Come costruire un health score dei clienti che predice il churn

Un health score dei clienti è un unico numero per cliente che dice quanto è probabile che resti. Molti team ne costruiscono uno scegliendo qualche segnale, assegnando pesi che sembrano giusti e colorando gli account di verde, giallo e rosso. Il risultato sembra preciso e spesso predice poco.

Questa guida ne costruisce uno al contrario: parti dal tuo storico di churn, tieni i segnali che separano davvero i clienti persi da quelli trattenuti, verifica il punteggio sul passato prima di fidarti e collega ogni fascia a un’azione. Tutti i numeri sono ipotetici.

Passo 1: definire cosa predice il punteggio

“Salute” è vago. Scegli un risultato concreto e un orizzonte temporale:

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

Decidi se il churn da pagamento fallito conta. Di solito dovrebbe, perché sono comunque ricavi persi, ma i segnali sono diversi: l’utilizzo del prodotto predice la disdetta; la scadenza della carta e i fallimenti passati predicono il churn da pagamento. Molti team tengono un unico punteggio con segnali per entrambi, o due sotto-punteggi.

L’orizzonte dovrebbe essere abbastanza lungo da permetterti di agire. Un punteggio che predice il churn nei prossimi 7 giorni non lascia tempo per altro che un’offerta dell’ultimo minuto.

Passo 2: elencare i segnali candidati

Raggruppali in modo da coprire più del solo utilizzo del prodotto:

Famiglia	Segnali di esempio
Utilizzo	Giorni attivi negli ultimi 30, numero di azioni chiave, andamento rispetto ai 30 giorni precedenti, licenze usate ÷ licenze pagate
Adozione	Traguardo di attivazione raggiunto, numero di funzioni usate, integrazioni collegate
Fatturazione	Pagamenti falliti negli ultimi 90 giorni, carta in scadenza prima del prossimo rinnovo, downgrade di piano, sconto in scadenza
Relazione	Ticket di assistenza, ticket non risolti, risposte di soddisfazione o NPS, referente interno andato via
Profilo	Piano, intervallo di fatturazione, dimensione dell’azienda, fonte di iscrizione, tipo di metodo di pagamento, anzianità

Due regole per i segnali candidati:

• Misura ciascuno in un momento fisso. Per un cliente che ha fatto churn a maggio, calcola i segnali com’erano a febbraio, non com’erano quando se n’è andato. Altrimenti stai descrivendo il churn, non predicendolo.
• Preferisci gli andamenti ai livelli. Un cliente passato da 20 giorni attivi a 5 è un caso diverso da uno che ha sempre usato il prodotto 5 giorni al mese.

Per sapere quali attributi raccogliere in primo luogo, vedi come trovare cosa predice il churn.

Passo 3: verificare ogni segnale sullo storico

Prendi una data di riferimento passata, per esempio 6 mesi fa. Per ogni cliente attivo in quella data, registra il valore di ogni segnale allora e se ha fatto churn nei 90 giorni successivi.

Per ogni segnale, dividi i clienti in gruppi e confronta i tassi di churn:

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

Esempio (numeri ipotetici)

Segnale alla data di riferimento	Clienti	Churn in 90 giorni	Tasso di churn	Rischio relativo
Giorni attivi negli ultimi 30 dimezzati o meno	120	30	25,0%	3,6
Giorni attivi stabili o in aumento	880	61	6,9%	(riferimento)
Pagamento fallito negli ultimi 90 giorni	60	15	25,0%	3,1
Nessun pagamento fallito	940	76	8,1%	(riferimento)
Licenze usate sotto la metà di quelle pagate	200	28	14,0%	1,8
Licenze usate la metà o più	800	63	7,9%	(riferimento)

Tieni i segnali con un rischio relativo significativo e abbastanza clienti in ogni gruppo. Un rischio relativo di 4 basato su 6 clienti è rumore. Guarda gli intervalli di confidenza, e fai attenzione quando testi decine di segnali: alcuni sembreranno forti per caso. La guida per predire il churn tratta la dimensione del campione e i confronti multipli.

Passo 4: combinare i segnali in un punteggio

Opzione A: punti (semplice, spiegabile)

Assegna a ogni segnale tenuto dei punti più o meno proporzionali al suo rischio relativo, poi limita il totale a 100:

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

Pesi di esempio dalla tabella sopra: utilizzo dimezzato −30, pagamento fallito −25, licenze sotto la metà −10. Un cliente con un pagamento fallito e utilizzo dimezzato ottiene 45.

