customer-health-analyst

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

Customer Health Analyst

客户健康分析师

Expert guidance for customer health scoring, predictive analytics, and data-driven customer success strategies. Transform raw customer data into actionable insights that prevent churn and drive expansion.

为客户健康评分、预测分析及数据驱动的客户成功策略提供专业指导。将原始客户数据转化为可执行的洞察，以防止客户流失并推动业务拓展。

Philosophy

核心理念

Customer health is not a single metric — it's a predictive system:

Measure what matters — Health scores should predict outcomes, not just track activity
Lead, don't lag — Focus on indicators that predict churn before it's too late
Segment for action — Different customers need different interventions
Automate detection — Scale health monitoring across your entire customer base
Close the loop — Analytics without action is just expensive data collection

客户健康并非单一指标——它是一个预测系统：

衡量关键指标——健康评分应预测结果，而非仅跟踪活动
领先而非滞后——聚焦能在流失发生前预测风险的指标
细分以采取行动——不同客户需要不同的干预措施
自动化检测——在整个客户群中扩展健康监控
形成闭环——无行动的分析只是昂贵的数据收集

How This Skill Works

本技能的工作方式

When invoked, apply the guidelines in

rules/

organized by:

```
health-*
```
— Health score design, weighting, and calibration
```
indicators-*
```
— Leading vs lagging indicator analysis
```
churn-*
```
— Prediction modeling and early warning systems
```
usage-*
```
— Analytics and adoption metrics
```
risk-*
```
— Identification, escalation, and intervention
```
data-*
```
— Enrichment and customer 360 development
```
cohort-*
```
— Analysis and benchmarking
```
executive-*
```
— Reporting and dashboards
```
segmentation-*
```
— Customer tiers and scoring models

调用本技能时，请应用

rules/

目录下的指南，这些指南按以下类别组织：

```
health-*
```
——健康评分设计、权重分配与校准
```
indicators-*
```
——领先与滞后指标分析
```
churn-*
```
——预测建模与早期预警系统
```
usage-*
```
——分析与采用指标
```
risk-*
```
——识别、升级与干预
```
data-*
```
——数据丰富与客户360视图开发
```
cohort-*
```
——同期群组分析与基准测试
```
executive-*
```
——报告与仪表板
```
segmentation-*
```
——客户分层与评分模型

Core Frameworks

核心框架

The Health Score Hierarchy

健康评分层级

┌─────────────────────────────────────────────────────────────────┐
│                    COMPOSITE HEALTH SCORE                       │
│                         (0-100)                                 │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐       │
│  │ PRODUCT  │  │ENGAGEMENT│  │ GROWTH   │  │ SUPPORT  │       │
│  │  USAGE   │  │          │  │ SIGNALS  │  │ HEALTH   │       │
│  │  (35%)   │  │  (25%)   │  │  (20%)   │  │  (20%)   │       │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘       │
│                                                                 │
├─────────────────────────────────────────────────────────────────┤
│                    COMPONENT METRICS                            │
│                                                                 │
│  Usage:        Engagement:    Growth:        Support:          │
│  - DAU/MAU     - NPS score    - Seat trend   - Ticket volume   │
│  - Features    - CSM meetings - Usage trend  - Resolution time │
│  - Depth       - Email opens  - Expansion    - Sentiment       │
│  - Breadth     - Logins       - Contract     - Escalations     │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                    综合健康评分                                 │
│                         (0-100)                                 │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐       │
│  │ 产品使用 │  │客户参与度│  │ 增长信号 │  │ 支持健康度│       │
│  │ 情况     │  │          │  │          │  │          │       │
│  │  (35%)   │  │  (25%)   │  │  (20%)   │  │  (20%)   │       │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘       │
│                                                                 │
├─────────────────────────────────────────────────────────────────┤
│                    组件指标                                      │
│                                                                 │
│  使用情况:        客户参与度:    增长信号:        支持健康度:          │
│  - DAU/MAU     - NPS评分    - 席位趋势   - 工单数量   │
│  - 功能使用    - CSM沟通次数 - 使用趋势  - 解决时长 │
│  - 使用深度    - 邮件打开率  - 业务拓展    - 客户情绪       │
│  - 使用广度    - 登录次数       - 合同情况     - 服务升级     │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

Leading vs Lagging Indicators

领先指标 vs 滞后指标

Type	Definition	Examples	Action Window
Leading	Predict future outcomes	Usage decline, engagement drop	60-90 days
Coincident	Move with outcomes	Support sentiment, NPS	30-60 days
Lagging	Confirm after the fact	Churn, revenue loss	Too late

类型	定义	示例	行动窗口期
领先指标	预测未来结果	使用量下降、参与度降低	60-90天
同步指标	与结果同步变化	支持服务情绪、NPS	30-60天
滞后指标	事后确认结果	客户流失、收入损失	为时已晚

Customer Health States

客户健康状态

┌─────────────────────────────────────────────────────────────────┐
│                                                                 │
│  THRIVING ──→ HEALTHY ──→ NEUTRAL ──→ AT-RISK ──→ CRITICAL    │
│    (85+)      (70-84)     (50-69)     (30-49)      (<30)       │
│                                                                 │
│  Expand       Monitor     Engage      Intervene    Escalate    │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                                                                 │
│  蓬勃发展 ──→ 健康 ──→ 中立 ──→ 高风险 ──→ 危急    │
│    (85+)      (70-84)     (50-69)     (30-49)      (<30)       │
│                                                                 │
│  拓展业务       监控     互动沟通      干预    升级处理    │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

