Customer Scoring.
Priorizar la atención a clientes existentes con un indicador compuesto que resume su salud en un solo número. Sin health score, el equipo atiende al que grita más fuerte. Con health score calibrado, atiende al que más necesita o al que más vale — antes de perderlo.
Customer scoring y health score.
El customer scoring es el sistema que asigna un score a cada cliente existente para priorizar atención operativa. La implementación más extendida es el health score: un indicador compuesto (típicamente 0-100) que resume la salud de la relación combinando cinco dimensiones canónicas: uso del producto, engagement con la marca, compromiso financiero, sentimiento/satisfacción y potencial de expansión. El health score no es predicción de churn sino descripción de salud actual: su valor operativo está en que al equipo le permite intervenir sobre dimensiones específicas que fallan, no sobre un número opaco. A diferencia del lead scoring, que opera sobre prospectos antes de comprar, el customer scoring opera sobre clientes existentes con datos de uso real.
02 — Lead vs customerCustomer scoring vs lead scoring.
Aunque comparten lógica (combinar variables para priorizar), los dos frameworks usan señales estructuralmente distintas. El lead scoring, tratado en el spoke anterior, combina fit demográfico/firmográfico con engagement pre-venta: aperturas de email, descargas, páginas vistas. Su objetivo es predecir conversión a cliente.
El customer scoring opera sobre clientes que ya compraron. Las señales de fit se vuelven irrelevantes — ya son clientes — y las de engagement pre-venta se reemplazan por uso real del producto y engagement post-venta. Un cliente puede tener fit perfecto y haber convertido con score alto de lead, pero si no usa el producto ni interactúa con soporte, su health score va a ser bajo. Las dos mediciones pueden contradecirse sin que ninguna esté equivocada: miden cosas distintas en etapas distintas.
Nick Mehta, Dan Steinman y Lincoln Murphy, en Customer Success, articularon por qué la distinción importa operativamente: el customer success y las ventas necesitan scoring separados porque sus decisiones son distintas. Ventas prioriza qué lead contactar hoy; customer success prioriza qué cliente rescatar o expandir hoy. Usar el mismo framework para ambas decisiones produce sistemas que no guiaran adecuadamente a ninguno de los dos equipos. La integración correcta es mantener scoring separados pero coordinados por el mismo CRM, con continuidad desde el onboarding del cliente hasta su madurez.
03 — DimensionesLas cinco dimensiones del health score.
Un health score compuesto balancea cinco dimensiones canónicas. Cada una captura un aspecto distinto de la salud de la relación, y ninguna por sí sola la resume. La clave es combinar las cinco con pesos calibrados al modelo de negocio.
Qué mide cada dimensión y con qué señales
Uso del producto
Frecuencia de login, features activadas, profundidad de uso, cobertura del equipo del cliente. Es la dimensión más predictiva de churn en SaaS: un cliente que dejó de usar el producto está churneando mentalmente antes de hacerlo formalmente.
Engagement con la marca
Apertura de newsletters, asistencia a webinars, interacciones con customer success, respuesta a encuestas. Complementa el uso del producto: clientes que usan mucho pero no interactúan con la marca son vulnerables porque el vínculo es transaccional, no relacional.
Compromiso financiero
Volumen de facturación, renovaciones previas, expansión histórica, pagos a tiempo. Mide la relación económica. Un cliente que renovo múltiples veces y aumentó volumen tiene vínculo distinto al que renovó una vez con resistencia.
Sentimiento y satisfacción
NPS, CSAT, encuestas post-interacción, tono de tickets. Es la única dimensión que captura la experiencia subjetiva del cliente. Un cliente con uso alto pero sentimiento negativo está listo para migrar cuando aparezca alternativa.
Potencial de expansión
Señales de crecimiento del cliente, CLV proyectado, tamaño de la oportunidad no capturada. Identifica dónde invertir para crecer el negocio, no solo defender el existente. Complementa las cuatro dimensiones anteriores hacia el futuro.
Dashboard del cliente: score compuesto en acción.
