wenn der Score keines von beidem leistet, ist er bloße Dashboard-Dekoration. Die meisten Scores scheitern an den Eingangsdaten, nicht an der Mathematik.

Welche Customer-Health-Kennzahlen Sie erfassen sollten

Beginnen Sie mit fünf Signalkategorien. Die folgenden Bereiche sind von ZoomInfo veröffentlichte Startgewichtungen. Sie sind ein Ausgangspunkt, keine Regel.

Kategorie Typische Signale Startgewichtung
Produktnutzung Nutzungshäufigkeit, aktive Nutzer pro lizenziertem Platz, Funktionsnutzung 30 bis 40%
Beziehung Champion engagiert, Executive Sponsor aktiv, Anzahl der Stakeholder, personelle Wechsel 20%
Support Ticketvolumen und Schweregrad, Eskalationen, 90-Tage-Trend 10 bis 15%
Stimmung NPS, CSAT, In-App-Umfragen, Einschätzung des CSM 10 bis 15%
Abrechnung und Kommerzielles Zahlungspünktlichkeit, Downgrade-Anfragen, Lizenzwachstum 10 bis 15%

Drei Punkte sind wichtiger als die exakten Prozentwerte.

Den Trend messen, nicht nur das Niveau

Basedash argumentiert, dass bei den meisten SaaS-Produkten die aussagekräftigste Kategorie der Nutzungstrend ist und nicht das Nutzungsniveau. Ein Account mit hoher Nutzung, die in diesem Monat um 40 Prozent gefallen ist, ist oft ein größeres Risiko als ein stabiler Account mit geringer Nutzung. Speichern Sie neben jedem Stichtagswert einen Vergleich über 30 und über 90 Tage.

Lassen Sie Produktdaten kein Beziehungsrisiko verdecken

Produktdaten sehen nicht, dass Ihr Champion im letzten Monat das Unternehmen verlassen hat. ZoomInfo beschreibt die Beziehung als den blinden Fleck der meisten Health Scores und bringt diese Lücke mit vielen überraschenden Kündigungen in Verbindung. Ihr CRM sollte den Champion, den Executive Sponsor und das Datum enthalten, an dem jeder Kontakt zuletzt bestätigt wurde. Ist das nicht der Fall, ist die Kategorie Beziehung reine Vermutung.

Frühindikatoren und Spätindikatoren mischen

Der Leitfaden von HubSpot beschreibt leistungsstarke Teams als solche, die Frühindikatoren wie Nutzung und Engagement mit Spätindikatoren wie Verlängerungsergebnissen und Feedback ausbalancieren. Frühindikatoren warnen Sie. Spätindikatoren bestätigen, was bereits geschehen ist. Ein Score, der nur aus Spätindikatoren besteht, informiert Sie über die Abwanderung erst, wenn es zu spät ist.

Halten Sie die Liste kurz. Sechs bis zehn Kennzahlen sind ein praktikabler Bereich: Weniger lässt blinde Flecken, mehr macht es schwer nachzuvollziehen, warum sich ein Score verändert hat.

So berechnen Sie einen Customer Health Score

Die Berechnung ist eine gewichtete Summe. Jede Kennzahl wird in einen Wert von 0 bis 100 umgerechnet, mit ihrem Gewicht multipliziert, und die Ergebnisse werden addiert.

Ein vertretbarer Ausgangspunkt für B2B-SaaS, veröffentlicht von Basedash, ist:

Dieselbe Quelle schlägt folgende Bereiche vor: Gesund 70 bis 100, Gefährdet 40 bis 69, Kritisch 0 bis 39.

Ein Rechenbeispiel

Dies ist ein illustrativer Account, kein realer Kunde. Jede Kategorie wurde bereits in einen Wert von 0 bis 100 umgerechnet.

Kategorie Wert Gewicht Beitrag
Nutzung und Trend 80 0.35 28.0
Adoption 60 0.25 15.0
Support 70 0.15 10.5
Beziehung und Stimmung 40 0.15 6.0
Kommerziell 90 0.10 9.0
Gesamt 68.5

Der Account erreicht 68.5 und gilt damit als Gefährdet. Die Nutzung wirkt stark, und die Zahlungen erfolgen pünktlich. Heruntergezogen wird der Score durch Beziehung und Adoption: Der Executive Sponsor ist still geworden, und nur ein Teil des Produkts wird genutzt. Ein Score, der allein auf der Nutzung beruht, hätte diesen Account als sicher eingestuft.

