利用DEAR构建基础客户健康度评分框架（3）：Adoption（采用）与ROI（投资回报）维度深度解析

Adoption（采用）维度

定义和核心逻辑

Adoption衡量客户对产品的实际使用深度和广度。这是DEAR框架中最复杂、最重要的维度，因为采用数据是最直接、最客观的客户健康度指标。

核心理念：

• "采用是预测性最强的健康指标"

• 深度+广度双维度分析

• 粘性功能是续约的关键

• 采用模式反映客户成功程度

为什么Adoption如此重要？

实践数据：

• 产品使用深度与续约率的相关性高达0.75

• 使用高价值功能的客户，续约率高25-35%

• 采用率下降的客户，80%会在6个月内流失

• 使用模式与增购机会高度相关（相关性0.65）

Adoption的三个维度：

核心指标详解

深度指标：

指标1：DAU/WAU/MAU

定义：

• DAU（Daily Active Users）：日活跃用户数

• WAU（Weekly Active Users）：周活跃用户数

• MAU（Monthly Active Users）：月活跃用户数

计算方法：

DAU/WAU = (日活跃用户数 / 周活跃用户数) × 100%

DAU/MAU = (日活跃用户数 / 月活跃用户数) × 100%

行业基准：

• B2B SaaS DAU/MAU：30-50%

• 高粘性产品（如Slack）：50-70%

• 低频产品（如CRM）：20-30%

• 桌面应用：15-25%

评分逻辑：

• 绿色（健康）：DAU/MAU>30%，WAU/MAU>60%

• 黄色（预警）：DAU/MAU 15-30%，WAU/MAU 40-60%

• 红色（风险）：DAU/MAU<15%，WAU/MAU<40%

意义：

• DAU/MAU反映产品的日使用频率和粘性

• DAU/MAU高说明产品是日常工作工具，粘性强

• DAU/MAU低说明产品使用频率低，可能面临流失风险

数据采集方法：

// sql

-- 计算DAU/WAU/MAU

WITH user_activity AS (

SELECT

user_id,

customer_id,

DATE(login_time) as activity_date,

CASE

WHEN DATE(login_time) = CURRENT_DATE THEN 'daily'

WHEN DATE(login_time) >= CURRENT_DATE - INTERVAL '7 days' THEN 'weekly'

WHEN DATE(login_time) >= CURRENT_DATE - INTERVAL '30 days' THEN 'monthly'

END as activity_type

FROM user_login

WHERE login_time >= CURRENT_DATE - INTERVAL '30 days'

),

daily_users AS (

SELECT customer_id, COUNT(DISTINCT user_id) as DAU

FROM user_activity

WHERE activity_type = 'daily'

GROUP BY customer_id

),

weekly_users AS (

SELECT customer_id, COUNT(DISTINCT user_id) as WAU

FROM user_activity

WHERE activity_type = 'weekly'

GROUP BY customer_id

),

monthly_users AS (

SELECT customer_id, COUNT(DISTINCT user_id) as MAU

FROM user_activity

WHERE activity_type = 'monthly'

GROUP BY customer_id

)

SELECT

d.customer_id,

d.DAU,

w.WAU,

m.MAU,

(d.DAU * 100.0 / w.WAU) as DAU_WAU_ratio,

(d.DAU * 100.0 / m.MAU) as DAU_MAU_ratio

FROM daily_users d

JOIN weekly_users w ON d.customer_id = w.customer_id

JOIN monthly_users m ON d.customer_id = m.customer_id;

改进措施：

• 识别产品的"粘性功能"（与续约相关性最高的功能）

• 建立产品使用热力图和趋势监控

• 对使用率下降客户触发采用提升Playbook

• 分析使用模式，优化产品设计

指标2：平均会话时长

定义： 用户每次登录后的平均使用时长

行业基准：

• 高频工具（如IDE、编辑器）：>60分钟

• 中频工具（如CRM、项目管理）：20-40分钟

• 低频工具（如报表、分析）：5-15分钟

评分逻辑：

• 绿色（健康）：符合产品类型基准

• 黄色（预警）：低于基准20-30%

• 红色（风险）：低于基准30%以上

数据采集方法：

// sql

-- 计算平均会话时长

SELECT

customer_id,

user_id,

COUNT(*) as session_count,

SUM(session_duration) as total_duration,

AVG(session_duration) as avg_session_duration

FROM user_session

WHERE session_start_time >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id, user_id;