La visión operativa del health score es un dashboard que muestra el score global + las cinco dimensiones por cliente, con indicadores de salud por zona (verde / amarillo / naranja / rojo) y el verdict operativo. El ejemplo siguiente muestra un perfil típico de cliente en zona intermedia con señales mixtas — el caso más común y más desafiante en customer success.
Paga bien pero no usa bien y no está contento. Riesgo de no renovación alto a pesar del compromiso financiero actual. Acción: agendar QBR urgente, revisar sentimiento con stakeholder, explorar causa raíz del uso bajo antes del próximo ciclo de renovación.
El caso más común y más doloroso en auditorías es ese: cliente que paga bien, con score financiero alto, y termina churneando. Y al revisar la historia, todas las señales estaban ahí meses antes: uso cayendo, sentimiento negativo, pedidos de soporte sin resolver. Nadie miraba el compuesto. Cada equipo miraba su métrica y no había alguien responsable del cuadro completo. El health score no es magia, es la decisión organizacional de mirar al cliente como un todo y no como cinco silos independientes.
Lisandro IserteCómo traducir el score en intervención.
Un health score sin traducción operativa es un número decorativo. Lo que lo vuelve palanca de negocio es el mapa de acciones por zona, con responsables claros y tiempos de respuesta. La práctica más rentable es definir un playbook por zona y aplicarlo consistentemente.
Zona verde (75-100): clientes saludables. El riesgo operativo es sobreinversión de atención donde no se necesita. La acción recomendada es explorar expansión, invitar a programas de advocacy, usar como referencias comerciales. Contacto trimestral light es suficiente: demasiada atención al sano la percibe como invasión.
Zona amarilla (50-74): el cluster más grande y más complejo. Clientes con señales mixtas que pueden ir en cualquier dirección. La acción es diagnosticar qué dimensión específica está baja y diseñar intervención focalizada: si falla uso, ofrecer training; si falla sentimiento, escalar a customer success; si falla engagement, reactivar con contenido relevante.
Zona naranja (30-49): riesgo alto. Pasar a plan formal de recuperación con responsable designado. Contacto humano obligatorio, QBR de rescate, ajustes contractuales si es necesario. Los costos de retener son más bajos que los de adquisición equivalente, pero el tiempo para intervenir es finito.
Zona roja (0-29): churn inminente. Decisión binaria: rescate agresivo (con winback personalizado) o aceptar como costo hundido. La decisión depende del CLV del cliente: rescatar a un cliente de alto valor justifica inversión significativa; rescatar uno de bajo valor puede ser dinero perdido en el intento.
Lincoln Murphy lo articula así: “el health score es la brújula, no el mapa”. El score indica dirección e intensidad; el playbook traduce esa información en acciones concretas con responsables asignados. Sin playbook, el score existe pero no cambia lo que la empresa hace.
06 — Anti-consensoAnti-consenso: health score antes que ML de churn.
Un patrón repetido en proyectos de predicción de churn: la empresa contrata data science para construir un modelo de ML que predice probabilidad de churn a 90 días, el modelo produce scores con precisión técnica pero el equipo no actúa sobre ellos porque no entiende por qué el modelo dice lo que dice. Inversión alta, retorno bajo.
Health score interpretable > modelo opaco de churn
Los modelos de machine learning para predicción de churn tienen ventajas reales cuando el volumen y la madurez lo justifican: capturan interacciones no lineales entre variables, identifican patrones sutiles, mejoran precisión marginal. Pero pagan un costo fuerte en interpretabilidad. Cuando el modelo dice “este cliente tiene 73% probabilidad de churn”, el equipo de customer success no sabe qué intervenir.
El health score compuesto resuelve el problema distinto: no es tan preciso como el ML, pero es totalmente interpretable. Si el score es 45 y la dimensión de uso está en 25 mientras financiero está en 80, el equipo sabe exactamente que el problema es uso del producto, no precio ni sentimiento. La intervención es dirigida.
Peter Fader y los estudiantes de Wharton documentaron que la precisión marginal del ML sobre health score explicito bien calibrado es típicamente del 5-15%, y esa ganancia se evapora cuando el equipo no puede traducirla en acciones específicas. La secuencia correcta es la misma que para lead scoring: health score explícito primero, ML cuando el volumen y madurez lo justifiquen, y típicamente como complemento del health score, no como reemplazo.
