What is Customer Health Score Calculator?
▾
A Customer Health Score (CHS) egy összetett mérőszám, amelyet a Customer Success csapatok használnak annak előrejelzésére, hogy egy ügyfél mekkora valószínűséggel fog megújítani, bővíteni vagy lemondani. Több adatforrásból – termékhasználatból, támogatási interakciókból, elköteleződésből, NPS-felmérésekből, szerződési állapotból, számlázási előzményekből és az érdekelt felek részvételéből – származó jeleket egyetlen pontszámba összesíti, jellemzően 0–100 vagy 0–10 skálán. Az állapotpontszám proaktív beavatkozást tesz lehetővé: ahelyett, hogy megvárnák az ügyfél lemondását vagy panaszát, az Ügyfélsiker-menedzserek (CSM-ek) korán azonosíthatják a veszélyeztetett fiókokat, és korrekciós intézkedéseket tehetnek, mielőtt a lemorzsolódás bekövetkezne. Az állapotpontszám konkrét bemenetei terméktípusonként és üzleti modellenként változnak. A B2B SaaS-cégeknél az alapvető bemeneti adatok általában a bejelentkezés gyakoriságát, a funkciók alkalmazásának mélységét, az aktív felhasználók számát a licencelt ülőhelyekhez viszonyítva, a támogatási jegyek mennyiségét és a felbontási arányt, a CSM-, NPS- vagy CSAT-pontszámmal való utolsó jelentős kapcsolattartás óta eltelt időt, valamint a számlázási állapotot (a lejárt számlák jelentős lemorzsolódási jelet jelentenek). Minden bemenethez hozzá van rendelve egy súlyozás, amely tükrözi annak prediktív fontosságát – a bejelentkezési gyakoriság 25%-ot, míg az NPS 15%-ot, a funkciók átvétele pedig 30%-ot. A súlyokat empirikusan kell levezetni az egyes inputok és a lemorzsolódási vagy megújítási eredmények közötti történelmi korreláció elemzésével. A korai stádiumú vállalatok gyakran intuíción alapuló súlyozással kezdenek, és 12–18 hónap alatt finomítják azokat, amint gyűlnek a lemorzsolódási adatok. Az egészségügyi pontszámok általában színkóddal vannak ellátva: zöld (egészséges, valószínűleg megújul), sárga (veszélyeztetett, figyelmet igényel) és piros (kritikus kockázat, fokozás szükséges). Ez a jelzőlámpás rendszer lehetővé teszi a CSM-csapatok számára, hogy rangsorolják portfólióikat, és azokra a fiókokra irányítsák a figyelmet, ahol a beavatkozás a legnagyobb hatással lesz. Az ügyfelek egészségi pontszámai nem statikusak – naponta vagy hetente kell frissíteni, amint új használati adatok érkeznek, és a trendelemzés (javul-e vagy csökken?) gyakran informatívabb, mint az abszolút pontszám. Egy 45 éves, de három hónap alatt 30-ról felfelé ívelő ügyfél más helyzetben van, mint egy 50 éves, de 70-ről csökkenő vásárló. A robusztus állapotmérő programokkal rendelkező vállalatok lényegesen magasabb nettó bevételmegtartásról számolnak be, mivel a lemondási időszak előtt elkapják a veszélyeztetett ügyfeleket, nem pedig azt követően.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Képlet
▾
Állapotpont = SUM (metrikus súly x metrikus pontszám) az összes állapotbemenetre vonatkozóan. Ez a képlet úgy számítja ki az ügyfelek állapotát, hogy a bemeneti változókat a matematikai kapcsolaton keresztül kapcsolja össze. Mindegyik komponens mérhető mennyiséget képvisel, amely egymástól függetlenül ellenőrizhető.Variable Legend
▾
| Szimbólum | Név | Egység | Leírás |
|---|---|---|---|
| Metric Weight | Fontossági súly hozzárendelve | — | Az egyes egészségügyi dimenziókhoz rendelt fontossági súly (az összes súly összege = 100%) |
