Customer health score

Um customer health score é um único número composto, normalmente de 0-100 ou uma faixa vermelho/amarelo/verde, que agrega cinco famílias de sinal — uso de produto, engagement, sentiment, suporte e resultados — em um só indicador de quão provável é que uma conta renove, expanda ou dê churn. Ele existe para que um CSM que gerencia 40-80 contas consiga priorizar a atenção sem ler cada conta na mão, e para que a liderança de CS consiga fazer forecast do net revenue retention com algo além da intuição.

O que não é: não é um modelo de previsão de churn, e não é NPS. Um modelo de churn produz uma probabilidade a partir de um classificador treinado; um health score é um rollup transparente e ponderado à mão que um CSM consegue explicar para um cliente. NPS é uma entrada de sentiment dentro de health, não um substituto. Tratar o score como verdade absoluta em vez de uma ajuda de priorização é a forma mais comum de os times usarem ele errado.

As cinco famílias de sinal

• Uso — logins, amplitude de adoção de features, seats ativados vs. provisionados, profundidade nas features que mapeiam para a sua proposta de valor. O sinal leading mais forte para a maioria dos SaaS.
• Engagement — presença em QBR, abertura/resposta de email, responsividade do exec sponsor, participação em comunidade ou training.
• Sentiment — NPS, CSAT, CES, mais o sentiment qualitativo registrado pelo CSM. A entrada mais mole e mais manipulável.
• Suporte — volume de tickets, severidade, tempo de resolução, escalações, contagem de bugs contra essa conta.
• Resultados — o cliente atingiu os marcos do success plan, realizou o ROI pelo qual comprou, alcançou o time-to-value (TTV)? A mais difícil de instrumentar e a mais preditiva da renovação.

A fórmula

Um health score é uma soma ponderada de scores de componente normalizados:

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

Cada componente é normalizado primeiro para 0-100 (para que uma contagem crua de logins e um NPS cru caiam na mesma escala), depois ponderado. Um conjunto de pesos defensável para começar, para um produto B2B SaaS baseado em seats:

Faixas: 70-100 verde, 40-69 amarelo, abaixo de 40 vermelho. Calibre os cortes contra os seus próprios dados de renovação — rode o score retroativamente contra os últimos 12 meses de renovações e churns, e mova a linha verde/amarelo para onde ela de fato separa quem renova de quem dá churn.

Leading vs. lagging

Essa é a distinção que torna um score útil. Um sinal leading se move antes do resultado de renovação e é intervencionável — uso semanal ativo em queda, um champion que saiu, presença em QBR caindo. Um sinal lagging confirma o que já aconteceu — um CSAT enviado depois de um trimestre ruim, um aviso de não renovação. Pondere mais alto os sinais leading: uso e progresso de resultados são leading; um ticket de suporte fechado e uma resposta de pesquisa são lagging. Um score dominado por entradas lagging te diz que uma conta está sem saúde na semana em que ela dá churn, o que é tarde demais para agir.

Exemplo trabalhado

Uma conta: uso normalizado para 80, resultados para 50, engagement para 90, sentiment para 70, suporte para 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 (no limite)

O score é verde, mas resultados em 50 é a fraqueza que carrega o peso — um uso de produto forte e um sponsor satisfeito estão mascarando o fato de que o cliente não realizou o ROI pelo qual comprou. Essa é exatamente a conta que um score baseado só em uso rotularia errado como segura. A ação do CSM é um reset do success plan, não um check-in.

Erros comuns

• Scores baseados só em uso. Fáceis de instrumentar, então os times lançam e param por aí. Um power user pesado no meio do onboarding pode mostrar uso alto enquanto a renovação já está perdida por um resultado faltante. Guarda: force um peso de resultados diferente de zero mesmo que você só consiga usar um proxy (conclusão de marcos do success plan).
• Pesos de definir-e-esquecer. Os pesos se desviam da realidade conforme o produto e o mix de segmento mudam. Guarda: rode o score de novo contra resultados reais de renovação/churn trimestralmente e reajuste os pesos; se a faixa verde não está separando quem renova de quem dá churn, ela está mal calibrada.
• Lavagem de score. Quando o sentiment inserido pelo CSM é uma entrada pesada, os reps inflam ele para manter o book deles no verde. Guarda: limite as entradas subjetivas à faixa de 0.15-0.20 e audite o sentiment contra sinais objetivos.
• Um score só para todos os segmentos. Uma conta SMB de 12 seats e uma conta enterprise de 4.000 seats não compartilham uma curva de uso. Guarda: mantenha conjuntos de pesos e faixas por segmento, não uma fórmula global única.
• Sem mapeamento de ação. Um score sobre o qual ninguém age é um enfeite de dashboard. Guarda: cada transição de faixa (verde→amarelo, amarelo→vermelho) dispara um play nomeado com um dono, não só uma mudança de cor.

Relacionados

• NRR vs GRR — as métricas de retenção que um health score é construído para prever
• Gainsight e Planhat — plataformas com scorecards de health configuráveis
• ChurnZero e Vitally — health baseado em uso e automação de playbooks