客户健康分体系怎么搭?多维权重建模
很多团队都想给客户打个”健康分”,却卡在第一步:到底看哪些维度?每个维度占多少权重?分多少才算危险?网上抄来一套别人的健康分模型,套到自己业务上又总觉得不对劲。问题在于,健康分从来不是一套可以照搬的通用公式,而是一个需要按自己业务建模、并持续校准的系统。
客户健康分的本质,是把多个分散的信号综合成一个对”客户当前会不会流失”的判断,从而让流失从续费当天才发现,变成提前几个月能预警。 它的价值不在分数本身,而在它指向的行动。这篇文章给你一套五步建模法和一份可套用的权重表模板,并反复强调一件事:权重要按你的业务定,不要照抄死数。想先理解健康分在客户成功里的位置,可以看客户健康分是什么。
第一步:选维度——挑出最能反映”用得好不好”的信号
建模的起点是选维度。维度不是越多越好,起步阶段挑出几个最能反映”客户用得好不好”的信号即可。常见的维度可以分成几类:
| 维度类别 | 典型信号 | 反映什么 |
|---|---|---|
| 使用类 | 登录频次、使用深度、活跃天数 | 客户到底在不在用 |
| 价值类 | 核心功能激活率、关键场景覆盖 | 价值有没有被用上 |
| 体验类 | 问题/投诉频次、工单解决时长 | 有没有反复踩坑 |
| 关系类 | 沟通互动、回顾会议出席、续约对话 | 关系是冷是热 |
| 商务类 | 合同金额与使用量匹配度、付款情况 | 投入产出是否健康 |
选维度的原则是:优先选那些和续费强相关、又能拿到数据的信号。 一个理论上重要但根本采不到数据的维度,不如不选。起步阶段四到六个维度足够,跑顺了再逐步加细。
第二步:定权重——按业务定,不要照抄死数
这是整套建模里最关键、也最容易踩坑的一步。权重没有标准答案,必须按你自己的业务来定。 照抄别人的权重,相当于用别人的病历给自己开药。
定权重的核心逻辑只有一条:越能预测续费或流失的维度,权重越高。 怎么找出这些维度?
- 有历史数据时:回头看流失客户,他们流失前哪个信号最先变差,那个维度就该给高权重;再看长期续约的客户,哪些行为最稳定。
- 没有足够数据时:先凭业务经验给一组初始权重作为假设,通常使用类和价值类信号权重给得重一些(因为”用不用、用得深不深”最直接决定价值感知),再在运行中校准。
下面是一份权重表模板,注意:表里的数字只是示意结构,绝不是让你照抄的标准值,你必须按自己业务替换。
| 维度 | 信号 | 权重(示意,按业务替换) | 评分逻辑(示意) |
|---|---|---|---|
| 使用频次 | 近 30 天活跃天数 | 较高 | 活跃天数越多得分越高 |
| 功能激活 | 核心功能激活数 / 应激活数 | 较高 | 激活比例越高得分越高 |
| 价值实现 | 关键业务场景是否跑通 | 中等 | 跑通得满分,未跑通低分 |
| 问题体验 | 近 30 天投诉/重复工单数 | 中等 | 问题越多得分越低 |
| 关系互动 | 回顾会议出席、主动沟通 | 较低 | 互动正常得分,长期失联低分 |
填权重时,把”较高/中等/较低”换成你判断的具体比重,并写清楚每个维度怎么打分。权重是假设,不是定论——它的对错要靠后面的校准来验证。
第三步:分档——把得分变成可行动的信号
把各维度加权求和得到综合分后,要把连续的分数映射成离散的档位,因为团队需要的是”该不该行动”,而不是一个精确到小数点的数字。最通用的是绿、黄、红三档:
| 档位 | 含义 | 对应动作 |
|---|---|---|
| 绿色 | 健康 | 主动探索增购机会 |
| 黄色 | 有风险 | 列入重点关注、安排主动回访 |
| 红色 | 高流失风险 | 立即介入、排查根因 |
分档的阈值(多少分算绿、多少分转红)同样要按业务定,并随校准调整。三档足够小团队起步;规模化后可以再细分,但别一上来就搞五档七档,徒增复杂度。
第四步:设预警——让健康分主动来找你
健康分如果只是一张静态报表,价值会大打折扣。要让它真正起作用,得加上预警机制——当客户状态变差时,系统主动提醒,而不是等人去翻表。
预警可以设两类触发条件:
- 总分阈值预警:综合分跌破某条线(如从绿转黄、从黄转红)时触发
- 单维度急变预警:某个关键维度短期内骤降(如活跃天数断崖式下跌),即使总分还没转红也要预警
预警的全部意义,建立在客户成功的因果链上:续费是价值交付的结果,价值交付出问题(健康分下滑)一定先于流失发生——抓住这个时间差主动干预,就是预警的核心价值。预警要落到具体的人和动作上,否则预警了没人管,等于没有。
第五步:校准——用真实流失数据养模型
最后一步,也是决定模型靠不靠谱的一步:校准。健康分模型是养出来的,不是一次设计完的。 上线后要定期用真实结果回头检验:
- 那些后来真的流失的客户,在流失前健康分是不是真的偏低、是否提前转红了?