| Usage Score | Normalizált pontszám | — | Normalizált pontszám a termék bejelentkezési gyakoriságára és mélységére, amely kulcsfontosságú paraméter az ügyfél egészségi pontszámának kiszámításában, amely közvetlenül befolyásolja a végső számítási eredményt |
| Adoption Score | Az engedélyek százalékos aránya | — | Az aktívan használt licencelt szolgáltatások százalékos aránya, amely kulcsfontosságú paraméter az ügyfél állapotpontszámításában, amely közvetlenül befolyásolja a végső számítási eredményt |
| NPS Score | Nettó promóter pontszáma | — | A Net Promoter Score 0–100 skálára normalizálva, amely kulcsfontosságú paraméter a vásárlói állapotpontszámításban, amely közvetlenül befolyásolja a végső kiszámított eredményt |
| Engagement Score | CSM interakciós gyakoriság | — | A CSM interakciós gyakorisága és az érintettek szélességi pontszáma, amely kulcsfontosságú paraméter a vásárlói állapotpontszámításban, és közvetlenül befolyásolja a végső számított eredményt |
| Billing Score | Fizetési időszerűség | — | Fizetési időszerűség és számla állapotjelző, amely az ügyfél állapotpontszámításának kulcsparamétere, amely közvetlenül befolyásolja a végső számítási eredményt |
How to Customer Health Score Calculator
▾
- 1Gather the required input values: Importance weight assigned, Normalized score, Percentage of licensed, Net Promoter Score.
- 2Apply the core formula: Health Score = SUM(Metric Weight x Metric Score) across all health inputs.
- 3Compute intermediate values such as Weighted CHS if applicable.
- 4A kifejezések kombinálása előtt ellenőrizze, hogy minden egység konzisztens-e.
- 5Számítsa ki a végeredményt, és vizsgálja meg ésszerűségét.
- 6Ellenőrizze, hogy vonatkoznak-e különleges esetek vagy peremfeltételek az Ön bemeneteire.
- 7Értelmezze az eredményt összefüggésben, és hasonlítsa össze referenciaértékekkel, ha elérhető.
Worked Examples
▾
Ez a példa bemutatja az ügyfelek egészségi pontszámát a 76,8 egészségügyi pontszám kiszámításával – zöld zóna; az ügyfél elkötelezett a jó örökbefogadásban; A funkciók 60 évesen történő átvétele garantálja a bejelentkezést a termék értékének növelése érdekében. Az 5-Dimension Health Score egy tipikus forgatókönyvet szemléltet, ahol a számológép gyakorlatilag hasznos eredményt ad a megadott bemenetek alapján.
This example demonstrates customer health score by computing 31.15 Health Score — Red zone; immediate CSM escalation required; usage, adoption, and NPS are all critically low. At-Risk Customer Identification illustrates a typical scenario where the calculator produces a practically useful result from the given inputs.
This example demonstrates customer health score by computing Declining trend requires immediate intervention — do not wait for score to reach red before engaging; early action has highest success probability. Health Score Trend Analysis illustrates a typical scenario where the calculator produces a practically useful result from the given inputs.
This example demonstrates customer health score by computing Account B is the highest-priority intervention despite a higher health score than C — ARR at risk must weight prioritization alongside absolute score. Portfolio Prioritization illustrates a typical scenario where the calculator produces a practically useful result from the given inputs.
Real-World Applications
▾
CSM portfólió prioritások meghatározása és munkaterhelés kezelése – Ezt az alkalmazást gyakran használják olyan szakemberek, akiknek pontos kvantitatív elemzésre van szükségük a döntéshozatal, a költségvetés és a stratégiai tervezés támogatásához a saját területükön.
