Customer Health Score: cómo construir uno que sí prediga el churn

TL;DR — Un health score solo sirve si anticipa el riesgo antes de que el cliente decida irse. La mayoría no lo hace porque se construye sobre indicadores rezagados (NPS del trimestre pasado, tickets históricos) y sobre la opinión subjetiva del CSM. Esta guía te muestra cómo elegir 5 a 6 señales que de verdad predicen renovación, cómo asignar pesos basados en tus propios datos, la fórmula exacta para calcularlo y una plantilla lista para copiar. Al final hay un checklist de implementación para las próximas dos semanas. Puedes citar y enlazar libremente las tablas indicando la fuente (CS Latam Hub).

Casi todos los equipos de Customer Success tienen un health score. Muy pocos tienen uno en el que confíen para tomar decisiones. La escena se repite: una cuenta aparece en "verde" durante semanas y, de un día para otro, avisa que no renueva. El dashboard nunca lo vio venir.

El problema casi nunca es la herramienta. Es cómo está construido el score. Un dato incómodo del mercado: se estima que cerca del 73% de los health scores no logran predecir el churn de forma confiable, principalmente porque miden lo que ya pasó en lugar de lo que está por pasar (Vandfort).

Este artículo es práctico. No vas a encontrar una defensa de por qué importa retener —eso ya lo sabes— sino el método para diseñar un score accionable y la plantilla para hacerlo esta semana.

Por qué la mayoría de los health scores mienten

Antes de construir, conviene entender los tres errores que vuelven inútil a un health score. Si tu modelo actual tiene alguno, arráncalo de raíz.

1. Se apoya en indicadores rezagados (lagging), no anticipados (leading). Un indicador rezagado confirma lo que ya ocurrió: el NPS del trimestre anterior, la tasa de renovación, el valor del contrato, el conteo histórico de tickets. Un indicador anticipado predice: la frecuencia de login cayó en los últimos 14 días, la adopción de una funcionalidad clave bajó mes contra mes, aumentó el tiempo entre acciones que generan valor. El riesgo de un modelo lleno de indicadores rezagados es que un cliente puede verse perfectamente sano en tu dashboard durante 60 a 90 días mientras la señal real de churn ya está en marcha (The CS Café). Para cuando el número se pone rojo, el cliente ya se desconectó emocionalmente.

2. Pesa demasiado la opinión subjetiva del CSM. El "sentiment" del CSM es información valiosa, pero cuando domina el score se vuelve peligroso. Después de una buena reunión, el CSM quiere creer que estabilizó la cuenta, y ese optimismo termina pisando las señales reales —caída de uso, falta de valor entregado— produciendo un "verde" engañoso (Gainsight). La regla: el juicio humano puede ajustar el score, no fabricarlo.

3. Mide actividad en lugar de valor. Que un cliente entre todos los días no significa que esté obteniendo resultados. Login alto con cero adopción de las funcionalidades que resuelven su problema es una bandera, no una tranquilidad. El score tiene que reflejar realización de valor, no solo presencia.

El framework: 5 dimensiones, no 20 métricas

La tentación es meter todo lo que se puede medir. Resiste. La recomendación consistente del mercado es elegir entre 4 y 6 señales con definiciones claras y fuerte correlación con la retención (Gainsight, Vitally). Más que eso, el modelo se vuelve ruido que nadie sabe interpretar.

Estas son las cinco dimensiones que cubren el 90% de los casos en B2B SaaS:

Fíjate en el balance: la mayor parte del peso vive en señales anticipadas. Los indicadores rezagados (renovación pasada, NPS histórico) pueden existir como contexto, pero no deben mover el score.

Cómo asignar los pesos (sin inventarlos)

Aquí se decide si tu score predice o adivina. No copies un modelo de internet y lo des por bueno: úsalo solo como punto de partida y luego calíbralo con tus propios datos.

Paso 1: arranca con un peso base razonable

Un reparto inicial frecuente para SaaS B2B se ve así:

Adopción de producto       30%
Tendencia de uso           25%
Realización de valor       20%
Relación y patrocinio      15%
Soporte y fricción         10%

Para cuentas enterprise, donde el vínculo humano pesa más, un reparto común sube la relación y el patrocinio ejecutivo: por ejemplo 25% uso, 30% relación/CSM, 20% patrocinio ejecutivo, 15% resultados de negocio y 10% soporte (Statisfy). El punto no es el número exacto, sino que el peso refleje qué predice la renovación en tu producto.

Paso 2: valida contra tu historia real

Toma las cuentas que renovaron y las que cancelaron en los últimos 6–12 meses y pregúntate: ¿qué señales se movieron 60–90 días antes del desenlace? Revisa qué comportamientos precedieron a las renovaciones frente a las cancelaciones y alinea los pesos a lo que ves (Gainsight). Si la "caída de uso" anticipó churn en el 80% de los casos perdidos, debe pesar más que el sentiment del CSM.

Paso 3: segmenta

Un mismo umbral no sirve para todos. Lo "sano" cambia según el segmento, la etapa del ciclo de vida y el modelo de negocio. Temprano en el journey, las señales de onboarding y adopción inicial pesan más; más adelante, los patrones de adopción sostenida y los resultados de negocio se vuelven los mejores predictores (EverAfter). Como mínimo, separa por tamaño de cuenta (SMB vs. enterprise) y por etapa (onboarding vs. cliente maduro).