Health Score Components

健康评分组件

Component	Weight	Key Metrics	Why It Matters
Product Usage	30-40%	DAU/MAU, feature adoption, depth	Usage predicts value realization
Engagement	20-25%	NPS, CSM contact, responsiveness	Relationship strength indicator
Growth Signals	15-20%	Seat expansion, usage trend	Investment signals commitment
Support Health	15-20%	Ticket volume, sentiment, resolution	Frustration predicts churn
Financial	5-10%	Payment history, contract length	Financial commitment level

组件	权重	核心指标	重要性
产品使用情况	30-40%	DAU/MAU、功能采用率、使用深度	使用情况可预测价值实现程度
客户参与度	20-25%	NPS、CSM沟通次数、响应度	体现客户关系强度
增长信号	15-20%	席位扩展、使用趋势	客户投入信号代表其忠诚度
支持健康度	15-20%	工单数量、客户情绪、解决时长	客户不满会直接导致流失
财务指标	5-10%	付款记录、合同期限	体现客户的财务承诺程度

Churn Risk Factors

流失风险因素

Factor	Risk Weight	Detection Method
Champion departure	Critical	Contact tracking, LinkedIn
Usage decline >30%	High	Product analytics
Negative NPS (0-6)	High	Survey responses
Support escalations	High	Ticket analysis
Missed renewal meeting	High	CSM activity tracking
Contract downgrade	Very High	Billing data
Competitor mentions	High	Call transcripts, tickets
Budget review mentions	Medium	CSM notes

风险因素	风险权重	检测方法
关键联系人离职	极高	联系人跟踪、LinkedIn
使用量下降超30%	高	产品分析
负向NPS（0-6分）	高	调查反馈
支持服务升级	高	工单分析
错过续约会议	高	CSM活动跟踪
合同降级	极高	账单数据
提及竞争对手	高	通话记录、工单
提及预算审核	中	CSM记录

The Analytics Stack

分析栈

Layer	Purpose	Tools/Methods
Collection	Gather raw data	Product events, CRM, support
Processing	Clean and transform	ETL, data pipelines
Calculation	Compute scores	Scoring algorithms
Storage	Historical tracking	Data warehouse
Visualization	Present insights	Dashboards, reports
Action	Trigger interventions	Alerting, automation

层级	用途	工具/方法
数据收集	收集原始数据	产品事件、CRM、支持服务数据
数据处理	清洗与转换数据	ETL、数据管道
计算	计算评分	评分算法
存储	历史数据跟踪	数据仓库
可视化	呈现洞察	仪表板、报告
行动	触发干预措施	告警、自动化

Key Metrics

核心指标

Metric	Formula	Target
Health Score Accuracy	Churn predicted / Actual churn	>70%
Leading Indicator Correlation	Correlation to outcomes	>0.6
Score Distribution	% in each health tier	Bell curve
Intervention Success Rate	Saved / Intervened	>40%
Time to Detection	Days before risk → action	<14 days
False Positive Rate	False alerts / Total alerts	<20%

指标	计算公式	目标值
健康评分准确率	预测流失客户数 / 实际流失客户数	>70%
领先指标相关性	与结果的相关性	>0.6
评分分布	各健康层级的客户占比	钟形曲线
干预成功率	挽回客户数 / 干预客户数	>40%
检测响应时间	识别风险到采取行动的天数	<14天
误报率	误报数 / 总告警数	<20%

Executive Dashboard KPIs

高管仪表板KPI

KPI	Definition	Benchmark
Gross Revenue Retention	Retained ARR / Starting ARR	85-95%
Net Revenue Retention	(Retained + Expansion) / Starting	100-130%
Logo Retention	Retained customers / Starting	90-95%
Health Score Average	Mean across customer base	65-75
At-Risk Revenue	ARR with health <50	<15%
Expansion Rate	Customers expanded / Total	15-30%

KPI	定义	基准值
总收入留存率	留存ARR / 期初ARR	85-95%
净收入留存率	（留存ARR + 拓展ARR）/ 期初ARR	100-130%
客户数量留存率	留存客户数 / 期初客户数	90-95%
平均健康评分	全客户群的健康评分均值	65-75
高风险收入	健康评分<50的客户ARR	<15%
业务拓展率	拓展业务的客户数 / 总客户数	15-30%

Cohort Analysis Framework

同期群组分析框架

Cohort Type	Segments By	Use Case
Time-based	Sign-up month/quarter	Retention trends
Behavioral	Feature usage patterns	Activation success
Value-based	ARR tier	Segment economics
Industry	Vertical	Product-market fit
Acquisition	Channel/source	Marketing efficiency

群组类型	细分维度	适用场景
基于时间	注册月份/季度	留存趋势分析
基于行为	功能使用模式	激活成功率分析
基于价值	ARR层级	细分客户经济分析
基于行业	垂直领域	产品市场契合度分析
基于获客渠道	渠道/来源	营销效率分析

Anti-Patterns

反模式

Vanity health scores — Scores that look good but don't predict outcomes
Over-weighted product usage — Ignoring relationship and sentiment signals
Lagging indicator focus — Measuring what already happened
One-size-fits-all thresholds — Same scores mean different things for different segments
Manual-only health tracking — Can't scale without automation
Score without action — Calculating risk without intervention playbooks
Annual calibration only — Health models need continuous refinement
Ignoring data quality — Garbage in, garbage out

虚有其表的健康评分——评分看起来不错但无法预测结果
过度侧重产品使用情况——忽略客户关系与情绪信号
聚焦滞后指标——仅衡量已发生的事件
一刀切的阈值设置——相同评分对不同细分客户的意义不同
仅手动跟踪健康状况——无法实现规模化
只评分不行动——仅计算风险但无干预手册
仅年度校准——健康模型需要持续优化
忽视数据质量——垃圾数据进，垃圾结果出