Customer health scoring zamienia sygnały z Państwa CRM, produktu, działu wsparcia i rozliczeń w jedną liczbę na konto, dzięki czemu zespół wie, do których klientów zadzwonić w tym tygodniu. Działa tylko wtedy, gdy dane, na których się opiera, są uzgodnione i wiarygodne. Wzór punktacji to najłatwiejsza część. Wskaźnik zbudowany na sprzecznych danych z CRM i działu finansów daje pewne siebie, ale błędne odpowiedzi. W NordOps Consulting budujemy najpierw fundament danych, potem warstwę AI, a następnie agentów, z których korzysta Państwa zespół ds. sukcesu klienta.

Ten przewodnik jest przeznaczony dla liderów firm B2B SaaS zatrudniających od około 20 do 200 osób. Omawia, jakich metryk używać, jak je ważyć, pokazuje przykład obliczeń, wyjaśnia, jak sprawdzić, czy wskaźnik przewiduje rezygnacje, oraz gdzie AI powinna, a gdzie nie powinna być zaangażowana.

W skrócie

Spis treści

Do czego służy wskaźnik kondycji klienta

Wskaźnik kondycji klienta szacuje, jak prawdopodobne jest, że konto odnowi umowę, rozszerzy ją lub zrezygnuje. Robi to, łącząc sygnały z różnych systemów w jeden, porównywalny obraz. Poradnik HubSpot zwraca uwagę, że to, co uznaje się za „zdrowe”, różni się w zależności od modelu biznesowego, złożoności produktu, segmentu klientów i etapu cyklu życia. Konta z 15 licencjami na etapie wdrożenia oraz z 400 licencjami w trzecim roku nie należy oceniać tą samą miarą.

Wskaźnik ma dwa zadania:

  1. Ustalanie priorytetów uwagi. Czteroosobowy zespół ds. sukcesu klienta nie jest w stanie co tydzień przeglądać 300 kont. Wskaźnik porządkuje listę.
  2. Wczesne ostrzeganie. Spadek wskaźnika powinien trafić do kogoś, gdy jest jeszcze czas na działanie, najlepiej na kilka miesięcy przed terminem odnowienia.

Jeśli wskaźnik nie spełnia żadnego z tych zadań, jest tylko ozdobą dashboardu. Większość wskaźników zawodzi z powodu danych wejściowych, a nie matematyki.

Jakie metryki kondycji klienta śledzić

Zacznij od pięciu kategorii sygnałów. Poniższe zakresy to wagi startowe opublikowane przez ZoomInfo. Są punktem wyjścia, a nie regułą.

Kategoria Typowe sygnały Waga startowa
Korzystanie z produktu Częstotliwość korzystania, liczba aktywnych użytkowników na licencjonowane stanowisko, korzystanie z funkcji 30 do 40%
Relacja Zaangażowany championd, aktywny sponsor po stronie zarządu, liczba interesariuszy, zmiany osobowe 20%
Wsparcie Liczba i waga zgłoszeń, eskalacje, trend z 90 dni 10 do 15%
Nastroje klientów NPS, CSAT, ankiety w aplikacji, ocena CSM 10 do 15%
Rozliczenia i aspekty handlowe Terminowość płatności, wnioski o obniżenie planu, wzrost liczby licencji 10 do 15%

Trzy kwestie są ważniejsze niż dokładne wartości procentowe.

Mierz trend, nie tylko poziom

Basedash przekonuje, że w większości produktów SaaS najlepszą zdolność predykcyjną ma kategoria trendu użycia, a nie poziomu użycia. Konto o wysokim użyciu, które w tym miesiącu spadło o 40 procent, jest często większym ryzykiem niż stabilne konto o niskim użyciu. Obok każdego wskaźnika punktowego przechowuj porównanie z ostatnich 30 i 90 dni.

Nie pozwól, by dane produktowe ukrywały ryzyko w relacji

Dane produktowe nie pokażą, że Twój champion odszedł w zeszłym miesiącu. ZoomInfo opisuje relację jako ślepą plamkę większości wskaźników zdrowia klienta i łączy tę lukę z wieloma niespodziewanymi rezygnacjami. Twój CRM powinien przechowywać championa, sponsora po stronie zarządu oraz datę ostatniego potwierdzenia każdego kontaktu. Jeśli tak nie jest, kategoria relacji to zgadywanie.

