Customer health scoring zet signalen uit uw CRM, product, supportdesk en facturatie om in één getal per account, zodat uw team weet welke klanten het deze week moet bellen. Het werkt alleen als de onderliggende data afgestemd en betrouwbaar is. De scoreformule is het makkelijke deel. Een score die is gebouwd op tegenstrijdige CRM- en financiële gegevens levert stellige, onjuiste antwoorden op. Bij NordOps Consulting bouwen we eerst het datafundament, daarna de AI-laag en vervolgens de agents die uw klantsuccesteam gebruikt.

Deze gids is bedoeld voor leiders van B2B SaaS-bedrijven met ongeveer 20 tot 200 medewerkers. Hij behandelt welke metrics u kunt gebruiken, hoe u ze weegt, een uitgewerkte berekening, hoe u controleert of de score churn voorspelt en waar AI wel en niet bij betrokken hoort te zijn.

Kort samengevat

Inhoudsopgave

Waarvoor een customer health score dient

Een customer health score schat in hoe groot de kans is dat een account verlengt, uitbreidt of vertrekt. Dat doet de score door signalen uit verschillende systemen te combineren tot één vergelijkbaar beeld. In de gids van HubSpot staat dat wat als “gezond” geldt, verschilt per bedrijfsmodel, productcomplexiteit, klantsegment en levenscyclusfase. Een account met 15 seats in onboarding en een account met 400 seats in het derde jaar beoordeelt u niet met dezelfde maatstaf.

De score heeft twee taken:

  1. Aandacht prioriteren. Een klantsuccesteam van vier mensen kan niet elke week 300 accounts doornemen. De score sorteert de lijst.
  2. Vroeg waarschuwen. Een dalende score moet iemand bereiken zolang er nog tijd is om te handelen, bij voorkeur maanden voor de verlengingsdatum.

Doet de score geen van beide, dan is het dashboarddecoratie. De meeste scores falen door de input, niet door de wiskunde.

Welke customer health metrics u bijhoudt

Begin met vijf categorieën signalen. De bereiken hieronder zijn startwegingen die ZoomInfo publiceert. Ze zijn een startpunt, geen regel.

Categorie Typische signalen Startweging
Productgebruik Gebruiksfrequentie, actieve gebruikers per gelicentieerde seat, featuregebruik 30 tot 40%
Relatie Betrokken champion, actieve executive sponsor, aantal stakeholders, personeelswisselingen 20%
Support Aantal en ernst van tickets, escalaties, trend over 90 dagen 10 tot 15%
Sentiment NPS, CSAT, in--appenquêtes, oordeel van de CSM 10 tot 15%
Facturatie en commercieel Tijdigheid van betalingen, verzoeken om downgrades, groei van licenties 10 tot 15%

Drie punten zijn belangrijker dan de exacte percentages.

Meet de trend, niet alleen het niveau

Basedash stelt dat bij de meeste SaaS-producten de meest voorspellende categorie de gebruikstrend is, en niet het gebruiksniveau. Een account met veel gebruik dat deze maand 40 procent is gedaald, is vaak een groter risico dan een stabiel account met weinig gebruik. Sla naast elke momentopname een vergelijking over 30 dagen en over 90 dagen op.

Laat productdata relatierisico's niet verbergen

Productdata kan niet zien dat uw champion vorige maand is vertrokken. ZoomInfo beschrijft de relatie als de blinde vlek van de meeste health scores en koppelt die leemte aan veel onverwachte churn. Uw CRM moet de champion, de executive sponsor en de datum van de laatste bevestiging van elk contact bevatten. Als dat niet zo is, is de relatiecategorie giswerk.

Combineer voorlopende en achterlopende indicatoren

De gids van HubSpot beschrijft hoogpresterende teams als teams die een balans vinden tussen voorlopende indicatoren zoals gebruik en betrokkenheid en achterlopende indicatoren zoals verlengingsresultaten en feedback. Voorlopende signalen waarschuwen u. Achterlopende signalen bevestigen wat er is gebeurd. Een score die alleen uit achterlopende signalen bestaat, vertelt u over churn wanneer het te laat is.

