Construire un score de santé client qui prédit le churn

Un score de santé client est un nombre unique par client qui indique la probabilité qu’il reste. Beaucoup d’équipes en construisent un en choisissant quelques signaux, en leur donnant des poids qui semblent justes et en colorant les comptes en vert, jaune et rouge. Le résultat a l’air précis et prédit souvent peu de chose.

Ce guide en construit un dans l’autre sens : partir de votre propre historique de churn, garder les signaux qui séparent vraiment les clients partis des clients restés, vérifier le score sur le passé avant de s’y fier, et relier chaque tranche à une action. Tous les chiffres sont hypothétiques.

Étape 1 : définir ce que le score prédit

La « santé » est une notion floue. Choisissez un résultat concret et un horizon de temps :

target = customer churns (voluntarily or through failed payment)
         within the next 90 days

Décidez si le churn par paiement échoué compte. En général oui, car c’est du revenu perdu dans tous les cas, mais les signaux diffèrent : l’usage du produit prédit la résiliation ; l’expiration de la carte et les échecs passés prédisent le churn de paiement. Beaucoup d’équipes gardent un seul score avec des signaux pour les deux, ou deux sous-scores.

L’horizon doit être assez long pour avoir le temps d’agir. Un score qui prédit le churn des 7 prochains jours ne laisse le temps de rien d’autre qu’une offre de dernière minute.

Étape 2 : lister les signaux candidats

Regroupez-les pour couvrir plus que l’usage du produit :

Famille	Exemples de signaux
Usage	Jours actifs sur les 30 derniers, nombre d’actions clés, tendance par rapport aux 30 jours précédents, sièges utilisés ÷ sièges payés
Adoption	Étape d’activation atteinte, nombre de fonctionnalités utilisées, intégrations connectées
Facturation	Paiements échoués sur les 90 derniers jours, carte qui expire avant le prochain renouvellement, passages à une offre inférieure, remise qui se termine
Relation	Tickets de support, tickets non résolus, réponses de satisfaction ou NPS, départ du référent interne
Profil	Offre, intervalle de facturation, taille de l’entreprise, source d’inscription, type de moyen de paiement, ancienneté

Deux règles pour les signaux candidats :

• Mesurez chacun à un instant fixe. Pour un client parti en mai, calculez les signaux tels qu’ils étaient en février, pas tels qu’ils étaient au moment du départ. Sinon, vous décrivez le churn au lieu de le prédire.
• Préférez les tendances aux niveaux. Un client passé de 20 jours actifs à 5 est un autre cas qu’un client qui a toujours utilisé le produit 5 jours par mois.

Pour savoir quels attributs collecter au départ, voir comment trouver ce qui prédit le churn.

Étape 3 : tester chaque signal sur l’historique

Prenez une date d’instantané passée, par exemple il y a 6 mois. Pour chaque client actif à cette date, notez la valeur de chaque signal à ce moment-là, et s’il a churné dans les 90 jours suivants.

Pour chaque signal, répartissez les clients en groupes et comparez les taux de churn :

relative risk = churn rate in the group with the signal
                ÷ churn rate in the group without it

Exemple (chiffres hypothétiques)

Signal à la date de l’instantané	Clients	Partis en 90 jours	Taux de churn	Risque relatif
Jours actifs sur les 30 derniers divisés par deux ou plus	120	30	25,0 %	3,6
Jours actifs stables ou en hausse	880	61	6,9 %	(référence)
Paiement échoué sur les 90 derniers jours	60	15	25,0 %	3,1
Aucun paiement échoué	940	76	8,1 %	(référence)
Sièges utilisés inférieurs à la moitié des sièges payés	200	28	14,0 %	1,8
Sièges utilisés à la moitié ou plus	800	63	7,9 %	(référence)

Gardez les signaux avec un risque relatif significatif et assez de clients dans chaque groupe. Un risque relatif de 4 calculé sur 6 clients, c’est du bruit. Regardez les intervalles de confiance, et méfiez-vous quand vous testez des dizaines de signaux : certains paraîtront forts par hasard. Le guide pour prédire le churn traite de la taille d’échantillon et des comparaisons multiples.

Étape 4 : combiner les signaux en un score

Option A : des points (simple, explicable)

Donnez à chaque signal retenu des points à peu près proportionnels à son risque relatif, puis plafonnez le total à 100 :

score = 100 − (points for each risk signal present)

Exemples de poids d’après le tableau ci-dessus : usage divisé par deux −30, paiement échoué −25, sièges sous la moitié −10. Un client avec un paiement échoué et un usage divisé par deux obtient 45.