Łącz wskaźniki wyprzedzające i opóźnione

Poradnik HubSpot opisuje, że wysoko skuteczne zespoły równoważą wskaźniki wyprzedzające, takie jak użycie i zaangażowanie, z opóźnionymi, takimi jak wyniki odnowień i opinie. Sygnały wyprzedzające ostrzegają. Sygnały opóźnione potwierdzają to, co się stało. Wskaźnik złożony wyłącznie z sygnałów opóźnionych informuje o rezygnacji dopiero wtedy, gdy jest już za późno.

Utrzymuj krótką listę. Od sześciu do dziesięciu metryk to sensowny zakres: mniej oznacza ślepe punkty, a więcej utrudnia zrozumienie, dlaczego wynik się zmienił.

Jak obliczyć wskaźnik kondycji klienta

Obliczenie to suma ważona. Każda metryka jest przeliczana na wartość od 0 do 100, mnożona przez swoją wagę, a wyniki są sumowane.

Uzasadnionym punktem wyjścia dla B2B SaaS, opublikowanym przez Basedash, jest:

To samo źródło proponuje takie przedziały: zdrowe 70 do 100, zagrożone 40 do 69, krytyczne 0 do 39.

Przykład z wyliczeniem

To przykładowe konto, a nie rzeczywisty klient. Każda kategoria została już przeliczona na wartość od 0 do 100.

Kategoria Wartość Waga Udział
Użycie i trend 80 0.35 28.0
Adopcja 60 0.25 15.0
Wsparcie 70 0.15 10.5
Relacja i nastroje 40 0.15 6.0
Aspekt handlowy 90 0.10 9.0
Razem 68.5

Konto uzyskuje 68.5, czyli jest zagrożone. Użycie wygląda dobrze, a płatności są terminowe. Wynik obniżają relacja i adopcja: sponsor po stronie zarządu zamilkł, a wykorzystywana jest tylko część produktu. Wskaźnik oparty wyłącznie na użyciu uznałby to konto za bezpieczne.

Dlatego kolejny krok ma znaczenie. Przedział powinien uruchamiać konkretne działanie, takie jak rozmowa z zarządem klienta i plan adopcji niewykorzystywanych modułów. Liczba bez przypisanego działania nie zmienia tego, co Twój zespół robi w poniedziałek.

Przykład z wyliczeniem

Utrzymuj wagi w zgrubnych wartościach

Precyzyjne wagi sugerują pewność, której dane mogą nie uzasadniać. Zaokrąglaj do najbliższych pięciu procent, zapisuj, dlaczego każda waga ma taką wartość, i spodziewaj się jej zmian wraz z rozwojem produktu i zmianą struktury klientów. Na wczesnym etapie relacji z klientem większą wagę warto nadać postępowi onboardingu. W przypadku dojrzałych kont ważniejsze są głębokość użycia i osiągnięte rezultaty.

Stosuj osobne profile dla segmentów

Jeden wskaźnik dla wszystkich kont zaciera istotne różnice. Co najmniej oddziel konta w onboardingu od utrwalonych oraz małe konta od dużych. „Zdrowe” w onboardingu oznacza, że wdrożenie idzie zgodnie z planem. „Zdrowe” w trzecim roku oznacza, że wartość jest realizowana, a odnowienie jest prawdopodobne.

Dlaczego większość wskaźników kondycji zawodzi

Większość porażek wynika z instalacji danych, a nie ze wzoru.

Pierwsze dwa problemy dotyczą danych. W naszej pracy dane z CRM i finansów stają się źródłem prawdy, z którego korzysta wszystko inne, a Processor przekształca dane z otaczających systemów w jedną uzgodnioną wersję. Dopóki to nie istnieje, bardziej zaawansowany wskaźnik daje tylko bardziej zaawansowane błędy.

Zwaliduj wskaźnik na kontach, które już zrezygnowały

Walidacja to krok, który większość zespołów pomija. Zajmuje popołudnie i pokazuje, czy można ufać wskaźnikowi.

  1. Spójrz wstecz. Weź konta, które zrezygnowały w ciągu ostatnich dwunastu miesięcy. Odtwórz, co wskaźnik pokazałby 90 dni przed ich odejściem. Jeśli większość była zielona lub żółta, wskaźnik opisuje teraźniejszość zamiast wyprzedzać przyszłość.
  2. Spójrz z drugiej strony. Z wszystkich kont, które 90 dni temu byłyby czerwone, ile faktycznie zrezygnowało? Wskaźnik, który oznacza na czerwono dużą część bazy, wychwyci większość rezygnacji, a mimo to będzie bezużyteczny, bo nie pozwala ustalać priorytetów.
  3. Śledźcie precyzję na szczycie listy. Spośród kont, które wynik wskazał jako najbardziej zagrożone, ile wskazań było trafnych? Właśnie ta liczba jest warta uwagi.
  4. Powtarzajcie co kwartał. Segmenty, produkt i kupujący się zmieniają, a niesprawdzany wynik traci wiarygodność.

