Hva er Customer Health Score Calculator?
▾
En kundehelsepoeng (CHS) er en sammensatt beregning som brukes av kundesuksessteam for å forutsi sannsynligheten for at en kunde vil fornye, utvide eller churn. Den samler signaler fra flere datakilder – produktbruk, støtteinteraksjoner, engasjement, NPS-undersøkelser, kontraktstatus, faktureringshistorikk og interessentengasjement – i en enkelt poengsum, typisk på en skala fra 0–100 eller 0–10. Helsepoengsummen muliggjør proaktiv intervensjon: i stedet for å vente på at en kunde kansellerer eller klager, kan Customer Success Managers (CSM-er) identifisere risikokontoer tidlig og iverksette korrigerende tiltak før churn oppstår. De spesifikke inputene til en helsepoengsum varierer etter produkttype og forretningsmodell. For et B2B SaaS-selskap inkluderer kjerneinndata vanligvis påloggingsfrekvens, funksjonsadopsjonsdybde, antall aktive brukere i forhold til lisensierte seter, støttebillettvolum og oppløsningshastighet, tid siden siste meningsfulle engasjement med CSM, NPS eller CSAT-poengsum, og faktureringsstatus (forfalte fakturaer er et viktig churn-signal). Hver inngang tildeles en vekt som gjenspeiler dens prediktive betydning – påloggingsfrekvensen kan ha 25 % vekt mens NPS har 15 % og funksjonsadopsjon 30 %. Vekter bør utledes empirisk ved å analysere den historiske korrelasjonen mellom hver input og churn eller fornyelsesresultater. Bedrifter i tidlig fase starter ofte med intuisjonsbaserte vekter og avgrenser dem over 12–18 måneder etter hvert som churn-data akkumuleres. Helsepoeng er vanligvis fargekodet: grønn (sunn, trolig fornyet), gul (utsatt, trenger oppmerksomhet) og rød (kritisk risiko, eskalering nødvendig). Dette trafikklyssystemet lar CSM-team prioritere sine porteføljer og gi oppmerksomhet til kontoene der intervensjon vil ha størst effekt. Kundehelsepoeng er ikke statisk – de bør oppdateres daglig eller ukentlig etter hvert som nye bruksdata strømmer inn, og trendanalyse (er helsepoeng bedre eller synkende?) er ofte mer informativ enn den absolutte poengsummen. En kunde på 45, men som går opp fra 30 i løpet av tre måneder, er i en annen posisjon enn en kunde på 50, men går ned fra 70. Selskaper med robuste helsescoringsprogrammer rapporterer betydelig høyere nettoinntektsbevaring fordi de fanger opp risikokunder før kanselleringsvinduet i stedet for etter.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
Helsepoeng = SUM(Metric Weight x Metric Score) på tvers av alle helseinndata. Denne formelen beregner kundehelsepoeng ved å relatere inngangsvariablene gjennom deres matematiske forhold. Hver komponent representerer en målbar mengde som kan verifiseres uavhengig.Variabelbeskrivelse
▾
| Symbol | Navn | Enhet | Beskrivelse |
|---|---|---|---|
| Metric Weight | Viktig vekt tildelt | — | Viktighetsvekt tildelt hver helsedimensjon (summen av alle vekter = 100 %) |
| Usage Score | Normalisert poengsum | — | Normalisert poengsum for produktpåloggingsfrekvens og dybde, som er en nøkkelparameter i kundehelsepoengberegningen som direkte påvirker det endelige beregnede resultatet |
| Adoption Score | Prosentandel av lisensierte | — | Prosentandel av lisensierte funksjoner som brukes aktivt, som er en nøkkelparameter i beregningen av kundehelsepoeng som direkte påvirker det endelige beregnede resultatet |
| NPS Score | Net Promoter Score | — | Net Promoter Score normalisert til skalaen 0–100, som er en nøkkelparameter i beregningen av kundehelsepoengsummen som direkte påvirker det endelige beregnede resultatet |
| Engagement Score | CSM interaksjonsfrekvens | — | CSM-interaksjonsfrekvens og interessentbreddescore, som er en nøkkelparameter i kundehelsepoengberegningen som direkte påvirker det endelige beregnede resultatet |
| Billing Score | Betalings aktualitet | — | Betalingsaktualitet og fakturastatusindikator, som er en nøkkelparameter i kundehelsepoengberegningen som direkte påvirker det endelige beregnede resultatet |
Slik Customer Health Score Calculator
▾
- 1Samle de nødvendige inngangsverdiene: Tildelt viktighetsvekt, normalisert poengsum, prosentandel av lisensierte, netto promoterscore.