改进措施：

• 优化产品设计，提高使用效率

• 提供快捷操作和工作流

• 减少不必要的操作步骤

• 提供使用技巧和最佳实践

指标3：核心操作完成次数

定义： 用户完成核心业务操作的次数

举例：

• CRM系统：创建客户、更新机会、生成报告

• 项目管理工具：创建任务、更新进度、完成里程碑

• 分析工具：运行报告、导出数据、分享结果

行业基准：

• 根据产品类型和业务场景设定

• 通常与业务KPI直接关联

评分逻辑：

• 绿色（健康）：达到或超过预期频次

• 黄色（预警）：低于预期20-30%

• 红色（风险）：低于预期30%以上

数据采集方法：

// sql

-- 计算核心操作完成次数

SELECT

customer_id,

user_id,

operation_type,

COUNT(*) as operation_count,

AVG(operation_count) as avg_operation_count

FROM user_operation

WHERE operation_time >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id, user_id, operation_type;

改进措施：

• 识别高价值操作（与续约相关性最高）

• 优化操作流程，减少操作步骤

• 提供快捷操作和批量操作

• 建立操作指导和培训

指标4：高价值功能使用率

定义： 使用高价值功能的用户比例

高价值功能识别方法：

• 与续约相关性分析

• 与增购相关性分析

• 与客户满意度相关性分析

• 产品团队战略判断

行业基准：

• 核心高价值功能：>70%

• 推荐高价值功能：>50%

• 可选高价值功能：>30%

评分逻辑：

• 绿色（健康）：核心功能>70%，推荐功能>50%

• 黄色（预警）：核心功能50-70%，推荐功能30-50%

• 红色（风险）：核心功能<50%，推荐功能<30%

数据采集方法：

// sql

-- 计算高价值功能使用率

SELECT

customer_id,

feature_id,

feature_name,

feature_type, -- core_high_value, recommended, optional

COUNT(DISTINCT user_id) as total_users,

COUNT(DISTINCT CASE WHEN usage_flag = 1 THEN user_id END) as using_users,

(COUNT(DISTINCT CASE WHEN usage_flag = 1 THEN user_id END) * 100.0 / COUNT(DISTINCT user_id)) as usage_rate

FROM feature_usage

WHERE usage_time >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id, feature_id, feature_name, feature_type;

改进措施：

• 识别并推广粘性功能

• 提供功能培训和最佳实践

• 在产品中突出粘性功能

• 基于使用模式推荐功能

广度指标：

指标1：功能使用率

定义： 已使用功能数 / 总功能数

计算方法：

功能使用率 = (已使用功能数 / 总功能数) × 100%

行业基准：

• 核心功能使用率：>80%

• 全部功能使用率：>60%

评分逻辑：

• 绿色（健康）：核心功能>80%，全部功能>60%

• 黄色（预警）：核心功能60-80%，全部功能40-60%

• 红色（风险）：核心功能<60%，全部功能<40%

数据采集方法：

// sql

-- 计算功能使用率

SELECT

customer_id,

COUNT(DISTINCT feature_id) as used_features,

(SELECT COUNT(*) FROM feature_master) as total_features,

(COUNT(DISTINCT feature_id) * 100.0 / (SELECT COUNT(*) FROM feature_master)) as feature_usage_rate

FROM feature_usage

WHERE usage_time >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id;

改进措施：

• 提供功能推荐向导

• 基于客户需求推荐功能

• 建立功能使用进度跟踪

• 提供功能培训和演示

指标2：用户覆盖率

定义： 活跃用户数 / 总用户数

计算方法：

用户覆盖率 = (活跃用户数 / 总用户数) × 100%

行业基准：

• 活跃用户覆盖率：>70%

• 核心用户覆盖率：>50%

评分逻辑：

• 绿色（健康）：活跃用户>70%，核心用户>50%

• 黄色（预警）：活跃用户50-70%，核心用户30-50%

• 红色（风险）：活跃用户<50%，核心用户<30%

数据采集方法：

// sql

-- 计算用户覆盖率

SELECT

customer_id,

COUNT(DISTINCT user_id) as total_users,

COUNT(DISTINCT CASE WHEN last_login_date >= CURRENT_DATE - INTERVAL '30 days' THEN user_id END) as active_users,

(COUNT(DISTINCT CASE WHEN last_login_date >= CURRENT_DATE - INTERVAL '30 days' THEN user_id END) * 100.0 / COUNT(DISTINCT user_id)) as user_coverage_rate

FROM user_master

GROUP BY customer_id;

