はじめに — ヘルススコアは「作るより運用」が9割
ヘルススコアという仕組みは、説明だけ聞くと「お客様の状態を数値化して、スコアが下がったら動く」という直感的なものに見えます。でも、現実に導入して機能させようとすると、想像以上に難易度が高い。
私が現役のCS管理職として複数の組織でヘルススコア導入に関わってきた経験から言うと、ヘルススコアで失敗する組織と成功する組織の差は、「スコア式の設計」ではなく「スコアの運用ルール」 にあります。
スコア式は、3週間で設計できます。 運用ルールが定着するには、6ヶ月かかります。
本記事は、ヘルススコアを 「現場で本当に機能させる」 ために必要な、設計と運用の両方を体系化したものです。
CS基礎ガイド でヘルススコアを「5つの役割の一部」として紹介しましたが、本記事はその専門編として、設計の細部まで踏み込みます。
ヘルススコアとは何か — 改めて定義
ヘルススコアとは:
顧客の継続意向・成功度合いを、複数の観測可能な情報源から定量的に算出した独自スコア
ポイントは3つ:
- 複数の情報源を統合する — 単一指標ではなく、利用率+契約+コミュニケーション+満足度の組み合わせ
- 定量化する — 「あの顧客は危ない気がする」を「スコア35」に置き換える
- 継続意向・成功度合いを測る — 過去ではなく「これからどうなるか」の予測指標
ヘルススコアは 過去を振り返る指標ではなく、未来を予測する指標 です。
ヘルススコアの4軸構成
業界標準のヘルススコアは、4軸で構成します。
軸1: 利用率(配点 40%)
お客様が実際に製品をどれだけ使っているかの指標。最も重要な要素なので最大配点。
含まれるサブ指標:
- ログイン頻度(直近30日のログイン日数)
- 機能利用率(主要機能を何割使っているか)
- スティッキネス(DAU/MAU)
- アクティブユーザー数(契約ライセンス数に対する比率)
配点例(10点満点):
- ログイン頻度 4点
- 機能利用率 3点
- スティッキネス 2点
- アクティブユーザー比率 1点
軸2: 契約状況(配点 20%)
お客様の契約規模・契約タイミングに関する情報。
含まれるサブ指標:
- 契約金額(ARR)
- 契約期間(年契約 vs 月契約)
- 更新タイミングまでの残月数
- 過去のダウングレード/アップグレード履歴
配点例(10点満点):
- 契約金額 4点
- 契約期間 3点
- 更新までの距離 2点
- 過去の変動 1点
軸3: コミュニケーション量(配点 20%)
お客様と当社CS担当者の接点の質と量。
含まれるサブ指標:
- CS定例ミーティングの出席率
- 問い合わせ件数(過剰でも過少でも悪い)
- メール・Slack の返信速度
- 経営層との接点有無
配点例(10点満点):
- 定例出席率 3点
- 問い合わせ適正度 2点
- 返信速度 2点
- 経営層接点 3点
軸4: 満足度(配点 20%)
お客様の主観的な評価。
含まれるサブ指標:
- 直近CSATスコア
- 直近NPS
- 苦情・クレームの有無
- 公式な感謝のフィードバック有無
配点例(10点満点):
- CSAT 5点
- NPS 3点
- クレーム有無 2点(マイナス点として運用)
スコア式の組み立て方
4軸の配点を踏まえて、最終スコア(100点満点)を計算します。
計算式
ヘルススコア =
(利用率スコア × 4) +
(契約スコア × 2) +
(コミュニケーションスコア × 2) +
(満足度スコア × 2)
各サブスコアは10点満点で評価計算例
ある顧客の状態:
- 利用率スコア: 7点
- 契約スコア: 8点
- コミュニケーションスコア: 5点
- 満足度スコア: 6点
ヘルススコア = (7×4) + (8×2) + (5×2) + (6×2) = 28 + 16 + 10 + 12 = 66点
配点を調整するケース
