Customer health score

Un customer health score est un unique nombre composite, généralement de 0-100 ou une bande rouge/jaune/vert, qui agrège cinq familles de signal — usage produit, engagement, sentiment, support et résultats — en un seul indicateur de la probabilité qu’un compte renouvelle, se développe ou fasse churn. Il existe pour qu’un CSM gérant 40-80 comptes puisse trier son attention sans lire chaque compte à la main, et pour que la direction CS puisse faire le forecast du net revenue retention avec autre chose que l’intuition.

Ce qu’il n’est pas : ce n’est pas un modèle de prédiction de churn, et ce n’est pas le NPS. Un modèle de churn produit une probabilité issue d’un classifieur entraîné ; un health score est un rollup transparent et pondéré à la main qu’un CSM peut expliquer à un client. Le NPS est une entrée de sentiment parmi d’autres dans le health, pas un substitut. Traiter le score comme une vérité absolue plutôt que comme une aide à la priorisation est la façon la plus courante dont les équipes en font mauvais usage.

Les cinq familles de signal

• Usage — connexions, largeur d’adoption des features, seats activés vs. provisionnés, profondeur sur les features qui correspondent à votre proposition de valeur. Le signal leading le plus fort pour la plupart des SaaS.
• Engagement — présence aux QBR, ouverture/réponse aux email, réactivité de l’exec sponsor, participation à la communauté ou au training.
• Sentiment — NPS, CSAT, CES, plus le sentiment qualitatif consigné par le CSM. L’entrée la plus molle et la plus manipulable.
• Support — volume de tickets, gravité, temps de résolution, escalades, nombre de bugs contre ce compte.
• Résultats — le client a-t-il atteint les jalons du success plan, réalisé le ROI pour lequel il a acheté, atteint le time-to-value (TTV) ? La plus difficile à instrumenter et la plus prédictive du renouvellement.

La formule

Un health score est une somme pondérée de scores de composant normalisés :

Health = Σ (component_score_i × weight_i)   où Σ weight_i = 1.0

Chaque composant est d’abord normalisé à 0-100 (pour qu’un nombre brut de connexions et un NPS brut tombent sur la même échelle), puis pondéré. Un jeu de pondérations défendable pour démarrer, pour un produit B2B SaaS basé sur les seats :

Bandes : 70-100 vert, 40-69 jaune, sous 40 rouge. Calibrez les seuils contre vos propres données de renouvellement — exécutez le score rétrospectivement sur les 12 derniers mois de renouvellements et de churns, et déplacez la ligne vert/jaune là où elle sépare réellement ceux qui renouvellent de ceux qui font churn.

Leading vs. lagging

C’est la distinction qui rend un score utile. Un signal leading bouge avant le résultat de renouvellement et est actionnable — usage actif hebdomadaire en baisse, un champion qui est parti, présence aux QBR qui glisse. Un signal lagging confirme ce qui s’est déjà produit — un CSAT soumis après un mauvais trimestre, un avis de non-renouvellement. Pondérez plus haut les signaux leading : l’usage et la progression des résultats sont leading ; un ticket de support clos et une réponse à un sondage sont lagging. Un score dominé par des entrées lagging vous dit qu’un compte est en mauvaise santé la semaine où il fait churn, ce qui est trop tard pour agir.

Exemple travaillé

Un compte : usage normalisé à 80, résultats à 50, engagement à 90, sentiment à 70, support à 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  → vert (de justesse)

Le score est vert, mais les résultats à 50 sont la faiblesse porteuse — un usage produit fort et un sponsor content masquent le fait que le client n’a pas réalisé le ROI pour lequel il a acheté. C’est exactement le compte qu’un score basé uniquement sur l’usage étiquetterait à tort comme sûr. L’action du CSM est une remise à plat du success plan, pas un check-in.

Pièges courants

• Scores basés uniquement sur l’usage. Faciles à instrumenter, donc les équipes les livrent et s’arrêtent là. Un power user intensif en milieu d’onboarding peut afficher un usage élevé alors que le renouvellement est déjà perdu sur un résultat manquant. Garde-fou : forcez une pondération de résultats non nulle même si vous ne pouvez l’approximer que par un proxy (taux d’achèvement des jalons du success plan).
• Pondérations figées une fois pour toutes. Les pondérations dérivent de la réalité à mesure que le produit et le mix de segment changent. Garde-fou : ré-exécutez le score contre les résultats réels de renouvellement/churn chaque trimestre et réajustez les pondérations ; si la bande verte ne sépare pas ceux qui renouvellent de ceux qui font churn, elle est mal calibrée.
• Blanchiment de score. Quand le sentiment saisi par le CSM est une entrée lourde, les reps le gonflent pour garder leur book au vert. Garde-fou : plafonnez les entrées subjectives dans la plage 0.15-0.20 et auditez le sentiment contre des signaux objectifs.
• Un seul score pour tous les segments. Un compte SMB de 12 seats et un compte enterprise de 4 000 seats ne partagent pas une courbe d’usage. Garde-fou : maintenez des jeux de pondérations et des bandes par segment, pas une seule formule globale.
• Aucun mapping vers l’action. Un score sur lequel personne n’agit est un ornement de dashboard. Garde-fou : chaque transition de bande (vert→jaune, jaune→rouge) déclenche un play nommé avec un propriétaire, pas seulement un changement de couleur.

Liens connexes

• NRR vs GRR — les métriques de rétention qu’un health score est conçu pour prédire
• Gainsight et Planhat — des plateformes avec des scorecards de health configurables
• ChurnZero et Vitally — health piloté par l’usage et automatisation des playbooks