改进措施：

• 识别不活跃用户

• 对不活跃用户进行激活策略

• 提供用户培训和支持

• 优化产品体验，提高粘性

指标3：跨功能使用情况

定义： 用户使用多个功能模块的程度

行业基准：

• 使用3+个功能模块的用户比例：>50%

• 使用5+个功能模块的用户比例：>30%

评分逻辑：

• 绿色（健康）：跨功能使用率高，产品生态参与度高

• 黄色（预警）：跨功能使用率中等

• 红色（风险）：主要使用单一功能，产品生态参与度低

数据采集方法：

// sql

-- 计算跨功能使用情况

SELECT

customer_id,

COUNT(DISTINCT feature_module) as modules_used,

COUNT(*) as total_module_usage,

AVG(CASE WHEN modules_used >= 3 THEN 1 ELSE 0 END) as cross_module_usage

FROM feature_usage

WHERE usage_time >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id;

改进措施：

• 推广产品生态使用

• 提供跨功能使用案例

• 建立功能集成和使用指南

• 设计跨功能的workflow

粘性指标：

指标1：用户留存率

定义：

• 30天留存率：第1天使用的用户中，第30天还在使用的比例

• 90天留存率：第1天使用的用户中，第90天还在使用的比例

计算方法：

30天留存率 = (第30天活跃用户数 / 第1天活跃用户数) × 100%

90天留存率 = (第90天活跃用户数 / 第1天活跃用户数) × 100%

行业基准：

• 优秀产品：30天留存率>40%，90天留存率>30%

• 良好产品：30天留存率30-40%，90天留存率20-30%

• 一般产品：30天留存率20-30%，90天留存率10-20%

评分逻辑：

• 绿色（健康）：30天留存率>40%，90天留存率>30%

• 黄色（预警）：30天留存率30-40%，90天留存率20-30%

• 红色（风险）：30天留存率<30%，90天留存率<20%

数据采集方法：

// sql

-- 计算用户留存率

WITH cohort_users AS (

SELECT

user_id,

customer_id,

MIN(login_date) as first_login_date

FROM user_login

WHERE login_date >= CURRENT_DATE - INTERVAL '90 days'

GROUP BY user_id, customer_id

),

retention_30d AS (

SELECT

c.customer_id,

COUNT(DISTINCT c.user_id) as cohort_users,

COUNT(DISTINCT r30.user_id) as retained_users_30d,

(COUNT(DISTINCT r30.user_id) * 100.0 / COUNT(DISTINCT c.user_id)) as retention_rate_30d

FROM cohort_users c

LEFT JOIN (

SELECT DISTINCT user_id

FROM user_login

WHERE login_date >= CURRENT_DATE - INTERVAL '30 days'

) r30 ON c.user_id = r30.user_id

GROUP BY c.customer_id

),

retention_90d AS (

SELECT

c.customer_id,

COUNT(DISTINCT c.user_id) as cohort_users,

COUNT(DISTINCT r90.user_id) as retained_users_90d,

(COUNT(DISTINCT r90.user_id) * 100.0 / COUNT(DISTINCT c.user_id)) as retention_rate_90d

FROM cohort_users c

LEFT JOIN (

SELECT DISTINCT user_id

FROM user_login

WHERE login_date >= CURRENT_DATE - INTERVAL '90 days'

) r90 ON c.user_id = r90.user_id

GROUP BY c.customer_id

)

SELECT

r30.customer_id,

r30.retention_rate_30d,

r90.retention_rate_90d

FROM retention_30d r30

JOIN retention_90d r90 ON r30.customer_id = r90.customer_id;

改进措施：

• 优化产品onboarding，提高初期留存

• 提供使用指导和最佳实践

• 建立用户成长路径

• 定期进行用户调研和反馈

指标2：功能粘性

定义： 用户持续使用特定功能的程度

粘性功能识别：

• 使用频率高（如每周使用3+次）

• 使用时长稳定

• 与续约相关性高

行业基准：

• 粘性功能使用率：>70%

• 粘性功能用户留存率：>50%

评分逻辑：

• 绿色（健康）：粘性功能使用率>70%

• 黄色（预警）：粘性功能使用率50-70%

• 红色（风险）：粘性功能使用率<50%

数据采集方法：

// sql

-- 计算功能粘性

SELECT

customer_id,

feature_id,

feature_name,

COUNT(DISTINCT user_id) as total_users,

COUNT(DISTINCT CASE WHEN usage_count >= 3 THEN user_id END) as sticky_users,

(COUNT(DISTINCT CASE WHEN usage_count >= 3 THEN user_id END) * 100.0 / COUNT(DISTINCT user_id)) as stickiness_rate

FROM feature_usage

WHERE usage_time >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id, feature_id, feature_name;

