Customer Health Score: Byg et tidligt varslingssystem for churn

Hvorfor eksisterende metrikker ikke er nok

Du kan kende en kunde du er ved at miste. Logins er faldet. Support-tickets er blevet hårdere i tonen. Power-useren er stoppet med at svare på e-mails. Men det første officielle signal du får, er en opsigelse i din CRM 60 dage senere.

Problemet er, at de fleste organisationer måler kundesundhed med lagging indicators — NPS, fornyelsesrater, support-CSAT. Når de flytter sig, er beslutningen typisk allerede truffet.

Customer Health Score er svaret på det problem. Den kombinerer leading og lagging indicators til ét tal der fortæller om en kunde er i god form, i risiko, eller på vej ud. Målet er 60-90 dages forvarsel — det vindue hvor du stadig kan handle.

Hvad er en Customer Health Score?

En Customer Health Score er et sammensat tal (typisk 0-100 eller en farve som grøn/gul/rød), der aggregerer flere datasignaler om kundens relation til dig. Den siger intet i sig selv. Den er kun nyttig som trigger for handling.

Tre niveauer:

• Grøn (sund): Kunden bruger produktet, NPS er positiv, support er rolig. Fokus på upsell og referrals.
• Gul (risiko): Usædvanlige mønstre — faldende brug, flere tickets, neutral NPS. Proaktiv outreach fra Customer Success.
• Rød (kritisk): Scoren indikerer høj churn-sandsynlighed. Eskaleret til account management og evt. ledelse.

Det er triggere, ikke rapporter. En rød kunde skal udløse et workflow samme dag, ikke havne i et kvartalsvist dashboard.

Leading vs. lagging indicators

Den største fejl i de fleste Health Score-modeller er at vægte lagging indicators for højt. Du får en model der forudsiger det du allerede ved.

En god model har en blanding, med overvægt på leading indicators for prædiktion. Forskning fra bl.a. Gainsight og ChurnZero viser konsekvent at brugsadfærd er den stærkeste enkeltprediktor for B2B SaaS-churn.

De fem dimensioner i en typisk Health Score

De fleste modeller dækker fem dimensioner. Du behøver ikke alle fem fra dag ét, men du bør have mindst tre.

1. Produktbrug (vægt: 30-40%)

Den stærkeste prædiktor. Hvad tracker du?

• Login-frekvens: Daglige/ugentlige aktive brugere per konto
• Feature adoption: Hvor bred er brugen på tværs af produktets kernefeatures?
• Dybde: Tid i produktet, antal handlinger per session
• Admin-aktivitet: Opretter kunden nye brugere? Konfigurerer? Det er engagement-signalet.

Advarselstegn: -30% MoM nedbrud i DAU, inaktivitet på admin-niveau i 14+ dage, ingen nye brugere oprettet i et kvartal.

2. Engagement (vægt: 15-20%)

Interaktion med dig uden for produktet.

• Email open/click rates: Falder det, falder mindshare
• Event-deltagelse: Webinarer, træningsmoduler
• Community-aktivitet: Hvor relevant
• Svar på surveys: Stille kunder er ofte et dårligt tegn

3. Sentiment (vægt: 20-25%)

Hvad siger kunden?

• NPS og transaktionel CSAT: Se hvad er NPS
• Sentiment i åbne svar: Se analyse af åbne svar
• Tone i e-mails og supportsamtaler
• QBR-deltagelse og feedback: I enterprise-segmentet

4. Support (vægt: 10-15%)

Ikke kun volumen, men mønstre.

• Antal åbne kritiske tickets
• Gennemsnitlig resolution time for kundens tickets
• Tickets per måned-trend: Stigning med 50%+ på tre måneder er et flag
• Eskaleringer til management

5. Økonomi og kontrakt (vægt: 10-15%)

• Betalingshistorik: Forsinkelser, failed charges
• Kontraktlængde: Kortere aftaler = højere flight risk
• Seat utilisation: Betaler kunden for licenser der ikke bruges?
• Historisk upsell/downgrade

Sådan bygger du din første Health Score i 6 trin

1. Definér hvad "sund" betyder for dit produkt

Sæt Customer Success-teamet sammen i to timer. Lad dem beskrive deres 10 sundeste og 10 mindst sunde kunder. Hvad er fællestrækkene? Det bliver grundstammen i dine signaler.