- 那些健康分高的客户,是不是真的续费了、甚至增购了?
- 有没有”健康分一直绿、却突然流失”的漏判?漏判说明哪个维度没覆盖到、或权重给低了。
- 有没有”频繁报红、实际没事”的误报?误报说明阈值太敏感或某维度权重过高。
把这些发现回流到维度选择、权重分配和阈值设置上,模型就会越来越准。校准是一个持续循环,不是一次性工程。
怎么用:健康分是用来驱动动作的,不是看的
模型搭好了,回到根本——健康分不是用来做报表好看,而是用来驱动动作。三个核心用法:
- 分档触发动作:绿推增购、黄重点关注、红立即介入,让每个档位都对应明确动作。
- 流失预警:分数走低提前预警,在续费节点前争取干预窗口。
- 看分追因:分数低只是信号,要追到背后原因——是没用起来,还是遇到了没解决的问题。看分不追因,就是数字游戏。
关于健康分如何嵌入完整的客户成功流程,可以参考客户成功指南。
小结
健康分建模可以按五步走:选维度(挑最能反映”用得好不好”的信号)、定权重(按业务定、不照抄死数)、分档(绿黄红对应动作)、设预警(让分数主动找你)、校准(用真实流失数据养模型)。贯穿始终的两条原则:一是权重和阈值都要按自己业务定,别人的死数只能参考结构不能照搬;二是健康分的价值在于驱动动作和提前预警,而不是那个分数本身。看分要追因,模型要校准,体系才能越跑越准。
企客连连正在研发面向中小团队的客户成功与健康度工具,欢迎访问 /product/ 加入内测候补名单,提前体验可自定义维度与权重的客户健康分、流失预警能力。
常见问题
客户健康分怎么建模?
健康分建模可以按五步走。第一步选维度,挑出几个最能反映客户用得好不好的信号,比如登录频次、核心功能激活、问题频次、续约互动等;第二步定权重,按这些信号对续费的影响大小分配权重,越能预测流失的维度权重越高;第三步分档,把综合得分映射成绿、黄、红三档,对应健康、有风险、高流失风险;第四步设预警,给关键维度和总分设阈值,触发时自动提醒主动介入;第五步校准,用实际流失数据回头检验模型准不准,不断迭代权重和阈值。核心原则是先从少数维度起步,跑顺了再加细,模型是养出来的不是一次设计完的。
健康分的权重怎么定?
权重没有标准答案,必须按你自己的业务定,照抄别人的死数很容易失真。定权重的逻辑是:越能预测续费或流失的维度,权重越高。怎么找出这些维度?最好的依据是历史数据——回头看那些流失的客户,他们流失前哪些信号最先变差,那个信号就该给高权重;那些续了很久的客户,又是哪些行为最稳定。如果暂时没有足够数据,可以先凭业务经验给一组初始权重,比如把使用类信号给得重一些,再在运行中根据实际流失情况校准。关键是把权重当成假设,用数据持续验证和调整,而不是定了就不动。
健康分建好了怎么用?
健康分不是用来做报表好看的,而是用来驱动动作的。最直接的用法是分档触发不同动作:绿色客户健康,可以主动探索增购机会;黄色客户有风险,列入重点关注、安排主动回访;红色客户高流失风险,立即介入排查根因。第二个用法是流失预警——当客户健康分持续走低或跌破阈值,系统提前发出预警,让客户成功在续费节点之前就有时间干预。第三个用法是看分追因,分数低本身不是结论,要去查背后原因,是没用起来还是遇到了没解决的问题。健康分的全部意义,是把模糊的客户感觉变成可行动的判断。
想第一时间用上 AI 获客 / 销售 / 客服工具?