Cómo conecta con el sistema.
Fidelización: health score alimenta todo el cluster
La predicción de churn se construye sobre las dimensiones del health score. Las campañas de reactivation dispararon según zona. La expansión se prioriza por potencial.
Rendimiento: health score como KPI compuesto
El dashboard de customer success debe mostrar distribución de la base por zonas y migración entre zonas mes a mes. Los reportes sin este corte ocultan la salud real de la cartera.
Oferta: expansión requiere producto para crecer
La dimensión de potencial de expansión solo opera si hay plan superior o bundle al que escalar. Sin camino de expansión, la dimensión es irrelevante operativamente.
Crecimiento: calidad del lead predice health futuro
Clientes que llegaron con mal fit en el funnel de conversión tienden a tener health score bajo después. Cerrar el loop entre lead scoring y customer scoring mejora adquisición.
Estrategia: priorización de inversión en CS
La distribución de health scores en la base informa cuánto invertir en customer success, en qué tier, con qué headcount. Es decisión estratégica, no operativa.
Marca: sentimiento como dimensión de salud
El sentimiento del cliente es reflejo directo de cómo la marca cumplió la promesa. Health score bajo en sentimiento con uso alto es señal de posicionamiento que prometió más de lo entregado.
Errores frecuentes y preguntas frecuentes.
Importar health score genérico sin calibrar
Tomar un modelo de 10 dimensiones de la literatura y aplicarlo tal cual. Cada negocio tiene señales propias; las dimensiones canónicas son guía, no receta. Calibrar pesos con data histórica es obligatorio.
Sobrecargar con demasiadas dimensiones
Más de 6 dimensiones vuelve al score opaco. El equipo no puede interpretar cambios ni intervenir con precisión. Empezar con 3-5 y expandir si se justifica.
Score sin playbook operativo
Un health score que no tiene traducción en acciones por zona es un número decorativo. La palanca de negocio es el mapa de intervenciones, no el score mismo. El playbook de orchestration debe incluir respuesta por cada zona.
No recalcular con frecuencia suficiente
Un health score mensual atrasa detección de problemas en clientes rápidamente degradantes. En SaaS, recalculo semanal es el mínimo razonable; en volumen alto, diario. La frecuencia debe alinearse con la velocidad real de degradación del uso en el producto.
No validar el score con outcomes reales
Un health score que no se valida contra renovaciones, churns y expansiones reales puede estar midiendo cosas irrelevantes. Cada trimestre, revisar si el score correlaciona con lo que pasó. La analítica predictiva es la capa que valida esta correlación.
¿Qué es un health score y por qué importa?
Indicador compuesto que resume la salud de la relación con un cliente combinando 5 dimensiones. Importa porque permite intervenir en dimensiones específicas que fallan, no sobre un número opaco.
¿El health score predice churn?
Indirectamente. Está correlacionado con mayor probabilidad de churn, pero no es modelo predictivo formal. Es descripción de salud actual. Ambos se complementan en sistemas maduros.
¿Cuántas dimensiones incluir?
Entre 3 y 6. Menos de 3 es simplístico; más de 6 es opaco. Las 5 canónicas (uso, engagement, financiero, sentimiento, expansión) cubren la mayoría de casos.
Referencias y bibliografía.
Mehta, N., Steinman, D., & Murphy, L. (2016). Customer Success: How Innovative Companies Are Reducing Churn and Growing Recurring Revenue. Wiley.
Murphy, L. (2018). Customer Success: Essential Guide to Proactive Customer Retention. Sixteen Ventures.
Fader, P. (2020). Customer Centricity. 2nd ed. Wharton Digital Press.
Kumar, V. (2018). Profitable Customer Engagement. Sage.
Reichheld, F. (2011). The Ultimate Question 2.0: How Net Promoter Companies Thrive. Harvard Business Review Press.
Skok, D. (2016). SaaS Metrics 2.0. For Entrepreneurs.
Términos del glosario