Pomagają tu dwa testy dla każdego sygnału: czy zmienia się przed wynikiem, a nie równolegle z nim, i czy ktoś może zrobić coś inaczej dzięki temu sygnałowi? Sygnał, który nie przejdzie któregokolwiek z testów, odpada.

Kiedy model statystyczny ma sens

Ważone karty wyników to dobry punkt wyjścia, ale część firm przechodzi na wytrenowany model. Zespół data science w Asana przebudował swój wynik kondycji konta w klasyfikator wytrenowany na historycznych danych o odejściach klientów, ponieważ pierwotny wynik był wskaźnikiem opóźnionym, a dział Customer Success potrzebował wcześniejszego ostrzeżenia. Zespół poinformował, że nowy model z prawdopodobieństwem większym o 20 do 50 procent wychwytywał zagrożone konta niż wcześniejszy wynik, w zależności od typu konta.

Dwa szczegóły z tej pracy przydadzą się firmie każdej wielkości. Konta oznaczono jako utracone osiem tygodni przed faktyczną datą odejścia, aby model uczył się na wczesnych sygnałach. Model oceniano też według górnego decyla kont, ponieważ 10 procent klientów mniej więcej odpowiadało liczbie kont, do których zespół mógł realnie dotrzeć na czas.

Moment, zasięg i wyniki wykrywania w modelu odejść klientów

W firmie zatrudniającej od 20 do 200 osób i mającej kilkaset kont historia potrzebna do wytrenowania wiarygodnego modelu bywa skromna. Przejrzysty ważony wynik, weryfikowany co kwartał, jest zwykle lepszym pierwszym krokiem. Przejdźcie na model, gdy będziecie mieć dość zdarzeń odejścia i czystych danych, aby go oprzeć.

Gdzie AI ma miejsce w ocenie kondycji klienta, a gdzie nie

AI jest przydatna w pracy wokół wyniku. Jako właściciel samego wyniku sprawdza się słabo.

Gdzie AI się opłaca:

Gdzie AI nie powinna być:

Projektujemy takich agentów z uprawnieniami, etapem akceptacji i ścieżką audytu, aby można było zobaczyć, o co zapytano, co zmieniono i kto to zrobił. Więcej szczegółów znajdziecie w tekście o agentach AI dla Finance, Sales i Customer Success oraz o CSM Portal, gdzie może mieścić się praca Customer Success.

Prywatność i regulacje: o czym pamiętać

Wynik kondycji zbudowany na danych o użyciu powiązanych z imiennymi użytkownikami jest co do zasady przetwarzaniem danych osobowych, więc RODO ma zastosowanie, gdy pracownicy Waszych klientów znajdują się w UE. W zależności od tego, co budujecie i jak z tego korzystacie, istotne dla Waszych systemów i dostawców mogą być także EU AI Act i NIS2. Od początku traktujemy wszystkie trzy jako wymagania projektowe. Budowa, pilotaż i testy działają na własnej, europejskiej infrastrukturze w Niemczech. Nic z tego nie jest poradą prawną i żaden wybór projektowy nie gwarantuje zgodności. Zapytajcie własnego radcę prawnego lub inspektora ochrony danych, jak przepisy odnoszą się do Waszego scoringu.

Jak wdrożyć to w rozwijającej się firmie SaaS

Praktyczna kolejność działań na pierwszy kwartał:

  1. Wskażcie jednego właściciela. Jedna osoba odpowiada za definicję, dane i kwartalną weryfikację.
  2. Zbadajcie dane wejściowe. Dla każdej metryki ustalcie, który system jest źródłem prawdy i jak aktualne musi być pole.
  3. Uzupełnijcie największe luki w danych. Zwykle zaczyna się od pól sponsora i championa, liczby licencji i dat odnowień.
  4. Uruchomcie prostą kartę wyników. Pięć kategorii, zgrubne wagi, trzy przedziały.
  5. Przypiszcie jedno działanie do każdego przedziału. Zdrowe konto: lekki kontakt i obserwacja potencjału rozwoju. Zagrożone: kontakt i plan wdrożenia. Krytyczne: eskalacja i plan ratunkowy z terminem.
  6. Zweryfikujcie po 90 dniach, a potem co kwartał.

Aby zobaczyć, jak wygląda wersja dla etapu onboardingu, przeczytajcie naszą notatkę o automatyzacji onboardingu w B2B SaaS.