業種・自社状況に応じて配点は調整します。
- エンタープライズSaaS: 経営層接点の重みを上げる(コミュニケーション軸 30%、利用率軸 30%)
- SMB SaaS: 利用率の重みを上げる(利用率軸 50%)
- 業務必須型SaaS: 利用率の重みを下げる(代替がないため利用は当然、満足度を重視)
スコア閾値とアクション設計
ヘルススコアの 本番 はここからです。スコアを計算しても、何もしなければ意味がない。
業界標準的な閾値分け
| スコア帯 | 区分 | 顧客状態 | アクション主担当 |
|---|---|---|---|
| 80-100 | 健全 | 推奨者候補 | 通常CS担当者(現状維持) |
| 60-79 | 標準 | 通常運用 | CS担当者 |
| 40-59 | 注意 | 改善余地あり | CS担当者(密度上げる) |
| 20-39 | 危機 | 解約リスク高 | リテンション担当者(or マネージャー) |
| 0-19 | 重症 | 解約予兆濃厚 | マネージャー + CCO関与 |
閾値帯ごとのアクションフロー例
80-100(健全)
目的: 推奨者化、エクスパンション機会の発見
標準アクション:
- 四半期定例の維持(密度を上げない)
- 事例化・ユーザー会への招聘の打診
- 既存契約の拡大可能性の探索
60-79(標準)
目的: 現状維持と改善余地の探索
標準アクション:
- 月次定例の継続
- 利用率改善の提案
- 隣接機能の活用提案
40-59(注意)
目的: スコア下降の原因特定と回復
標準アクション:
- 1週間以内に顧客側担当者に状況ヒアリング
- スコア低下の原因を分解(利用率? コミュニケーション? 満足度?)
- 改善プランの提示と合意
- 翌月に進捗確認
20-39(危機)
目的: 解約阻止
標準アクション:
- 3日以内にマネージャー+担当者が状況確認
- 顧客側経営層との緊急ミーティング設定
- リテンション施策(機能提供・価格交渉・カスタマイズ)の検討
- 週次でモニタリング
0-19(重症)
目的: 関係性の最終リカバリー or 段階的離脱
標準アクション:
- 24時間以内にCCO(またはVP of CS)が直接コンタクト
- 解約予兆の最終確認
- 残せる関係性の見極め
- 解約決定の場合、円満な離脱(将来の再契約余地を残す)
アクションフロー文書化のコツ
これらのアクションフローは、社内 Notion / Confluence に明文化 してください。CS担当者が交代しても、フローが残っていれば品質が保てます。
💡 アクションフロー作成にAIを使う 上記のようなフロー文書は AI に下書きさせて自社用にカスタマイズすると効率的です。CS業務で本当に使えるAIプロンプト10選 のプロンプト群を流用してください。
スコア更新頻度の設計
ヘルススコアは「いつ計算するか」も重要な設計事項です。
| 頻度 | 推奨ケース | メリット | デメリット |
|---|---|---|---|
| 日次 | 大型顧客の重点監視 | 異常検知が早い | 過剰反応のリスク |
| 週次 | 標準的なBtoB SaaS | バランス良い | 専用ツール推奨 |
| 月次 | 立ち上げ初期、SMB | 運用負荷低い | 検知遅延 |
| 四半期 | エンタープライズ低リスク | レビュー会議に乗せやすい | 検知遅すぎ |
業界標準は 週次更新 ですが、自社の運用体制に合わせて選びます。
ヘルススコア運用のよくある落とし穴
落とし穴1: スコアを作って満足する
最大の落とし穴です。「ヘルススコアを運用している」という事実が目的化し、本来の「顧客継続支援」が忘れられます。
対策: スコア導入時に、必ずアクションフロー(誰が、いつまでに、何をする)をセットで定義してから運用開始。
落とし穴2: 構成要素に「お客様の主観」が入っていない