Houd de lijst kort. Zes tot tien metrics is een werkbaar bereik: minder laat blinde vlekken, en meer maakt het moeilijk te zien waarom een score is veranderd.

Hoe u een customer health score berekent

De berekening is een gewogen som. Elke metric wordt omgezet naar een waarde van 0 tot 100, vermenigvuldigd met zijn weging, en de uitkomsten worden opgeteld.

Een verdedigbaar uitgangspunt voor B2B SaaS, gepubliceerd door Basedash, is:

Dezelfde bron stelt deze bandbreedtes voor: Gezond 70 tot 100, Risico 40 tot 69, Kritiek 0 tot 39.

Een uitgewerkt voorbeeld

Dit is een illustratief account, geen echte klant. Elke categorie is al omgezet naar een waarde van 0 tot 100.

Categorie Waarde Weging Bijdrage
Gebruik en trend 80 0.35 28.0
Adoptie 60 0.25 15.0
Support 70 0.15 10.5
Relatie en sentiment 40 0.15 6.0
Commercieel 90 0.10 9.0
Totaal 68.5

Het account scoort 68,5, wat in de band Risico valt. Het gebruik ziet er sterk uit en de betalingen verlopen op tijd. De rem zit in de relatie en de adoptie: de executive sponsor is stil geworden en slechts een deel van het product wordt gebruikt. Een score die alleen op gebruik is gebaseerd, had dit account veilig genoemd.

Daarom is de volgende stap belangrijk. De band moet een concrete actie in gang zetten, zoals een gesprek met de executive en een adoptieplan voor de ongebruikte modules. Een getal zonder gekoppelde actie verandert niets aan wat uw team maandag doet.

Een uitgewerkt voorbeeld

Houd de wegingen grof

Nauwkeurige wegingen wekken een zekerheid die de data mogelijk niet kan onderbouwen. Rond af op de dichtstbijzijnde vijf procent, leg vast waarom elke weging is zoals hij is, en verwacht dat u ze moet aanpassen naarmate het product en uw klantmix veranderen. Vroeg in de klantreis verdient de voortgang van onboarding meer gewicht. Bij gevestigde accounts zijn diepte van gebruik en resultaten belangrijker.

Gebruik aparte profielen per segment

Eén enkele score voor elk account doet belangrijke verschillen vervagen. Scheid minimaal onboarding-accounts van gevestigde accounts, en kleine accounts van grote. “Gezond” in onboarding betekent op koers om live te gaan. “Gezond” in jaar drie betekent dat de waarde is gerealiseerd en dat verlenging waarschijnlijk is.

Waarom de meeste health scores falen

De meeste mislukkingen komen voort uit de infrastructuur, niet uit de formule.

De eerste twee zijn dataproblemen. In ons werk worden CRM- en financiële data de bron van waarheid die al het andere leest, met een Processor die de data in de omliggende systemen omzet in één afgesproken versie. Zolang die er niet is, levert een geavanceerdere score alleen geavanceerdere fouten op.

Valideer de score aan de hand van accounts die al zijn vertrokken

Validatie is de stap die de meeste teams overslaan. Het kost een middag en vertelt u of u de score kunt vertrouwen.

  1. Kijk terug. Neem de accounts die in de afgelopen twaalf maanden zijn weggegaan. Reconstrueer wat de score 90 dagen voor hun vertrek zou hebben gezegd. Als de meeste groen of geel waren, beschrijft de score het heden in plaats van de toekomst te voorspellen.
  2. Kijk de andere kant op. Hoeveel van alle accounts die 90 dagen geleden rood zouden zijn geweest, zijn daadwerkelijk weggegaan? Een score die een groot deel van het klantenbestand rood markeert, vangt het grootste deel van de churn en is toch nutteloos, omdat hij niet kan prioriteren.
  3. Volg de precisie aan de top. Van de accounts die de score als meest risicovol aanmerkte, hoeveel klopten er? Dat is het getal dat de moeite waard is om te volgen.
  4. Herhaal dit elk kwartaal. Segmenten, product en kopers veranderen, en een score die niet wordt gecontroleerd verliest zijn waarde.

