CXone9 – Unificando Soluções, Elevando a Experiência

A maioria das empresas cria health scores que viram ornamento. Um número bonito que ninguém sabe bem como foi calculado, que ninguém age quando muda, e que não prevê nada. O problema raramente é o modelo – é o que acontece antes e depois dele.

Existe um rito de passagem nas empresas de médio porte que investem em Customer Success: o momento em que alguém diz “precisamos de um health score”. A proposta parece irresistível — um único número que captura a saúde de cada cliente, que orienta onde o time deve focar, que previne churn antes que ele aconteça.

Semanas depois, o modelo está no ar. Cada cliente tem uma pontuação. O dashboard está colorido de verde, amarelo e vermelho. E então… nada muda. O time continua priorizando as mesmas contas que priorizava antes. As contas vermelhas continuam sem ação. Os churns continuam acontecendo – frequentemente em contas que estavam marcadas como verdes.

O health score virou ornamento.

Esse cenário é mais comum do que qualquer empresa gosta de admitir. E ele quase nunca acontece por falta de dados ou de tecnologia. Acontece por três razões muito específicas: os sinais errados foram escolhidos, o modelo não foi calibrado com dados reais, e o time não foi desenhado para agir a partir dele.

O que um health score realmente precisa fazer

Antes de falar sobre o que medir, é preciso ser claro sobre o que um health score deve entregar. Não é um retrato do passado – é uma previsão do futuro. Especificamente: a probabilidade de um cliente renovar, expandir ou cancelar nos próximos 60 a 90 dias.

Isso muda completamente o que faz sentido medir. Métricas de satisfação (NPS, CSAT) descrevem como o cliente se sentiu. Métricas de uso descrevem o que ele fez. O health score precisa combinar essas camadas e transformá-las em sinal preditivo – não retrospectivo.

A pergunta que orienta a construção de qualquer modelo sólido é simples: o que os clientes que cancelaram nos últimos 12 meses tinham em comum, 60 dias antes de sair? Se você consegue responder essa pergunta com dados, você tem os ingredientes do seu health score. Se não consegue, você vai construir um modelo baseado em intuição – e intuição não escala.

Os sinais que realmente importam

Não existe um conjunto universal de métricas para health score – elas variam por produto, modelo de negócio e perfil de cliente. Mas existem categorias de sinais que consistentemente se provam preditivas:

O erro mais comum é dar peso igual a todos os sinais – ou pior, dar peso alto para o que é fácil de medir (logins, tickets abertos) e ignorar o que é difícil de capturar (progresso em metas, qualidade do engajamento). Um modelo desequilibrado produz scores que não refletem a realidade.

Até aqui, nossa leitura já foi enriquecedora, não é?

No próximo artigo, falaremos um pouco mais sobre esse tema.
Aguardo vocês!