改进措施：

• 识别并推广粘性功能

• 在产品中突出粘性功能

• 提供粘性功能培训

• 基于粘性功能设计产品优化

指标3：使用频率趋势

定义： 用户使用频率的变化趋势

趋势分析：

• 上升趋势：使用频率稳定增长

• 稳定趋势：使用频率保持稳定

• 下降趋势：使用频率持续下降

评分逻辑：

• 绿色（健康）：上升趋势或稳定趋势

• 黄色（预警）：轻微下降（<10%）

• 红色（风险）：明显下降（>10%）

数据采集方法：

// sql

-- 计算使用频率趋势

WITH weekly_usage AS (

SELECT

customer_id,

DATE_TRUNC('week', usage_date) as week,

COUNT(*) as weekly_usage_count

FROM user_activity

WHERE usage_date >= CURRENT_DATE - INTERVAL '12 weeks'

GROUP BY customer_id, DATE_TRUNC('week', usage_date)

),

usage_trend AS (

SELECT

customer_id,

week,

weekly_usage_count,

LAG(weekly_usage_count) OVER (PARTITION BY customer_id ORDER BY week) as prev_week_count,

(weekly_usage_count - LAG(weekly_usage_count) OVER (PARTITION BY customer_id ORDER BY week)) * 100.0 / NULLIF(LAG(weekly_usage_count) OVER (PARTITION BY customer_id ORDER BY week), 0) as week_over_week_change

FROM weekly_usage

)

SELECT

customer_id,

week,

weekly_usage_count,

week_over_week_change,

CASE

WHEN week_over_week_change > 0 THEN 'increasing'

WHEN week_over_week_change = 0 THEN 'stable'

ELSE 'decreasing'

END as trend

FROM usage_trend;

改进措施：

• 监控使用频率趋势

• 对下降趋势的客户主动干预

• 分析下降原因（功能问题、业务变化、竞争等）

• 针对性制定干预策略

Adoption维度的综合评分

评分公式：

Adoption评分 = (深度指标 × 40%) +

(广度指标 × 35%) +

(粘性指标 × 25%)

评分等级：

• 绿色（健康）：综合评分>65%

• 黄色（预警）：综合评分50-65%

• 红色（风险）：综合评分<50%

权重设置原则：

动态权重调整：

对于不同客户分群，权重可以进行调整：

• 新客户：深度指标权重提高到50%，因为新客户需要先建立使用习惯

• 成熟客户：广度指标权重提高到40%，因为成熟客户有扩展使用范围的空间

• 企业客户：粘性指标权重提高到30%，因为企业客户更注重长期稳定使用

行业基准数据：

Adoption健康度与续约率的相关性：

• 绿色客户（>65%）：续约率>88%

• 黄色客户（50-65%）：续约率75-85%

• 红色客户（<50%）：续约率<65%

Adoption维度的实操建议

建议1：粘性功能识别方法

相关性分析：

• 收集历史数据（使用数据、续约数据）

• 计算每个功能使用与续约的相关性

• 选择相关性>0.3的功能作为粘性功能候选

• 结合产品战略进行最终判断

示例：

建议2：产品使用热力图设计

热力图应包含：

• 客户使用频率分布（DAU/WAU/MAU）

• 功能使用分布（哪些功能用得多/少）

• 用户活跃度分布（活跃/沉默/流失）

• 使用趋势（上升/稳定/下降）

• 用户行为路径（常见操作流程）

热力图应用：

• 快速识别高风险客户

• 识别使用模式异常的客户

• 发现最佳使用案例和标杆客户

• 指导产品优化和功能改进

建议3：采用率下降的干预策略

阶段1：早期识别（下降<10%）

• 发送使用提醒邮件

• 提供最佳实践指南

• 推荐粘性功能

阶段2：中期干预（下降10-20%）

• CSM主动联系客户

• 了解使用下降的原因

• 提供定制化支持

阶段3：深度干预（下降>20%）

• 高管介入

• 重新评估客户需求和目标

• 调整成功计划

• 考虑产品或合同调整

ROI（投资回报）维度

定义和核心逻辑

ROI衡量客户是否从产品中获得了预期的业务价值。这是DEAR框架中最重要、最最终的维度，因为客户续约的最终原因不是"产品好不好用"，而是"有没有价值"。

核心理念：

• "ROI是最终的滞后指标"