Twee tests per signaal helpen hierbij: beweegt het vóór de uitkomst in plaats van er gelijktijdig mee, en kan iemand er iets anders door gaan doen? Een signaal dat een van beide tests niet doorstaat, gaat eruit.

Wanneer een statistisch model zinvol is

Gewogen scorecards zijn een goed beginpunt, maar sommige bedrijven stappen over op een getraind model. Het data science-team van Asana herbouwde zijn account health score als een classifier die is getraind op historische churndata, omdat de oorspronkelijke score een achterlopende indicator was en Customer Success vroegtijdig gewaarschuwd moest worden. Het team meldde dat het nieuwe model, afhankelijk van het type account, 20 tot 50 procent vaker accounts met een risico wist te signaleren dan de eerdere score.

Twee details uit dat werk zijn nuttig voor bedrijven van elke omvang. Ze labelden accounts als churned acht weken vóór de werkelijke churndatum, zodat het model leerde van vroege signalen. Ze beoordeelden het model bovendien op het bovenste deccentiel van de accounts, omdat 10 procent van de klanten ongeveer overeenkwam met het aantal accounts dat hun team daadwerkelijk op tijd kon bereiken.

Timing, bereik en detectieresultaten van het churnmodel

Voor een bedrijf met 20 tot 200 medewerkers en een paar honderd accounts is de historie om een betrouwbaar model te trainen vaak beperkt. Een transparante gewogen score, elk kwartaal gevalideerd, is meestal de betere eerste stap. Stap over op een model wanneer u genoeg churngebeurtenissen en schone data hebt om dat te onderbouwen.

Waar AI thuishoort in health scoring, en waar niet

AI is nuttig in het werk rondom de score. Als eigenaar van de score zelf is AI ongeschikt.

Waar AI loont:

Waar AI niet thuishoort:

Wij ontwerpen deze agents met rechten, een goedkeuringsstap en een audittrail, zodat u kunt zien wat is gevraagd, wat is gewijzigd en door wie. Meer details vindt u bij AI-agents voor Finance, Sales en Customer Success, en bij het CSM Portal waar het werk van Customer Success kan plaatsvinden.

Privacy en regelgeving: waar u rekening mee houdt

Een health score op basis van gebruiksdata die aan met naam bekende gebruikers is gekoppeld, is in algemene zin verwerking van persoonsgegevens, dus de AVG (GDPR) is van toepassing wanneer het personeel van uw klanten zich in de EU bevindt. Afhankelijk van wat u bouwt en hoe u het gebruikt, kunnen ook de EU AI Act en NIS2 relevant zijn voor uw systemen en leveranciers. Wij behandelen alle drie vanaf het begin als ontwerpeisen. Bouw, pilot en testen draaien op zelf gehoste Europese infrastructuur in Duitsland. Niets hiervan is juridisch advies, en geen enkele ontwerpkeuze garandeert naleving. Vraag uw eigen juridisch adviseur of functionaris voor gegevensbescherming hoe de regels van toepassing zijn op uw scoring.

Zo rolt u het uit in een groeiend SaaS-bedrijf

Een praktische volgorde voor het eerste kwartaal:

  1. Benoem één eigenaar. Eén persoon is verantwoordelijk voor de definitie, de data en de kwartaalcontrole.
  2. Controleer de input. Bepaal per metric welk systeem de bron van waarheid is en hoe actueel het veld moet zijn.
  3. Herstel de grootste datagaten. Velden voor sponsor en champion, aantallen seats en verlengingsdata komen meestal als eerste aan bod.
  4. Lanceer een eenvoudige scorecard. Vijf categorieën, grove gewichten, drie bandbreedtes.
  5. Koppel één actie aan elke band. Gezond krijgt weinig aandacht en een uitbreidingsmonitor. At risk krijgt outreach en een adoptieplan. Kritiek krijgt escalatie en een save-plan met een deadline.
  6. Valideer na 90 dagen, en daarna elk kwartaal.

Wilt u zien hoe een versie voor de onboardingfase eruitziet, lees dan onze notitie over onboardingautomatisering voor B2B SaaS.