Nasz punkt widzenia

Uważamy, że scoring kondycji klientów jest najpierw problemem operacyjnym, a dopiero potem analitycznym. Zespoły tygodniami spierają się, czy użycie powinno ważyć 30 czy 40 procent, a w CRM nadal widnieje sponsor, który odszedł rok temu, i dział finansów ma inną liczbę licencji niż produkt.

Dlatego pracujemy w ustalonej kolejności. Najpierw fundament danych, z danymi CRM i finansowymi jako źródłem prawdy. Potem warstwa AI, łącząca te dane z asystentem, z którego Wasza firma już korzysta. Następnie agenci dla działów Finance, Sales i Customer Success. Wynik kondycji leży na wierzchu wszystkich trzech i jest tak dobry, jak dolna warstwa.

Uważamy też, że ktoś musi za to odpowiadać. W wielu firmach SaaS zespół korzysta z AI, ale nikt nie decyduje, gdzie się ona opłaca, a gdzie nie. Fractional Chief AI Officer to jedna wskazana osoba, która podejmuje tę decyzję, mająca za sobą 25 lat prowadzenia operacji, i która buduje też działający system, aby strategia i system nie rozjeżdżały się. Wdrażamy AI proces po procesie, zaczynając od najkosztowniejszego. W wielu firmach odejścia klientów znajdują się na tej liście.

Klient jest właścicielem tego, co zostało zbudowane: kod źródłowy, dokumentacja i infrastruktura są przekazywane przy zakończeniu projektu.

Claus Nielsen

Jak NordOps Consulting może pomóc

Jeśli Wasz zespół ma wynik, któremu nikt nie ufa, albo nie ma żadnego wyniku, pierwszym krokiem jest rzetelne spojrzenie na Wasze dane i na to, gdzie AI by się opłaciła. AI Readiness Assessment kosztuje od €4,500 i dotyczy właśnie tego pytania. Na mniejszy pierwszy krok AI Snapshot kosztuje €2,500 do €3,500, a 30-minutowa rozmowa wstępna jest bezpłatna.

Jeśli chcecie, aby jedna osoba odpowiadała za AI w całej firmie, abonament Fractional Chief AI Officer zaczyna się od €1,500 miesięcznie. Wdrożenia wyceniamy na 30% oszczędności z pierwszego roku, po ich zmierzeniu i potwierdzeniu, albo według stałej ceny uzgodnionej przed rozpoczęciem pracy. Szerszy obraz znajdziecie na naszej stronie o AI dla firm B2B SaaS w Europie.

FAQ

Co to jest dobry wynik kondycji klienta?

To zależy od Waszej skali i przedziałów. Częsty układ to Healthy od 70 do 100, At risk od 40 do 69 i Critical od 0 do 39. Lepszym testem jest to, czy konta w czerwonym przedziale odchodzą częściej niż pozostałe. Sprawdzajcie to co kwartał na własnych kontach, które odeszły.

Ile metryk powinien zawierać wynik kondycji?

Rozsądny zakres to od sześciu do dziesięciu. Mniej niż sześć zostawia martwe punkty, a więcej niż dziesięć utrudnia zrozumienie, dlaczego wynik się zmienił. Uwzględnijcie użycie wraz z trendem oraz sygnały dotyczące wdrożenia, wsparcia, relacji i warunków handlowych, a każdą metrykę, która nie zmienia się przed wynikiem, usuńcie.

Czy NPS wystarczy do pomiaru kondycji klienta?

Nie. NPS to jeden sygnał nastrojów i jest migawką od osób, które odpowiedziały. Wynik kondycji to wskaźnik złożony, który łączy kilka punktów danych w jeden obraz. Używajcie NPS jako jednego z elementów obok sygnałów dotyczących użycia, wsparcia, relacji i rozliczeń.

Jak wynik kondycji daje wczesne ostrzeżenie przed odejściem klienta?

Tak, jeśli zawiera sygnały wyprzedzające, a spadek uruchamia zdefiniowane działanie. Przykłady to spadający trend użycia, odejście championa lub rosnąca waga zgłoszeń. Sprawdź wskaźnik, patrząc na to, co pokazywał 90 dni przed dotychczasowymi rezygnacjami. Jeśli wtedy był zielony, sygnały pojawiają się zbyt późno.

Czy AI może obliczać wskaźnik za nas?

AI może pobrać dane, wyjaśnić zmianę wskaźnika i przygotować kolejne kroki. Wagi, przedziały i decyzje powinny należeć do konkretnej osoby. Najpierw dane muszą być spójne, w przeciwnym razie odpowiedzi będą płynne, ale niewiarygodne.

Źródła