Deshalb ist der nächste Schritt wichtig. Der Bereich sollte eine konkrete Maßnahme auslösen, etwa ein Gespräch auf Führungsebene und einen Adoptionsplan für die ungenutzten Module. Eine Zahl ohne zugehörige Maßnahme ändert nichts daran, was Ihr Team am Montag tut.

Ein Rechenbeispiel

Gewichte grob halten

Präzise Gewichte suggerieren eine Sicherheit, die die Daten möglicherweise nicht hergeben. Runden Sie auf die nächsten fünf Prozent, halten Sie schriftlich fest, warum jedes Gewicht so gewählt ist, und rechnen Sie damit, sie anzupassen, wenn sich Produkt und Kundenmix verändern. Früh in der Customer Journey verdient der Onboarding-Fortschritt mehr Gewicht. Bei etablierten Accounts zählen Nutzungstiefe und Ergebnisse stärker.

Getrennte Profile je Segment verwenden

Ein einziger Score für alle Accounts verwischt wichtige Unterschiede. Trennen Sie mindestens Accounts im Onboarding von etablierten und kleine Accounts von großen. „Gesund“ bedeutet im Onboarding, dass der Go-live planmäßig erreicht wird. „Gesund“ im dritten Jahr bedeutet, dass der Nutzen realisiert wird und eine Verlängerung wahrscheinlich ist.

Warum die meisten Health Scores scheitern

Die meisten Fehler entstehen in der Datenverarbeitung, nicht in der Formel.

Die ersten beiden sind Datenprobleme. In unserer Arbeit werden CRM- und Finanzdaten zur maßgeblichen Quelle, aus der alles andere liest, mit einem Processor, der die Daten aus den umgebenden Systemen in eine abgestimmte Version überführt. Solange das fehlt, erzeugt ein ausgefeilterer Score nur ausgefeiltere Fehler.

Den Score anhand bereits abgewanderter Accounts validieren

Die Validierung ist der Schritt, den die meisten Teams überspringen. Sie dauert einen Nachmittag und zeigt Ihnen, ob Sie dem Score vertrauen können.

  1. Blicken Sie zurück. Nehmen Sie die Accounts, die in den letzten zwölf Monaten abgewandert sind. Rekonstruieren Sie, was der Score 90 Tage vor ihrem Weggang ausgewiesen hätte. Waren die meisten grün oder gelb, beschreibt der Score die Gegenwart, statt die Zukunft vorwegzunehmen.
  2. Blicken Sie in die andere Richtung. Wie viele der Accounts, die vor 90 Tagen rot gewesen wären, sind tatsächlich abgewandert? Ein Score, der einen großen Teil des Bestands rot markiert, erfasst zwar die meiste Abwanderung, bleibt aber nutzlos, weil er nicht priorisieren kann.
  3. Verfolgen Sie die Präzision an der Spitze. Wie viele der Accounts, die der Score als am stärksten gefährdet markiert hat, lagen richtig? Das ist die Zahl, die sich zu beobachten lohnt.
  4. Quartalsweise wiederholen. Segmente, Produkt und Käufer ändern sich, und ein ungeprüfter Score verliert an Aussagekraft.

Zwei Tests für jedes Signal helfen hier: Verändert es sich vor dem Ergebnis statt gleichzeitig mit ihm, und kann jemand aufgrund des Signals etwas anders machen? Ein Signal, das einen der beiden Tests nicht besteht, fliegt raus.

Wann ein statistisches Modell sinnvoll ist

Gewichtete Scorecards sind ein guter Startpunkt, doch manche Unternehmen wechseln zu einem trainierten Modell. Das Data-Science-Team von Asana hat seinen Account-Health-Score neu aufgebaut, und zwar als Klassifikator, der mit historischen Abwanderungsdaten trainiert wurde, weil der ursprüngliche Score ein nachlaufender Indikator war und Customer Success eine Vorwarnung brauchte. Laut dem Team erkannte das neue Modell je nach Kundentyp 20 bis 50 Prozent häufiger gefährdete Accounts als der frühere Score.