La fórmula

El health score es un promedio ponderado de tus dimensiones, normalizadas a una misma escala (0–100).

Health Score = Σ (Puntaje de la dimensiónᵢ × Pesoᵢ)

donde cada Puntaje de dimensión está normalizado de 0 a 100
y la suma de todos los Pesoᵢ = 100%

Ejemplo concreto para una cuenta:

Un 64 no es "amarillo y ya". La lectura útil es: la cuenta se sostiene por la relación y el bajo soporte, pero la tendencia de uso en 40 es la señal anticipada que exige acción ahora.

De número a color (y a acción)

El score sin umbrales de acción es decoración. Define rangos y, sobre todo, qué dispara cada uno:

Plantilla lista para copiar

Pega esto en una hoja de cálculo y tendrás un score funcional hoy mismo. Una columna por dimensión, el peso en la fila superior, y una celda de score con la suma ponderada.

                        | Adopción | Tendencia | Valor | Relación | Soporte | HEALTH
Peso                    |   30%    |   25%     | 20%   |   15%    |  10%    |  SCORE
------------------------|----------|-----------|-------|----------|---------|--------
Cómo se puntúa 0-100    | % feats  | Δ uso 30d | hitos | sponsor  | tickets |
                        | core     |           | OKR   | + QBR    | críticos|
------------------------|----------|-----------|-------|----------|---------|--------
Cuenta A                |    70    |    40     |  60   |    80    |   90    |  64,0
Cuenta B                |    90    |    85     |  80   |    70    |  100    |  84,8
Cuenta C                |    30    |    20     |  40   |    50    |   60    |  35,5

Fórmula de la celda de score (Google Sheets / Excel), asumiendo pesos en la fila 2 y puntajes en la fila de la cuenta:

= (B5*0.30) + (C5*0.25) + (D5*0.20) + (E5*0.15) + (F5*0.10)

Para versionar: cuando recalibres los pesos, guarda la fecha y el motivo del cambio en una hoja de "changelog". Un health score es un modelo vivo, no una configuración que se hace una vez.

Checklist de implementación (próximas dos semanas)

La trampa más común es querer el modelo perfecto antes de lanzar. No lo busques. Lanza un V1 simple, mídelo contra la realidad y refínalo. Un proceso realista:

1. Días 1–2: Lista tus cuentas perdidas y renovadas del último año. Identifica las 2–3 señales que más se movieron antes del desenlace.
2. Días 3–4: Elige tus 5 dimensiones y define exactamente cómo se puntúa cada una de 0 a 100. Escríbelo; si no se puede definir sin ambigüedad, no entra.
3. Días 5–7: Asigna pesos base y arma la plantilla. Calcula el score de tus 20 cuentas más grandes a mano.
4. Día 8: Contraste de realidad. ¿El score coincide con tu intuición de qué cuentas están en riesgo? Donde no coincida, ahí está el aprendizaje: o tu intuición o tu modelo está mal, y vale la pena descubrir cuál.
5. Días 9–14: Conecta umbrales a playbooks. Cada color debe disparar una acción con dueño y fecha. Sin esto, el score no cambia nada.

Y la métrica que de verdad importa para evaluar tu health score no es lo bonito que se ve, sino su poder predictivo: dentro de 90 días, ¿cuántas de las cuentas que marcaste en rojo efectivamente entraron en riesgo, y cuántas verdes renovaron? Ese es el único examen que cuenta.

Una nota sobre IA y automatización

En 2026, cada vez más equipos suman modelos predictivos que ajustan el score en tiempo real y detectan patrones que un reparto manual de pesos no captura (TSIA). Es una buena dirección, pero el orden importa: primero define qué significa "salud" para tu cliente y qué señales la componen. La IA amplifica un buen modelo y acelera uno malo. No empieces por la herramienta; empieza por la lógica de negocio, y deja que la automatización entre cuando ya tengas claridad sobre qué predice la renovación en tu producto.

Un health score bien hecho no es un tablero más: es la diferencia entre enterarte del churn cuando ya no hay margen y verlo venir con tiempo para actuar.

Preguntas frecuentes

¿Cada cuánto debo recalcular el health score? Las señales de uso conviene actualizarlas de forma diaria o semanal; el score compuesto, al menos semanalmente. Recalíbralo (los pesos) cada trimestre contrastándolo con tus renovaciones y cancelaciones reales.

¿Cuántas métricas debe tener? Entre 4 y 6 dimensiones bien definidas. Más métricas no es más precisión: es más ruido y menos capacidad de actuar.

¿El sentiment del CSM debe entrar? Sí, pero con peso acotado (10–15%) y como ajuste, no como motor. Cuando la opinión subjetiva domina el score, la retención tiende a empeorar porque enmascara el riesgo real.

¿Sirve el mismo modelo para todos mis clientes? No. Segmenta al menos por tamaño (SMB vs. enterprise) y por etapa del ciclo de vida. Lo que predice churn en onboarding no es lo mismo que en un cliente maduro.