• 验证成果是ROI的领先指标

• 成功计划连接工作和成果

• 价值实现=客户满意度

为什么ROI如此重要？

实践数据：

• 实现验证成果的客户，续约率高30-40%

• 提前3个月实现验证成果的客户，收入扩展多70%

• ROI满意度高的客户，NPS平均高25分

• 价值实现的客户，增购机会多50%

ROI的三个层次：

核心指标详解

指标1：验证成果完成率

定义： 已完成的验证成果数 / 计划验证成果数

计算方法：

验证成果完成率 = (已完成的验证成果数 / 计划验证成果数) × 100%

什么是验证成果？

验证成果是供应商和客户共同定义的、可衡量的业务成果。这些成果应该：

• 与客户业务目标直接相关

• 可以量化衡量

• 双方达成共识

• 在合理时间内实现

验证成果的类型：

a) 效率提升型

• 减少时间：处理时间减少X%

• 提高效率：工作效率提升X倍

• 降低成本：运营成本降低$X

b) 收入增长型

• 增加收入：新增收入$X

• 提升转化：转化率提升X%

• 缩短周期：销售周期缩短X天

c) 风险管理型

• 降低风险：风险事件减少X%

• 提升合规：合规率提升X%

• 减少损失：避免损失$X

d) 体验改善型

• 提升满意度：CSAT提升X分

• 减少投诉：投诉减少X%

• 改善体验：NPS提升X分

行业基准：

• 验证成果完成率：>80%

• 提前实现验证成果比例：>50%

• 验证成果数量：每个客户2-4个/年

评分逻辑：

• 绿色（健康）：完成率>80%，提前完成>50%

• 黄色（预警）：完成率60-80%，提前完成30-50%

• 红色（风险）：完成率<60%，提前完成<30%

如何定义验证成果：

◦ 深入了解客户的业务挑战和目标

◦ 识别关键决策者和利益相关者

◦ 明确客户期望的成功标准

◦ 选择与客户业务目标直接相关的指标

◦ 确保指标可以量化衡量

◦ 设定合理的目标和时间表

◦ 设定现实的、可衡量的、有时限的目标

◦ 确保目标与客户业务目标对齐

◦ 建立里程碑和跟踪机制

◦ 与客户共同review和确认验证成果

◦ 获得客户高层的支持和承诺

◦ 建立成功标准和评估方法

示例：

客户目标：提高销售效率

验证成果：

指标：

• 销售周期（销售周期）

• 工作效率（每个销售的deal数）

• 培训时间（新员工独立工作时间）

目标：

• 销售周期：45天（目标）

• 工作效率：提升20%（目标）

• 培训时间：2周（目标）

数据采集方法：

// sql

-- 查询验证成果完成情况

SELECT

customer_id,

outcome_id,

outcome_name,

outcome_type, -- efficiency, revenue_growth, risk_management, experience_improvement

baseline_value,

target_value,

actual_value,

completion_date,

target_date,

(actual_value * 100.0 / target_value) as achievement_rate

FROM verified_outcome

WHERE target_date >= CURRENT_DATE - INTERVAL '90 days';

-- 计算验证成果完成率

SELECT

customer_id,

outcome_type,

COUNT(*) as total_outcomes,

COUNT(CASE WHEN completion_date IS NOT NULL THEN 1 END) as completed_outcomes,

COUNT(CASE WHEN completion_date IS NOT NULL AND completion_date <= target_date THEN 1 END) as on_time_outcomes,

(COUNT(CASE WHEN completion_date IS NOT NULL THEN 1 END) * 100.0 / COUNT(*)) as completion_rate,

(COUNT(CASE WHEN completion_date IS NOT NULL AND completion_date <= target_date THEN 1 END) * 100.0 / COUNT(*)) as on_time_rate

FROM verified_outcome

WHERE target_date >= CURRENT_DATE - INTERVAL '90 days'

GROUP BY customer_id, outcome_type;

改进措施：

• 与客户共同定义验证成果

• 建立验证成果跟踪系统

• 定期回顾和调整验证成果

• 将验证成果与续约和增购关联

指标2：成功计划进度

定义： 已完成里程碑数 / 总里程碑数

计算方法：

成功计划进度 = (已完成里程碑数 / 总里程碑数) × 100%

成功计划的结构：

成功计划模板：

行业基准：

• 成功计划完成率：>80%

• 里程碑按时完成率：>75%

• 成功计划调整次数：<2次/年

评分逻辑：

• 绿色（健康）：完成率>80%，按时完成率>75%

• 黄色（预警）：完成率60-80%，按时完成率60-75%

• 红色（风险）：完成率<60%，按时完成率<60%

数据采集方法：

// sql

-- 查询成功计划进度

SELECT

customer_id,

plan_id,

plan_name,

COUNT(*) as total_milestones,

COUNT(CASE WHEN completion_status = 'completed' THEN 1 END) as completed_milestones,