Zwei Details aus dieser Arbeit sind für Unternehmen jeder Größe nützlich. Das Team kennzeichnete Accounts acht Wochen vor dem tatsächlichen Abwanderungsdatum als abgewandert, damit das Modell aus frühen Signalen lernte. Außerdem bewertete es das Modell anhand des obersten Dezils der Accounts, weil 10 Prozent der Kunden ungefähr der Zahl der Accounts entsprachen, die sein Team rechtzeitig tatsächlich erreichen konnte.

Zeitpunkt, Reichweite und Erkennungsergebnisse des Abwanderungsmodells

Bei einem Unternehmen mit 20 bis 200 Mitarbeitenden und einigen hundert Accounts ist die Historie für das Training eines verlässlichen Modells oft dünn. Ein transparenter gewichteter Score, der jedes Quartal validiert wird, ist meist der bessere erste Schritt. Wechseln Sie zu einem Modell, wenn Sie genug Abwanderungsfälle und saubere Daten dafür haben.

Wo KI im Health Scoring hingehört und wo nicht

KI ist nützlich bei der Arbeit rund um den Score. Als Verantwortliche für den Score selbst eignet sie sich schlecht.

Wo sich KI auszahlt:

Wo KI nicht hingehört:

Wir entwerfen diese Agenten mit Berechtigungen, einem Freigabeschritt und einem Prüfprotokoll, damit Sie nachvollziehen können, was gefragt, was geändert und von wem es geändert wurde. Mehr dazu finden Sie unter KI-Agenten für Finance, Sales und Customer Success sowie im CSM Portal, in dem die Arbeit von Customer Success angesiedelt sein kann.

Datenschutz und Regulierung: Was Sie beachten sollten

Ein Health Score, der aus Nutzungsdaten zu namentlich bekannten Nutzern aufgebaut wird, ist allgemein gesprochen eine Verarbeitung personenbezogener Daten. Die DSGVO gilt daher, wenn die Mitarbeitenden Ihrer Kunden in der EU sind. Je nachdem, was Sie aufbauen und wie Sie es einsetzen, können außerdem der EU AI Act und NIS2 für Ihre Systeme und Lieferanten relevant sein. Wir behandeln alle drei von Beginn an als Designanforderungen. Aufbau, Pilot und Tests laufen auf selbst gehosteter europäischer Infrastruktur in Deutschland. Nichts davon ist Rechtsberatung, und keine Designentscheidung garantiert Compliance. Fragen Sie Ihre eigene Rechtsberatung oder Ihren Datenschutzbeauftragten, wie die Regeln für Ihr Scoring gelten.

So führen Sie es in einem wachsenden SaaS-Unternehmen ein

Eine praxisnahe Abfolge für das erste Quartal:

  1. Eine verantwortliche Person benennen. Eine Person ist für die Definition, die Daten und die Quartalsprüfung verantwortlich.
  2. Die Eingaben prüfen. Legen Sie für jede Kennzahl fest, welches System die maßgebliche Quelle ist und wie aktuell das Feld sein muss.
  3. Die größten Datenlücken schließen. Felder für Sponsor und Champion, Anzahl der Lizenzplätze und Verlängerungsdaten stehen meist an erster Stelle.
  4. Eine einfache Scorecard starten. Fünf Kategorien, grobe Gewichte, drei Bänder.
  5. Jedem Band eine Maßnahme zuordnen. Gesund bekommt wenig Betreuung und Expansion-Beobachtung. Gefährdet bekommt Ansprache und einen Adoptionsplan. Kritisch bekommt Eskalation und einen Rettungsplan mit Frist.
  6. Nach 90 Tagen validieren, danach jedes Quartal.

Wie eine Version für die Onboarding-Phase aussieht, lesen Sie in unserem Beitrag zur Onboarding-Automatisierung für B2B-SaaS.

Unsere Sichtweise

Wir sehen Health Scoring zuerst als Betriebsproblem und erst dann als Analyseproblem. Teams verbringen Wochen mit der Debatte, ob die Nutzung mit 30 oder 40 Prozent gewichtet werden soll, während im CRM weiterhin ein Sponsor steht, der vor einem Jahr gegangen ist, und die Finanzabteilung eine andere Anzahl von Lizenzplätzen führt als das Produkt.