Onze visie

Wij beschouwen health scoring eerst als een operationeel vraagstuk en pas daarna als een analytisch vraagstuk. Teams besteden weken aan de discussie of gebruik 30 of 40 procent moet wegen, terwijl het CRM nog steeds een sponsor vermeldt die een jaar geleden is vertrokken en finance een ander aantal seats heeft dan het product.

Daarom werken wij in een vaste volgorde. Eerst het datafundament, met CRM- en financiële data als bron van waarheid. Dan de AI-laag, die die data verbindt met de assistent die uw bedrijf al gebruikt. Daarna de afdelingsagents voor Finance, Sales en Customer Success. Een health score zit daar bovenop en is slechts zo goed als de onderste laag.

Wij vinden ook dat iemand de verantwoordelijkheid moet dragen. In veel SaaS-bedrijven gebruikt het team AI, maar niemand beslist waar het loont en waar niet. Een Fractional Chief AI Officer is één benoemd persoon die die beslissing neemt, met 25 jaar ervaring in het runnen van operaties, en die ook het werkende systeem bouwt, zodat strategie en systeem niet uit elkaar groeien. Wij voeren AI proces voor proces in, te beginnen met het duurste. Voor veel bedrijven staat churn op die lijst.

De klant is eigenaar van wat er is gebouwd: broncode, documentatie en infrastructuur worden bij oplevering overgedragen.

Claus Nielsen

Hoe NordOps Consulting kan helpen

Als uw team een score heeft die niemand vertrouwt, of helemaal geen score, is de eerste stap een heldere blik op uw data en op waar AI loont. De AI Readiness Assessment start vanaf €4,500 en behandelt precies die vraag. Voor een kleinere eerste stap is de AI Snapshot geprijsd op €2,500 tot €3,500, en het kennismakingsgesprek van 30 minuten is gratis.

Wilt u één persoon die AI voor het hele bedrijf in handen heeft, dan start de Fractional Chief AI Officer-retainer vanaf €1,500 per maand. Bouwprojecten worden geprijsd op 30% van de besparing in het eerste jaar, zodra die is gemeten en bewezen, of tegen een vaste prijs die vóór de start van het werk is afgesproken. Het bredere beeld vindt u op onze pagina over AI voor B2B SaaS-bedrijven in Europa.

FAQ

Wat is een goede customer health score?

Dat hangt af van uw schaal en bandbreedtes. Een gebruikelijke opzet is Gezond van 70 tot 100, At risk van 40 tot 69 en Kritiek van 0 tot 39. De betere test is of accounts in de rode band vaker churnen dan de rest. Valideer dat elk kwartaal aan de hand van uw eigen verloren accounts.

Hoeveel metrics moet een health score bevatten?

Zes tot tien is een werkbaar bereik. Minder dan zes laat blinde vlekken, en meer dan tien maakt het lastig om te zien waarom een score is veranderd. Dek gebruik met trend, adoptie, support, relatie en commerciële signalen af, en schrap elke metric die niet vóór de uitkomst beweegt.

Is NPS genoeg om de gezondheid van een klant te meten?

Nee. NPS is één sentimentsignaal en een momentopname van de mensen die hebben geantwoord. Een health score is een samengestelde maat die meerdere datapunten combineert tot één overzicht. Gebruik NPS als één input naast gebruiks-, support-, relatie- en factuursignalen.

Hoe geeft een health score vroegtijdig waarschuwing voor churn?

Dat doet hij wanneer hij voorlopende signalen bevat en een daling een vastgelegde actie in gang zet. Voorbeelden zijn een dalende gebruikstrend, een vertrokken champion of toenemende ernst van tickets. Toets de score door te kijken wat hij 90 dagen vóór eerdere churn aangaf. Als hij toen groen was, komen de signalen te laat.

Kan AI de score voor ons berekenen?

AI kan de data ophalen, een verandering in een score toelichten en de opvolging voorbereiden. Een mens moet eigenaar zijn van de wegingen, de bandbreedtes en de beslissingen. De data moeten eerst consistent zijn, anders zijn de antwoorden vloeiend maar onbetrouwbaar.

Bronnen