COUNT(CASE WHEN completion_status = 'completed' AND completed_date <= target_date THEN 1 END) as on_time_milestones,

(COUNT(CASE WHEN completion_status = 'completed' THEN 1 END) * 100.0 / COUNT(*)) as completion_rate,

(COUNT(CASE WHEN completion_status = 'completed' AND completed_date <= target_date THEN 1 END) * 100.0 / COUNT(*)) as on_time_rate

FROM success_plan_milestone

WHERE target_date >= CURRENT_DATE - INTERVAL '90 days'

GROUP BY customer_id, plan_id, plan_name;

改进措施：

• 与客户共同制定详细的成功计划

• 建立里程碑跟踪系统

• 定期回顾进度和调整计划

• 将成功计划与验证成果关联

指标3：价值实现度

定义： 客户实际实现的业务价值 / 预期业务价值

计算方法：

价值实现度 = (实际实现价值 / 预期价值) × 100%

价值实现度的衡量：

a) 量化指标

• 效率提升：实际提升 / 预期提升

• 成本降低：实际降低 / 预期降低

• 收入增加：实际增加 / 预期增加

b) 质化指标

• 目标达成度：客户对目标达成的主观评价

• 价值感知：客户对价值的感知和认可

• 推荐意愿：客户是否愿意推荐给他人

行业基准：

• 价值实现度：>80%

• 超出预期比例：>30%

评分逻辑：

• 绿色（健康）：价值实现度>100%（超出预期）

• 黄色（预警）：价值实现度80-100%（基本达标）

• 红色（风险）：价值实现度<80%（未达标）

数据采集方法：

// sql

-- 查询价值实现度

SELECT

customer_id,

value_id,

value_type, -- efficiency, revenue_growth, cost_reduction

baseline_value,

target_value,

actual_value,

(actual_value * 100.0 / target_value) as achievement_rate

FROM value_realization

WHERE achievement_date >= CURRENT_DATE - INTERVAL '90 days';

-- 计算价值实现度

SELECT

customer_id,

COUNT(*) as total_values,

AVG(achievement_rate) as avg_achievement_rate,

COUNT(CASE WHEN achievement_rate >= 100 THEN 1 END) * 100.0 / COUNT(*) as above_target_rate

FROM value_realization

WHERE achievement_date >= CURRENT_DATE - INTERVAL '90 days'

GROUP BY customer_id;

改进措施：

• 明确价值定义和衡量方法

• 定期跟踪价值实现情况

• 向客户展示价值证明

• 将价值实现与客户满意度关联

指标4：客户满意度

a) NPS（净推荐值）

定义：客户推荐意愿的量化指标

计算方法：

NPS = 推荐者比例 - 贬损者比例

其中：

行业基准：

• 优秀：NPS > 50

• 良好：NPS 30-50

• 一般：NPS 10-30

• 较差：NPS < 10

b) CSAT（客户满意度）

定义：客户对产品或服务的满意度评分

计算方法：

CSAT = (非常满意比例 × 5 + 满意比例 × 4 + 一般比例 × 3 + 不满意比例 × 2 + 非常不满意比例 × 1) / 总数

行业基准：

• 优秀：CSAT > 4.5/5

• 良好：CSAT 4.0-4.5/5

• 一般：CSAT 3.5-4.0/5

• 较差：CSAT < 3.5/5

c) CES（客户努力度）

定义：客户获得服务或解决问题的努力程度

计算方法：

CES评分 = (非常容易比例 × 1 + 容易比例 × 2 + 一般比例 × 3 + 困难比例 × 4 + 非常困难比例 × 5) / 总数

行业基准：

• 优秀：CES < 2.0/5

• 良好：CES 2.0-3.0/5

• 一般：CES 3.0-4.0/5

• 较差：CES > 4.0/5

评分逻辑：

• 绿色（健康）：NPS > 50，CSAT > 4.5，CES < 2.0

• 黄色（预警）：NPS 30-50，CSAT 4.0-4.5，CES 2.0-3.0

• 红色（风险）：NPS < 30，CSAT < 4.0，CES > 3.0

数据采集方法：

// sql

-- 查询客户满意度数据

SELECT

customer_id,

satisfaction_type, -- nps, csat, ces

score,

feedback,

survey_date

FROM customer_satisfaction

WHERE survey_date >= CURRENT_DATE - INTERVAL '90 days';

-- 计算NPS

SELECT

customer_id,

COUNT(*) as total_surveys,

COUNT(CASE WHEN score >= 9 THEN 1 END) as promoters,

COUNT(CASE WHEN score >= 7 AND score <= 8 THEN 1 END) as passives,

COUNT(CASE WHEN score <= 6 THEN 1 END) as detractors,

(COUNT(CASE WHEN score >= 9 THEN 1 END) * 100.0 / COUNT(*) - COUNT(CASE WHEN score <= 6 THEN 1 END) * 100.0 / COUNT(*)) as nps_score

