Un customer health score es un único número compuesto, usualmente de 0-100 o una banda rojo/amarillo/verde, que agrega cinco familias de señal — uso de producto, engagement, sentiment, soporte y resultados — en un solo indicador de qué tan probable es que una cuenta renueve, expanda o haga churn. Existe para que un CSM que administra 40-80 cuentas pueda triar la atención sin leer cada cuenta a mano, y para que el liderazgo de CS pueda forecastear el net revenue retention con algo más que la intuición.
Lo que no es: no es un modelo de predicción de churn, y no es NPS. Un modelo de churn produce una probabilidad desde un clasificador entrenado; un health score es un rollup transparente y ponderado a mano que un CSM puede explicarle a un cliente. NPS es una entrada de sentiment dentro de health, no un sustituto. Tratar el score como verdad absoluta en lugar de una ayuda de priorización es la forma más común en que los equipos lo usan mal.
Las cinco familias de señal
- Uso — logins, amplitud de adopción de features, seats activados vs. aprovisionados, profundidad en las features que mapean a tu propuesta de valor. La señal leading más fuerte para la mayoría de SaaS.
- Engagement — asistencia a QBR, apertura/respuesta de email, responsividad del exec sponsor, participación en comunidad o training.
- Sentiment — NPS, CSAT, CES, más el sentiment cualitativo registrado por el CSM. La entrada más blanda y manipulable.
- Soporte — volumen de tickets, severidad, tiempo de resolución, escalaciones, conteo de bugs contra esta cuenta.
- Resultados — ¿el cliente alcanzó los hitos del success plan, realizó el ROI por el que compró, logró el time-to-value (TTV)? La más difícil de instrumentar y la más predictiva de la renovación.
La fórmula
Un health score es una suma ponderada de scores de componente normalizados:
Health = Σ (component_score_i × weight_i) donde Σ weight_i = 1.0Cada componente se normaliza primero a 0-100 (para que un conteo crudo de logins y un NPS crudo caigan en la misma escala), luego se pondera. Un set de pesos defendible para empezar, para un producto B2B SaaS basado en seats:
| Familia de señal | Peso |
|---|---|
| Uso | 0.35 |
| Resultados | 0.25 |
| Engagement | 0.15 |
| Sentiment | 0.15 |
| Soporte | 0.10 |
Bandas: 70-100 verde, 40-69 amarillo, bajo 40 rojo. Calibra los cortes contra tus propios datos de renovación — corre el score retrospectivamente contra los últimos 12 meses de renovaciones y churns, y mueve la línea verde/amarillo a donde realmente separa a quienes renuevan de quienes hacen churn.
Leading vs. lagging
Esta es la distinción que hace útil a un score. Una señal leading se mueve antes del resultado de renovación y es intervenible — uso semanal activo en declive, un champion que se fue, asistencia a QBR cayendo. Una señal lagging confirma lo que ya pasó — un CSAT enviado tras un mal trimestre, un aviso de no renovación. Pondera más alto las señales leading: el uso y el progreso de resultados son leading; un ticket de soporte cerrado y una respuesta de encuesta son lagging. Un score dominado por entradas lagging te dice que una cuenta está mal de salud la semana en que hace churn, lo cual es demasiado tarde para actuar.
Ejemplo trabajado
Una cuenta: uso normalizado a 80, resultados a 50, engagement a 90, sentiment a 70, soporte a 60.
Health = 80×0.35 + 50×0.25 + 90×0.15 + 70×0.15 + 60×0.10
= 28 + 12.5 + 13.5 + 10.5 + 6
= 70.5 → verde (apenas)El score es verde, pero resultados en 50 es la debilidad que carga el peso — un uso de producto fuerte y un sponsor contento están enmascarando el hecho de que el cliente no ha realizado el ROI por el que compró. Esta es exactamente la cuenta que un score basado solo en uso etiquetaría mal como segura. La acción del CSM es un reset del success plan, no un check-in.
Errores comunes
- Scores basados solo en uso. Fáciles de instrumentar, así que los equipos los lanzan y se detienen. Un power user pesado a mitad del onboarding puede mostrar uso alto mientras la renovación ya está perdida por un resultado faltante. Guarda: fuerza un peso de resultados distinto de cero aunque solo puedas usar un proxy (completitud de hitos del success plan).
- Pesos de poner-y-olvidar. Los pesos se desvían de la realidad a medida que cambia el producto y la mezcla de segmento. Guarda: vuelve a correr el score contra resultados reales de renovación/churn trimestralmente y reajusta los pesos; si la banda verde no separa a quienes renuevan de quienes hacen churn, está mal calibrada.
- Lavado de score. Cuando el sentiment ingresado por el CSM es una entrada pesada, los reps lo inflan para mantener su book en verde. Guarda: limita las entradas subjetivas al rango 0.15-0.20 y audita el sentiment contra señales objetivas.
- Un solo score para todos los segmentos. Una cuenta SMB de 12 seats y una cuenta enterprise de 4,000 seats no comparten una curva de uso. Guarda: mantén sets de pesos y bandas por segmento, no una sola fórmula global.
- Sin mapeo de acción. Un score sobre el que nadie actúa es un adorno de dashboard. Guarda: cada transición de banda (verde→amarillo, amarillo→rojo) dispara un play nombrado con un dueño, no solo un cambio de color.
Relacionados
- NRR vs GRR — las métricas de retención que un health score está construido para predecir
- Gainsight y Planhat — plataformas con scorecards de health configurables
- ChurnZero y Vitally — health basado en uso y automatización de playbooks