Proactive churn prevention campaign targeting — Industry practitioners rely on this calculation to benchmark performance, compare alternatives, and ensure compliance with established standards and regulatory requirements, helping analysts produce accurate results that support strategic planning, resource allocation, and performance benchmarking across organizations
Renewal risk forecasting for revenue projections — Academic researchers and students use this computation to validate theoretical models, complete coursework assignments, and develop deeper understanding of the underlying mathematical principles
Identifying expansion-ready accounts for upsell outreach — Financial analysts and planners incorporate this calculation into their workflow to produce accurate forecasts, evaluate risk scenarios, and present data-driven recommendations to stakeholders
Board reporting on customer base health and retention outlook.
Special Cases
▾
Single-user SaaS tools (individual productivity) need different health score
Single-user SaaS tools (individual productivity) need different health score dimensions than multi-user enterprise platforms When encountering this scenario in customer health score calculations, users should verify that their input values fall within the expected range for the formula to produce meaningful results.
Usage-based pricing products should normalize usage scores by spend level — a
Usage-based pricing products should normalize usage scores by spend level — a high-spend customer using features proportionally may score differently than expected This edge case frequently arises in professional applications of customer health score where boundary conditions or extreme values are involved.
Seasonal businesses have cyclical usage patterns — health scores need seasonal
Seasonal businesses have cyclical usage patterns — health scores need seasonal normalization to avoid false red alerts during off-peak periods In the context of customer health score, this special case requires careful interpretation because standard assumptions may not hold.
Customers during implementation phases often show low usage scores — exclude or
Customers during implementation phases often show low usage scores — exclude or weight-adjust during onboarding periods (typically 0–90 days post-go-live) When encountering this scenario in customer health score calculations, users should verify that their input values fall within the expected range for the formula to produce meaningful results.
Customer Health Score reference data
▾
| Health Score Range | Állapot | Renewal Probability | Javasolt intézkedés |
|---|---|---|---|
| 80–100 | Healthy (Green) | 90–97% | Expansion conversation, reference request |
| 60–79 | Good (Light Green) | 75–89% | Regular cadence, feature adoption push |
| 40–59 | At Risk (Yellow) | 50–74% | Executive check-in, value realization review |
| 20–39 | Critical (Red) | 25–49% | Escalation, executive sponsor engagement |
| 0–19 | Churning (Dark Red) | < 25% | Save playbook or managed offboarding |
Frequently Asked Questions
▾
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
This relates to customer health score calculations. This is an important consideration when working with customer health score calculations in practical applications.
Common Mistakes to Avoid
▾
- !Weighting all inputs equally instead of using data-driven weights based on churn correlation analysis
- !Building a health score but not acting on it — scores are only valuable if CSM workflows are triggered by score changes
- !Ignoring health score trends and only reacting to absolute scores — a declining score from 80 to 60 is more urgent than a stable 55
- !Not segmenting health scores by customer type — enterprise and SMB customers have different usage patterns and thresholds
- !Over-weighting support tickets as a churn signal — high ticket volume can indicate engaged power users, not dissatisfied customers
Pro Tip
Correlate your health score bands with actual renewal rates quarterly. If green-scored customers renew at 97%, yellow at 78%, and red at 45%, your model is working. If green customers churn at 20%, your score is not predicting outcomes — time to recalibrate weights with your data science team.
Did you know?
Gainsight, the leading Customer Success platform, found in their annual CS survey that companies using formal customer health scores achieve net revenue retention rates averaging 8–12 percentage points higher than those relying on informal CSM assessments alone.
Regional Guides
▾
North America▾
Europe▾
Asia-Pacific▾
References
- ›Gainsight Customer Success Best Practices Guide
- ›Nick Mehta — Customer Success: How Innovative Companies Are Reducing Churn
- ›Totango Customer Health Score Framework
- ›ChurnZero Customer Health Score Playbook
Ratings & comments
Szerezzen heti matematikai tippeket
Csatlakozzon 12 000+ feliratkozóhoz, akik minden héten kapnak tippeket a számológéphez.