Deshalb arbeiten wir in einer festen Reihenfolge. Zuerst die Datenbasis (Data Foundation), mit CRM- und Finanzdaten als maßgeblicher Quelle. Dann die KI-Schicht, die diese Daten mit dem Assistenten verbindet, den Ihr Unternehmen bereits nutzt. Dann die Abteilungsagenten für Finance, Sales und Customer Success. Ein Health Score sitzt über allen dreien und ist nur so gut wie die unterste Schicht.

Wir sind außerdem überzeugt, dass jemand die Verantwortung dafür tragen muss. In vielen SaaS-Unternehmen nutzt das Team KI, aber niemand entscheidet, wo sie sich auszahlt und wo nicht. Ein Fractional Chief AI Officer ist eine namentlich benannte Person, die diese Entscheidung trifft, gestützt auf 25 Jahre Erfahrung in der Leitung des operativen Geschäfts, und die zugleich das funktionierende System aufbaut, damit Strategie und System nicht auseinanderdriften. Wir führen KI Prozess für Prozess ein und beginnen mit dem teuersten. Für viele Unternehmen steht die Abwanderung auf dieser Liste.

Der Kunde besitzt, was gebaut wird: Quellcode, Dokumentation und Infrastruktur gehen bei der Übergabe über.

Claus Nielsen

Wie NordOps Consulting helfen kann

Wenn Ihr Team einen Score hat, dem niemand vertraut, oder gar keinen, ist der erste Schritt ein klarer Blick auf Ihre Daten und darauf, wo sich KI auszahlen würde. Das AI Readiness Assessment beginnt ab €4,500 und behandelt genau diese Frage. Für einen kleineren ersten Schritt kostet der AI Snapshot €2,500 bis €3,500, und das 30-minütige Erstgespräch ist kostenlos.

Wenn Sie möchten, dass eine Person KI im gesamten Unternehmen verantwortet, beginnt das Fractional-Chief-AI-Officer-Retainer ab €1,500 pro Monat. Umsetzungen werden mit 30% der Einsparung im ersten Jahr berechnet, sobald diese gemessen und belegt ist, oder mit einem Festpreis, der vor Arbeitsbeginn vereinbart wird. Das größere Bild finden Sie auf unserer Seite zu KI für B2B-SaaS-Unternehmen in Europa.

FAQ

Was ist ein guter Customer Health Score?

Das hängt von Ihrer Skala und Ihren Bändern ab. Üblich ist: Gesund bei 70 bis 100, Gefährdet bei 40 bis 69 und Kritisch bei 0 bis 39. Der bessere Test ist, ob Accounts im roten Band häufiger abwandern als die übrigen. Validieren Sie das jedes Quartal anhand Ihrer eigenen abgewanderten Accounts.

Wie viele Kennzahlen sollte ein Health Score enthalten?

Sechs bis zehn sind ein praktikabler Bereich. Weniger als sechs lassen blinde Flecken, und mehr als zehn machen es schwer zu erkennen, warum sich ein Score verändert hat. Decken Sie Nutzung mit Trend, Adoption, Support, Beziehung und kommerzielle Signale ab, und streichen Sie jede Kennzahl, die sich nicht vor dem Ergebnis verändert.

Reicht NPS aus, um die Kundengesundheit zu messen?

Nein. Der NPS ist ein einzelnes Stimmungssignal und eine Momentaufnahme derjenigen, die geantwortet haben. Ein Health Score ist ein zusammengesetzter Wert, der mehrere Datenpunkte zu einer einzigen Sicht verbindet. Nutzen Sie den NPS als eine Eingangsgröße neben Nutzungs-, Support-, Beziehungs- und Abrechnungssignalen.

Wie warnt ein Health Score frühzeitig vor Abwanderung?

Das gelingt, wenn er vorlaufende Signale enthält und ein Absinken eine definierte Maßnahme auslöst. Beispiele sind ein fallender Nutzungstrend, ein ausgeschiedener Champion oder steigende Ticket-Schweregrade. Prüfen Sie den Score, indem Sie nachsehen, was er 90 Tage vor früheren Abwanderungen angezeigt hat. Wenn er damals grün war, kommen die Signale zu spät.

Kann KI den Score für uns berechnen?

KI kann die Daten abrufen, eine Veränderung des Scores erklären und die Nachverfolgung vorbereiten. Gewichtungen, Bandbreiten und Entscheidungen sollte ein Mensch verantworten. Zuerst müssen die Daten konsistent sein, sonst sind die Antworten zwar flüssig formuliert, aber nicht verlässlich.

Quellen