利用ログだけで作ったヘルススコアは、お客様の実際の満足度と乖離します。「使いまくっているのに不満」「あまり使っていないが満足」のケースを検知できません。
対策: 必ず CSAT/NPS を構成要素に含める。定期的に取得する仕組み(年4回など)を確立する。
落とし穴3: スコア構成要素のレビューを怠る
ヘルススコアは1度作って終わりではありません。事業フェーズが変われば、スコア構成も変わります。
対策: 四半期に1回、スコア構成の妥当性をレビュー。「最近スコアが当てにならない」と感じたら必ず構成要素から見直す。
落とし穴4: 「平均スコア」だけ見て安心する
組織全体の平均ヘルススコアが70点でも、その分布(40点以下が何社あるか)が見えていないと、隠れた解約リスクを見逃します。
対策: スコア分布(ヒストグラム)を必ず併用。下位10%顧客の傾向を毎月確認。
落とし穴5: スコアと現実の乖離を放置する
スコア高評価の顧客が突然解約する、というケースが頻発する組織は、スコア式が壊れているか、定性情報(顧客側組織変化)を捕捉できていない。
対策: 月次で「スコアの異常事例」をレビュー。スコア高なのに解約予兆/低なのに継続意向、というケースを分析。
ML(機械学習)を使ったヘルススコアへの進化
担当顧客が100社を超え、過去の解約データが十分蓄積されたら、MLによるヘルススコア高度化を検討できます。
MLヘルススコアの仕組み
過去の解約データから「解約予兆パターン」を MLが学習。各顧客の「3ヶ月以内の解約確率」を確率値で出力。
人間設計の重み付き加算式と比べて:
- 強み: 複雑な相互作用(例: 利用率は高いが返信速度が遅い、の組み合わせがリスク)を検出
- 弱み: 解釈性が低い(なぜそのスコアになったかが説明しにくい)、過去データへの依存
導入の前提条件
- 過去2-3年の顧客データ(解約済み・継続中合わせて100顧客以上)
- データ基盤の整備(利用ログ・契約データ・コミュニケーション履歴の一元管理)
- ML を運用するデータサイエンティスト or 専用ツール(Gainsight Renewal Centerなど)
導入後の運用ポイント
- 「MLスコア + 担当CSの定性判断」のセット運用
- MLが推奨したアクションを盲信しない
- 四半期に1回、モデル精度を検証(予測通りに解約したか)
まとめ — ヘルススコア成功の3原則
長くなりましたが、ヘルススコアを現場で機能させるための原則を3つに凝縮します。
1. スコア式より運用ルールに時間をかける
スコア式は3週間で作れる。運用ルールの定着には6ヶ月かかる。前者に時間をかけすぎず、後者に時間をかける のが成功の鉄則。
2. スコアは「アラート」、判断は「人間」
スコアは行動を起こすトリガーであって、最終判断ではありません。スコア40の顧客に対して何をするかは、最終的にCSが判断します。スコアに判断を委ねないこと。
3. 定性情報の収集ルートを並行で持つ
利用ログ・契約データだけでは見えない「顧客側の組織変化」を捕捉する仕組みも持ちます。スコアと並行で、四半期に1回は経営層との対話、半期に1回は組織図変化の確認、を運用に組み込んでください。
関連記事
- カスタマーサクセスとは何か — CSの5つの役割とヘルススコアの位置付け
- SaaSのカスタマーサクセス指標完全ガイド — ヘルススコアと並行で見る15指標
- CS現場で繰り返し観察される「あるある」10選 — パターン8: ヘルススコア目的化の詳細
- CSマネージャー1年目365日ロードマップ — マネージャーがヘルススコアを導入するタイミング
- CS業務で本当に使えるAIプロンプト10選 — VOC分析・KPIレビュー資料作成のAI活用
質問・「自社の業種でのヘルススコア設計」のご相談は お問い合わせフォーム からどうぞ。
— Ao