Условие

B2B SaaS с 1000 клиентами. CSM команда хочет знать, кто рискует уйти. Спроектируй health score.

Решение

Компоненты health score

Категория	Метрики
Usage	DAU/MAU в account, % seats active, feature adoption breadth
Engagement	days since last login, core actions per week, time in app
Outcomes	success metrics клиента (revenue/savings они получают)
Relationship	NPS, support tickets (sentiment), exec sponsor active
Commercial	usage vs plan limits, contract renewal проксимити, expansion sigs
Red flags	churn keyword in tickets, security/compliance issues

Композитная формула

health = w1·usage + w2·engagement + w3·outcomes + w4·relationship - w5·red_flags

Веса — калибруют на исторических churn:

import statsmodels.api as sm
 
# Target = churned in next 90 days
X = df[['usage_score', 'engagement_score', 'outcomes_score', 'relationship_score', 'red_flags']]
y = df['churned_90d']
 
model = sm.Logit(y, sm.add_constant(X)).fit()
# β дают эмпирические веса

Шкала

0-30   Red    immediate action, executive escalation
30-60  Yellow CSM outreach, root cause analysis
60-80  Green  business as usual, opportunity for upsell
80-100 Champion fanатичный клиент, advocate / case study

ML approach

Вместо линейной свёртки — gradient boosting:

from xgboost import XGBClassifier
model = XGBClassifier().fit(X_train, y_train)
prob_churn = model.predict_proba(X_test)[:, 1]
health = 100 * (1 - prob_churn)

XGBoost ловит нелинейности и interactions. Минус: интерпретируемость.

Validation

Backtest: predict churn 90 дней назад, сравнить с реальным churn.

from sklearn.metrics import roc_auc_score
print(roc_auc_score(actual_churn, predicted_churn))

AUC > 0.7 — рабочая модель.

Actionability

Health score без действия — бесполезен. Каждый сегмент должен иметь playbook:

Health	Action
Red	Exec call, save plan, discount
Yellow	Root cause analysis, training, dedicated CSM
Green	Quarterly business review, identify expansion
Champion	Reference call, case study, referral

Granularity

Account-level vs user-level:

Account health для CSM.
User health для product (кому показывать onboarding-prompts).

Aggregating user → account: weighted (по seat license, role).

Подводные камни

Веса «по интуиции» обычно врут. Калибровать на исторических данных.
Health score — leading indicator. Если ваша outcome — churn 90 days, training data должна включать accounts с уже истёкшим окном.
Concept drift: health score, обученный 2 года назад, перестаёт работать. Переобучать раз в квартал.
Single number обманывает: account с low usage может быть в очень крупной компании (политически важен), red ≠ ouster.
Score не должен «надо смотреть на 10 цифр» — дополнительно ТОП-3 reasons за/против.

Эталонный ответ

Composite score из usage, engagement, outcomes, relationship, red flags. Веса калибровать на historical churn через logistic/XGBoost. Сегменты Red/Yellow/Green с конкретными playbook. Backtest AUC.

Сценарий: health score для B2B SaaS