- 2Bruk kjerneformelen: Health Score = SUM(Metric Weight x Metric Score) på tvers av alle helseinndata.
- 3Beregn mellomverdier som vektet CHS hvis det er aktuelt.
- 4Kontroller at alle enheter er konsistente før du kombinerer termer.
- 5Beregn det endelige resultatet og se gjennom det for rimelighet.
- 6Sjekk om noen spesielle tilfeller eller grensebetingelser gjelder for dine innspill.
- 7Tolk resultatet i sammenheng og sammenlign med referanseverdier hvis tilgjengelig.
Løste eksempler
▾
Dette eksemplet viser kundehelsepoeng ved å beregne 76.8 Helsepoeng — Grønn sone; kunden er engasjert i god adopsjon; funksjonsadopsjon ved 60 garanterer en innsjekking for å øke produktverdien. 5-Dimensjon Health Score illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inndataene.
Dette eksemplet demonstrerer kundehelsepoeng ved å beregne 31.15 Helsepoeng — Rød sone; umiddelbar CSM-eskalering kreves; bruk, adopsjon og NPS er alle kritisk lave. At-Risk Customer Identification illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inndataene.
Dette eksemplet demonstrerer kundehelsepoeng ved å beregne Synkende trend krever umiddelbar intervensjon – ikke vent til poengsummen når rød før du engasjerer deg; tidlig handling har høyest sannsynlighet for suksess. Helseresultattrendanalyse illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inndataene.
Dette eksemplet viser kundehelsepoeng ved å beregne konto B er den høyest prioriterte intervensjonen til tross for en høyere helsescore enn C – ARR i fare må vekte prioritering sammen med absolutt poengsum. Porteføljeprioritering illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inndataene.
Praktiske anvendelser
▾
CSM-porteføljeprioritering og arbeidsbelastningsstyring - Denne applikasjonen brukes ofte av fagfolk som trenger presis kvantitativ analyse for å støtte beslutningstaking, budsjettering og strategisk planlegging på sine respektive felt
Proaktiv målretting mot churn-forebyggende kampanjer – Bransjeutøvere stoler på denne beregningen for å måle ytelse, sammenligne alternativer og sikre overholdelse av etablerte standarder og regulatoriske krav, og hjelpe analytikere med å produsere nøyaktige resultater som støtter strategisk planlegging, ressursallokering og ytelsesmåling på tvers av organisasjoner
Fornyelsesrisikoprognoser for inntektsprognoser – Akademiske forskere og studenter bruker denne beregningen til å validere teoretiske modeller, fullføre kursoppgaver og utvikle en dypere forståelse av de underliggende matematiske prinsippene
Identifisere ekspansjonsklare kontoer for mersalg – Finansanalytikere og planleggere innlemmer denne beregningen i arbeidsflyten deres for å produsere nøyaktige prognoser, evaluere risikoscenarier og presentere datadrevne anbefalinger til interessenter
Styrerapportering om kundebasehelse og oppbevaringsutsikter. Denne applikasjonen brukes ofte av fagfolk som trenger presis kvantitativ analyse for å støtte beslutningstaking, budsjettering og strategisk planlegging på sine respektive felt
Spesielle tilfeller
▾
Enbruker SaaS-verktøy (individuell produktivitet) trenger ulike helsepoeng
SaaS-verktøy for én bruker (individuell produktivitet) trenger andre helsepoengdimensjoner enn multi-user bedriftsplattformer. Når de møter dette scenariet i kundehelsepoengberegninger, bør brukere bekrefte at inputverdiene deres faller innenfor det forventede området for at formelen skal gi meningsfulle resultater. Inndata utenfor rekkevidde kan føre til matematisk gyldige, men praktisk talt meningsløse utdata som ikke reflekterer virkelige forhold.
Bruksbaserte prisprodukter bør normalisere brukspoeng etter forbruksnivå – a
Bruksbaserte prisprodukter bør normalisere brukspoeng etter forbruksnivå – en kunde med høyt forbruk som bruker funksjoner proporsjonalt kan skåre annerledes enn forventet. Denne fordelen oppstår ofte i profesjonelle anvendelser av kundehelsepoeng der grenseforhold eller ekstreme verdier er involvert. Utøvere bør dokumentere når denne situasjonen oppstår og vurdere om alternative beregningsmetoder eller justeringsfaktorer er mer hensiktsmessige for deres spesifikke brukstilfelle.
