customer-health-analyst

カスタマーヘルスアナリスト

カスタマーヘルススコアリング、予測分析、データに基づくカスタマーサクセス戦略に関する専門的なガイダンスを提供します。生の顧客データを、解約を防ぎ、拡大を促進する実用的なインサイトへと変換します。

基本理念

カスタマーヘルスは単一の指標ではなく、予測システムです。

1. 重要なものを測定する — ヘルススコアは、単に活動を追跡するのではなく、結果を予測するものであるべきです
2. 先手を打つ — 手遅れになる前に解約を予測する指標に注目します
3. アクションにつながるセグメント化を行う — 顧客によって必要な介入は異なります
4. 検知を自動化する — 顧客基盤全体にわたるヘルスモニタリングを拡張します
5. フィードバックループを完結させる — アクションを伴わない分析は、費用のかかるデータ収集にすぎません

このスキルの仕組み

呼び出されたときは、次のように整理された rules/ 内のガイドラインを適用します。

• health-* — ヘルススコアの設計、重み付け、調整
• indicators-* — 先行指標と遅行指標の分析
• churn-* — 予測モデリングと早期警告システム
• usage-* — 分析と利用状況の指標
• risk-* — リスクの特定、エスカレーション、介入
• data-* — データ拡充と顧客の360度ビューの構築
• cohort-* — 分析とベンチマーク
• executive-* — レポートとダッシュボード
• segmentation-* — 顧客階層とスコアリングモデル

コアフレームワーク

ヘルススコアの階層

┌─────────────────────────────────────────────────────────────────┐
│                    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     │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

先行指標と遅行指標

種類	定義	例	アクション可能期間
先行	将来の結果を予測する	利用の減少、エンゲージメントの低下	60〜90日
一致	結果とともに変動する	サポートへの感情、NPS	30〜60日
遅行	事後に確認する	解約、収益の損失	手遅れ

顧客のヘルス状態

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

ヘルススコアの構成要素

構成要素	重み	主な指標	重要な理由
製品の利用状況	30-40%	DAU/MAU、機能の採用度、利用の深さ	利用状況は価値の実現を予測します
エンゲージメント	20-25%	NPS、CSMとの連絡、応答性	関係性の強さを示す指標です
成長シグナル	15-20%	席数の拡大、利用傾向	投資はコミットメントを示します
サポートの健全性	15-20%	チケット数、感情、解決状況	不満は解約を予測します
財務	5-10%	支払い履歴、契約期間	財務面のコミットメントレベル

解約リスク要因

要因	リスクの重み	検知方法
チャンピオンの退職	重大	連絡先の追跡、LinkedIn
利用が30%超減少	高	製品分析
NPSがマイナス（0〜6）	高	アンケート回答
サポートのエスカレーション	高	チケット分析
更新ミーティングの欠席	高	CSMの活動追跡
契約のダウングレード	非常に高	請求データ
競合への言及	高	通話記録、チケット
予算見直しへの言及	中	CSMのメモ

分析スタック

レイヤー	目的	ツール／手法
収集	生データを集める	製品イベント、CRM、サポート
処理	データをクリーンアップして変換する	ETL、データパイプライン
計算	スコアを算出する	スコアリングアルゴリズム
保存	履歴を追跡する	データウェアハウス
可視化	インサイトを提示する	ダッシュボード、レポート
アクション	介入を開始する	アラート、オートメーション

主要指標

指標	計算式	目標
ヘルススコアの精度	予測された解約数 / 実際の解約数	>70%
先行指標の相関	結果との相関	>0.6
スコアの分布	各ヘルス階層に属する割合	ベルカーブ
介入の成功率	維持できた顧客数 / 介入した顧客数	>40%
検知までの時間	リスク発生からアクションまでの日数	<14日
誤検知率	誤ったアラート数 / アラート総数	<20%

エグゼクティブダッシュボードの KPI

KPI	定義	ベンチマーク
売上総維持率	維持 ARR / 開始時 ARR	85-95%
売上純維持率	（維持 + 拡大）/ 開始時	100-130%
顧客維持率	維持顧客数 / 開始時	90-95%
平均ヘルススコア	顧客ベース全体の平均	65-75
リスクのある売上	ヘルススコアが <50 の ARR	<15%
拡大率	拡大した顧客数 / 総顧客数	15-30%

コホート分析のフレームワーク

コホートの種類	セグメント化の基準	ユースケース
時間ベース	サインアップ月／四半期	維持率の傾向
行動ベース	機能の使用パターン	アクティベーションの成功
価値ベース	ARR の区分	セグメントの経済性
業界	業種	プロダクトマーケットフィット
獲得	チャネル／ソース	マーケティング効率

アンチパターン

• 見栄えだけのヘルススコア — 見栄えはよくても、成果を予測できないスコア
• プロダクト利用状況の過度な重視 — 関係性や感情のシグナルを無視すること
• 遅行指標への偏重 — すでに起きたことを測定すること
• 一律のしきい値 — 同じスコアでも、セグメントによって意味が異なること
• 手作業だけのヘルス追跡 — 自動化なしでは拡張できません
• アクションのないスコア — 対応プレイブックなしにリスクを算出すること
• 年次の調整のみ — ヘルスモデルには継続的な改善が必要です
• データ品質の軽視 — 入力が粗悪なら、出力も粗悪になります