Les points sont faciles à expliquer à une équipe customer success, et c’est important : un score auquel personne ne fait confiance est ignoré.

Option B : un modèle statistique

Une régression logistique sur les mêmes données d’instantané donne à chaque signal un poids appris sur l’historique et tient compte des signaux qui se recoupent (les clients dont l’usage a diminué de moitié sont peut-être aussi ceux qui ont des sièges inutilisés). Elle demande plus de données et quelqu’un capable de la vérifier. Quel que soit le modèle, gardez-le assez explicable pour dire pourquoi un client donné a un score bas.

Étape 5 : tester sur le passé avant de s’y fier

Calculez le score de chaque client à une date d’instantané plus ancienne, sur laquelle les poids n’ont pas été construits, puis vérifiez ce qui s’est passé sur les 90 jours suivants.

Taux de churn par tranche

Tranche	Clients	Partis en 90 jours	Taux de churn
0–39	80	26	32,5 %
40–69	260	31	11,9 %
70–100	660	30	4,5 %

Chiffres hypothétiques, là encore. Ce que vous voulez voir : le taux de churn baisse régulièrement de la tranche la plus basse à la plus haute, et les tranches sont bien séparées. Si la tranche du milieu churne comme la tranche du haut, les seuils sont faux ou le score apporte peu.

Capture

capture (lowest band) = churned customers in the lowest band
                        ÷ all churned customers

Ici 26 ÷ 87 ≈ 30 % : la tranche la plus basse contient 8 % des clients et 30 % du churn. C’est utile. Mais 70 % du churn vient de clients qui ne semblaient pas à risque, ce qui vous dit que le score est une aide, pas un radar. Dites-le clairement à ceux qui l’utilisent.

Étape 6 : relier chaque tranche à une action

Un score sans action n’est qu’une décoration de tableau de bord. Écrivez le mode d’emploi :

Tranche	Action
Basse (0–39)	Contact personnel sous une semaine ; vérifier la facturation ; proposer de l’aide ou une offre plus adaptée
Moyenne (40–69)	Relance automatique et ciblée, selon le signal qui a fait baisser le score
Haute (70–100)	Rien de plus ; à envisager pour une montée en gamme ou du parrainage

Faites dépendre l’action de la raison, pas seulement du chiffre. Un score bas dû à un paiement échoué demande un lien de mise à jour de carte. Un score bas dû à un usage en baisse demande de l’aide pour utiliser le produit. Le même email « vous nous manquez » pour les deux n’aide ni l’un ni l’autre.

Étape 7 : l’entretenir

• Refaites le test sur le passé chaque trimestre. Les produits, les prix et les clients changent ; les poids dérivent.
• Surveillez l’effet du score sur les comportements. Si l’équipe travaille dur sur les comptes à score bas, leur churn baisse et les signaux paraissent plus faibles la fois suivante. C’est un succès, pas un score cassé ; gardez un petit groupe témoin non traité si vous voulez le mesurer.
• Journalisez les changements de score. « Le score est passé de 72 à 41 parce que les jours actifs ont diminué de moitié » est quelque chose sur quoi une personne peut agir. « Score : 41 », non.

Erreurs courantes

1. Des poids choisis à l’intuition. Testez sur l’historique.
2. Des signaux mesurés au moment du churn. C’est de la description, pas de la prédiction.
3. Aucun test sur le passé. Vous ne savez pas si le score fonctionne.
4. Trop de tranches. Trois suffisent largement si chacune a une action différente.
5. Confondre corrélation et causalité. Un signal qui prédit le churn peut ne pas le causer. Les clients qui connectent une intégration churnent peut-être moins parce qu’ils étaient plus engagés dès le départ. Testez vos interventions avec un groupe témoin avant d’investir lourdement.

Le faire avec NoChurn

NoChurn donne à chaque client un score de churn de 0 à 100 à l’inscription et à chaque changement, à partir de signaux comme le moyen de paiement et l’historique de paiement. Vous pouvez envoyer vos propres attributs et événements par API (usage, activation, source d’inscription, données de support) et NoChurn montre lesquels vont avec le churn : les facteurs de churn, corrélation et non causalité. Pour agir sur le score, NoChurn gère la récupération des paiements échoués, des parcours d’annulation avec une offre par raison et une résiliation en un clic toujours visible, et des emails de reconquête à J30, J60 et J90 selon la raison. Toutes les fonctionnalités sont dans toutes les offres (votre propre domaine d’email dès 9 $), avec un prix qui ne dépend que du MRR (tarifs).