Sesongbaserte bedrifter har sykliske bruksmønstre - helsepoeng trenger sesongmessige
Sesongbaserte virksomheter har sykliske bruksmønstre – helsepoeng trenger sesongmessig normalisering for å unngå falske røde varsler i lavkonjunkturer. I forbindelse med kundehelsepoeng krever dette spesielle tilfellet nøye tolkning fordi standardantakelser kanskje ikke holder. Brukere bør kryssreferanser resultater med domeneekspertise og vurdere å konsultere ytterligere referanser eller verktøy for å validere resultatet under disse atypiske forholdene.
Kunder under implementeringsfaser viser ofte lave brukspoeng – ekskluder eller
Kunder under implementeringsfaser viser ofte lave bruksscore – ekskluder eller vektjuster under innføringsperioder (vanligvis 0–90 dager etter live-start) Når brukere møter dette scenariet i kundehelsepoengberegninger, bør brukerne bekrefte at inputverdiene deres faller innenfor det forventede området for at formelen skal gi meningsfulle resultater. Inndata utenfor rekkevidde kan føre til matematisk gyldige, men praktisk talt meningsløse utdata som ikke reflekterer virkelige forhold.
Referansedata for kundehelsepoeng
▾
| Range for helsepoeng | Status | Sannsynlighet for fornyelse | Anbefalt handling |
|---|---|---|---|
| 80–100 | Sunn (grønn) | 90–97 % | Utvidelsessamtale, referanseforespørsel |
| 60–79 | Bra (lysegrønn) | 75–89 % | Vanlig tråkkfrekvens, funksjonsadopsjonstrykk |
| 40–59 | I faresonen (gul) | 50–74 % | Executive check-in, verdirealisering gjennomgang |
| 20–39 | Kritisk (rød) | 25–49 % | Eskalering, utøvende sponsorengasjement |
| 0–19 | Kjerne (mørk rød) | < 25 % | Lagre playbook eller administrert offboarding |
Ofte stilte spørsmål
▾
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder beregninger av kundehelsepoeng. Dette er et viktig hensyn når man arbeider med kundehelsepoengberegninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Vanlige feil å unngå
▾
- !Vekt alle input likt i stedet for å bruke datadrevne vekter basert på churn-korrelasjonsanalyse
- !Bygge en helsepoengsum, men ikke handle på den – poengsum er bare verdifulle hvis CSM-arbeidsflyter utløses av poengsendringer
- !Ignorerer trender for helsepoeng og bare reagerer på absolutte poengsummer – en synkende poengsum fra 80 til 60 er mer presserende enn en stabil 55
- !Ikke segmentering av helsepoeng etter kundetype – bedrifts- og SMB-kunder har forskjellige bruksmønstre og terskler
- !Overvekting av støttebilletter som et churn-signal – høyt billettvolum kan indikere engasjerte superbrukere, ikke misfornøyde kunder
Pro Tips
Korreler helsepoengbåndene dine med faktiske fornyelsesrater kvartalsvis. Hvis kunder med grønn poeng fornyer med 97 %, gul med 78 % og rød med 45 %, fungerer modellen din. Hvis grønne kunder går av med 20 %, forutsier ikke poengsummen dine utfall – på tide å kalibrere vekter på nytt med datavitenskapsteamet ditt.
Visste du?
Gainsight, den ledende plattformen for kundesuksess, fant i sin årlige CS-undersøkelse at selskaper som bruker formelle kundehelsepoeng oppnår nettoinntektsoppbevaringsrater i gjennomsnitt 8–12 prosentpoeng høyere enn de som er avhengige av uformelle CSM-vurderinger alene.
Regional Guides
▾
North America▾
Europe▾
Asia-Pacific▾
Referanser
- ›Gainsight Customer Success Best Practices Guide
- ›Nick Mehta – Kundesuksess: Hvordan innovative selskaper reduserer avgang
- ›Totango Customer Health Score Framework
- ›ChurnZero Customer Health Score Playbook
Ratings & comments
Få ukentlige mattetips
Bli med 12 000+-abonnenter som får kalkulatortips hver uke.