FROM customer_satisfaction

WHERE satisfaction_type = 'nps' AND survey_date >= CURRENT_DATE - INTERVAL '90 days'

GROUP BY customer_id;

改进措施：

• 定期进行NPS调研（每季度）

• 互动后立即进行CSAT调研

• 优化支持流程，降低CES

• 主动收集客户反馈和改进建议

指标5：持续使用意愿

定义： 客户续约和增购的意愿

衡量方法：

• 续约意愿：是否愿意续约（是/否/不确定）

• 增购意愿：是否考虑增购（是/否/不确定）

• 推荐意愿：是否愿意推荐（是/否/不确定）

行业基准：

• 续约意愿：>90%

• 增购意愿：>50%

• 推荐意愿：>60%

评分逻辑：

• 绿色（健康）：续约>90%，增购>50%，推荐>60%

• 黄色（预警）：续约80-90%，增购30-50%，推荐40-60%

• 红色（风险）：续约<80%，增购<30%，推荐<40%

数据采集方法：

// sql

-- 查询持续使用意愿

SELECT

customer_id,

renewal_intention, -- yes, no, uncertain

upsell_intention,

referral_intention,

intention_date

FROM customer_intention

WHERE intention_date >= CURRENT_DATE - INTERVAL '30 days';

-- 计算持续使用意愿

SELECT

customer_id,

COUNT(CASE WHEN renewal_intention = 'yes' THEN 1 END) * 100.0 / COUNT(*) as renewal_intention_rate,

COUNT(CASE WHEN upsell_intention = 'yes' THEN 1 END) * 100.0 / COUNT(*) as upsell_intention_rate,

COUNT(CASE WHEN referral_intention = 'yes' THEN 1 END) * 100.0 / COUNT(*) as referral_intention_rate

FROM customer_intention

WHERE intention_date >= CURRENT_DATE - INTERVAL '30 days'

GROUP BY customer_id;

改进措施：

• 提前6个月开始续约谈判

• 基于健康度评分识别增购机会

• 培养客户成为倡导者

• 建立客户忠诚度计划

ROI维度的综合评分

评分公式：

ROI评分 = (验证成果完成率 × 35%) +

(成功计划进度 × 25%) +

(价值实现度 × 20%) +

(客户满意度 × 15%) +

(持续使用意愿 × 5%)