I punti sono facili da spiegare a un team di customer success, e questo conta: un punteggio di cui nessuno si fida viene ignorato.

Opzione B: un modello statistico

Una regressione logistica sugli stessi dati di riferimento assegna a ogni segnale un peso appreso dallo storico e tiene conto dei segnali che si sovrappongono (i clienti con utilizzo dimezzato potrebbero essere anche quelli con licenze inutilizzate). Richiede più dati e qualcuno in grado di verificarlo. Qualunque modello usi, mantienilo abbastanza spiegabile da poter dire perché un certo cliente ha un punteggio basso.

Passo 5: verificarlo sul passato prima di fidarti

Assegna un punteggio a ogni cliente a una data di riferimento più vecchia, non usata per costruire i pesi, poi controlla cosa è successo nei 90 giorni successivi.

Tasso di churn per fascia

Fascia	Clienti	Churn in 90 giorni	Tasso di churn
0–39	80	26	32,5%
40–69	260	31	11,9%
70–100	660	30	4,5%

Di nuovo numeri ipotetici. Cosa vuoi vedere: il tasso di churn scende costantemente dalla fascia più bassa alla più alta, e le fasce sono ben distanti. Se la fascia intermedia fa churn come quella alta, le soglie sono sbagliate o il punteggio aggiunge poco.

Copertura

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

Qui 26 ÷ 87 ≈ 30%: la fascia più bassa contiene l’8% dei clienti e il 30% del churn. È utile. Ma il 70% del churn è venuto da clienti che non sembravano a rischio, il che ti dice che il punteggio è un aiuto, non un radar. Dillo chiaramente a chi lo usa.

Passo 6: collegare ogni fascia a un’azione

Un punteggio senza azione è una decorazione della dashboard. Scrivi il playbook:

Fascia	Azione
Bassa (0–39)	Contatto personale entro una settimana; controlla la fatturazione; offri aiuto o un piano più adatto
Intermedia (40–69)	Sollecito automatico e specifico basato sul segnale che ha abbassato il punteggio
Alta (70–100)	Niente di extra; valuta per espansione o referral

Fai dipendere l’azione dal motivo, non solo dal numero. Un punteggio basso dovuto a un pagamento fallito richiede un link per aggiornare la carta. Un punteggio basso dovuto a un utilizzo in calo richiede aiuto nell’uso del prodotto. La stessa email “ci manchi” per entrambi non aiuta nessuno dei due.

Passo 7: mantenerlo

• Ripeti la verifica sul passato ogni trimestre. Prodotti, prezzi e clienti cambiano; i pesi si spostano.
• Fai attenzione al punteggio che cambia i comportamenti. Se il team lavora molto sugli account con punteggio basso, il loro churn cala e la volta successiva i segnali sembrano più deboli. È un successo, non un punteggio rotto; tieni un piccolo gruppo di controllo intatto se vuoi misurarlo.
• Registra i cambiamenti del punteggio. “Il punteggio è sceso da 72 a 41 perché i giorni attivi si sono dimezzati” è qualcosa su cui una persona può agire. “Punteggio: 41” no.

Errori comuni

1. Pesi scelti a sensazione. Verificali sullo storico.
2. Segnali misurati al momento del churn. È descrizione, non previsione.
3. Nessuna verifica sul passato. Non sai se il punteggio funziona.
4. Troppe fasce. Tre bastano se ognuna ha un’azione diversa.
5. Scambiare la correlazione per causalità. Un segnale che predice il churn potrebbe non causarlo. I clienti che collegano un’integrazione potrebbero fare meno churn perché erano più motivati fin dall’inizio. Testa gli interventi con un gruppo di controllo prima di investire molto.

Farlo con NoChurn

NoChurn assegna a ogni cliente un churn score da 0 a 100 all’iscrizione e a ogni cambiamento, usando segnali come il metodo di pagamento e lo storico dei pagamenti. Puoi inviare via API i tuoi attributi ed eventi (utilizzo, attivazione, fonte di iscrizione, dati di assistenza) e NoChurn mostra quali vanno di pari passo con il churn: fattori di churn, correlazione e non causalità. Per agire sul punteggio, gestisce il recupero dei pagamenti falliti, flussi di disdetta con un’offerta per ogni motivo e disdetta in un clic sempre visibile, ed email di win-back a 30, 60 e 90 giorni in base al motivo. Ogni funzionalità è in ogni piano (il tuo dominio email da $9), con prezzo basato solo sull’MRR (prezzi).