2. Vælg 3-5 startsignaler

Begynd med det mindste sæt der giver mening. For B2B SaaS er det typisk: MAU per konto, feature adoption, NPS, åbne support-tickets, betalt til tiden.

Kompleksitet tilføjer du senere når den grundlæggende model kører.

3. Definér scoring per signal

Hvert signal scores 0-100. Eksempel for login-frekvens:

0-30:  ingen logins sidste 14 dage
31-60: 1-3 logins sidste 14 dage
61-85: 4-10 logins sidste 14 dage
86-100: 11+ logins sidste 14 dage

Justér tærsklerne efter dit produkt. En B2B-integration der bruges én gang om måneden skal ikke bedømmes som en daglig-brugs-SaaS.

4. Vælg vægte — start heuristisk

Start med heuristiske vægte baseret på CS-teamets erfaring:

• Brug: 35%
• NPS/Sentiment: 25%
• Support: 15%
• Engagement: 15%
• Økonomi: 10%

Disse er udgangspunkter, ikke sandheder. Juster efter 6 måneder når du har data.

5. Sæt tærskler for grøn/gul/rød

Tommelfingerregel for B2B SaaS:

Tærsklerne skal kalibreres mod dit faktiske datasæt. En score på 60 kan være "gul" hos dig og "rød" hos nogen andre.

6. Byg workflowet der reagerer

Scoren er ligegyldig hvis intet sker når den bliver rød. Konkret:

• Grøn kunde falder til gul: Automatisk notifikation til CSM, opgave oprettes i CRM, outreach inden for 7 dage.
• Gul kunde falder til rød: Eskaleret til Head of CS, executive sponsor kontaktes, struktureret close-the-loop samtale inden for 48 timer.
• Rød kunde stabiliseres ikke inden for 30 dage: Win-back plan eller bevidst offboarding.

Eksempel fra praksis

En B2B SaaS-virksomhed vi arbejdede med havde 14% årlig churn. De vidste ikke hvilke kunder der var i risiko før opsigelsen ramte. Vi byggede en simpel Health Score med fem signaler:

Efter tre måneders kalibrering ramte modellen 74% af de kunder der churned i de følgende 6 måneder, med 60-90 dages forvarsel. CS-teamet kontaktede alle røde kunder proaktivt. Efter 12 måneder var churn faldet til 9%.

Ikke på grund af scoren. På grund af workflowet scoren udløste.

Almindelige faldgruber

For mange signaler fra start. 20 signaler lyder præcist. Det bliver praktisk umuligt at forklare hvorfor en kunde er rød. Start med 3-5.

Kun lagging indicators. Hvis din model primært bygger på NPS og fornyelsesrate, opdager den først churn når det er for sent. Brug leading indicators som primære signaler.

Manglende segmentering. Enterprise-kunders brugsmønstre er helt anderledes end SMB. Byg separate modeller for dine væsentligste segmenter, eller justér tærskler per segment.

Ingen feedback-loop til modellen. Når en "grøn" kunde pludselig opsiger, skal det analyseres. Hvad missede modellen? Kalibrér vægte og tærskler kvartalsvist.

Score uden workflow. Det oftest observerede problem. En dashboard med røde og grønne kunder, men ingen der har ansvaret for at handle. Uden ansvar og SLA er scoren dekoration.

Sammenhæng med andre CX-metrikker

Customer Health Score står ikke alene. Den er komplementær:

Det bedste setup kombinerer alle fire. NPS og CSAT fødes ind i Health Score. CES afslører friktion der senere manifesterer sig som faldende brug. Health Score er der alt kulminerer i én prioriteret handlingsliste.

Kom i gang

Du behøver ikke en dedikeret platform for at bygge din første Customer Health Score. Du har sandsynligvis allerede 80% af data, du skal bruge.

1. Samle CS-teamet, enige om 3-5 signaler
2. Bygge en simpel model i dit BI-værktøj eller spreadsheet
3. Definere grøn/gul/rød tærskler
4. Aftale SLA for reaktion på røde kunder
5. Køre det i et kvartal, kalibrere

De bedste Health Score-programmer er ikke dem med de fleste datapunkter. Det er dem der rent faktisk får Customer Success til at handle inden det er for sent.

Og som altid: scoren er det første skridt. Handlingen er hele forskellen. Start med close the loop.