评分等级：

• 绿色（健康）：综合评分>80%

• 黄色（预警）：综合评分70-80%

• 红色（风险）：综合评分<70%

权重设置原则：

动态权重调整：

对于不同客户分群，权重可以进行调整：

• 新客户：成功计划进度权重提高到30%，因为新客户需要先建立信任

• 成熟客户：验证成果完成率权重提高到40%，因为成熟客户更关注实际成果

• 企业客户：客户满意度权重提高到20%，因为企业客户更重视关系质量

行业基准数据：

ROI健康度与续约率的相关性：

• 绿色客户（>80%）：续约率>95%

• 黄色客户（70-80%）：续约率85-92%

• 红色客户（<70%）：续约率<80%

ROI维度的实操建议

建议1：成功计划的共同制定

最佳实践：

a) 从客户需求出发

• 深入了解客户的业务挑战和目标

• 识别关键决策者和利益相关者

• 明确客户期望的成功标准

b) 定义可衡量的成果

• 选择与客户业务目标直接相关的成果

• 确保成果可以量化衡量

• 设定合理的目标和时间表

c) 制定详细的计划

• 将成果分解为可执行的里程碑

• 明确每个行动项的责任人和时间

• 识别和规划必要的资源和依赖

d) 双方确认和承诺

• 与客户共同review和确认成功计划

• 获得客户高层的支持和承诺

• 建立成功标准和评估方法

建议2：成果跟踪的自动化

自动化工具：

a) 产品内埋点

• 跟踪关键业务指标（如效率、成本、收入）

• 自动计算成果达成进度

• 实时展示成果和价值

b) 集成外部数据

• 集成客户业务系统（如CRM、ERP）

• 自动获取业务数据

• 自动计算ROI和价值实现度

c) 预警和通知

• 成果进度预警（落后、延期）

• 成果达成通知

• 价值实现提醒

建议3：价值证明的方法和工具

价值证明模板：

价值证明报告模板：

建议4：成功案例分析

案例：某B2B SaaS公司的ROI证明

背景：

• ARR $20M+

• 客户数：200+

• 行业：B2B SaaS

挑战：

• 客户满意度中等（NPS 35）

• 续约意愿不强（续约意愿70%）

• 增购机会少（增购意愿20%）

实施：

• 与客户共同定义验证成果

• 制定详细的成功计划

• 建立自动化跟踪系统

• 定期提供价值证明报告

验证成果：

ROI计算：

• 投入成本：$200K/年（产品费用 + 培训成本）

• 实现收益：$500K/年（效率提升价值）

• ROI = (500K - 200K) / 200K × 100% = 150%

结果：

• 客户满意度提升（NPS 35 → 55）

• 续约意愿提升（续约意愿70% → 95%）

• 增购机会增加（增购意愿20% → 60%）

• 客户成为倡导者

关键成功因素：

• 共同定义验证成果

• 自动化跟踪和报告

• 持续沟通和价值证明

• 客户高层的支持

常见问题FAQ

Q1：为什么说"采用是预测性最强的健康指标"？

A： "采用是预测性最强的健康指标"是Adoption维度的核心理念，原因如下：

产品使用深度与续约率的相关性高达0.75

使用高价值功能的客户，续约率高25-35%

采用率下降的客户，80%会在6个月内流失

使用模式与增购机会高度相关（相关性0.65）

采用数据来自产品使用行为，是客观数据，不受主观判断影响

采用数据可以实时采集和监控，能够及时发现变化

采用数据覆盖所有用户和客户，具有全面性

采用数据可以细粒度分析，支持深度洞察

使用深度（DAU/WAU/MAU）反映客户对产品的依赖程度

使用广度（功能使用率、用户覆盖率）反映客户对产品生态的参与度

使用粘性（用户留存率、功能粘性）反映客户的持续使用习惯

使用模式（高价值功能、核心操作）反映客户真实需求和价值实现

采用数据的变化通常先于续约决策

采用率下降是流失的早期预警信号

使用模式变化可以预测增购机会

功能采用情况可以指导产品优化

可以分析单个功能的使用情况和续约相关性

可以分析用户行为路径和成功模式

可以识别粘性功能和流失风险特征

可以建立预测模型和风险评分

CSM活动可以量化的影响采用指标

采用指标可以量化的影响续约和扩展

建立了"活动→采用→续约"的影响链

可以生成可量化的业务影响报告

数据支撑：

使用产品使用数据的客户，预测准确率提升40%

使用数据与CRM数据结合，健康度准确率提升50%

使用数据驱动的产品优化，用户满意度提升25%

采用数据与续约率的相关性高达0.75，是所有维度中最高的

实操建议：

识别产品的"粘性功能"（与续约相关性最高的功能）

建立产品使用热力图和趋势监控

对使用率下降客户触发采用提升Playbook

分析使用模式，优化产品设计

总结

Adoption维度的核心价值：采用是预测性最强的健康指标，与续约率高度相关（相关性0.75），是最直接、最客观的健康指标，反映客户真实需求和价值实现。采用数据是领先指标，可以细粒度分析和预测，支持可量化的业务影响。

Adoption维度的三个子维度：深度（40%）是最重要的指标，衡量用户使用的频繁程度和活跃度；广度（35%）衡量用户使用功能的覆盖范围，影响增购机会；粘性（25%）衡量用户持续使用的程度和习惯，影响长期留存。动态权重调整：新客户深度50%、成熟客户广度40%、企业客户粘性30%。

粘性功能的重要性：粘性功能是续约的关键，识别和推广粘性功能至关重要。识别方法包括相关性分析（续约相关性>0.3）、用户留存分析（30天留存率>50%）、使用模式分析。推广策略包括产品内推广、培训和教育、CSM主动推广、自动化推荐、客户成功案例。成功案例显示，粘性功能使用率从60%提升到75%，续约率从80%提升到90%。

ROI维度的核心逻辑：ROI是最终的滞后指标，客户续约的最终原因是"有没有价值"。ROI的三个层次：验证成果（双方达成共识的可衡量成果）、成功计划（实现成果的具体计划）、满意度（客户对价值的满意程度）。数据支撑：实现验证成果的客户续约率高30-40%，ROI满意度高的客户NPS平均高25分。

验证成果和成功计划的制定：与客户共同定义验证成果的步骤：了解客户业务目标、明确关键指标、设定目标和时间、双方确认。验证成果的类型：效率提升型、收入增长型、风险管理型、体验改善型。成功计划的结构：概述、验证成果、里程碑、行动项、资源和依赖、风险和应对、回顾和调整。

产品使用热力图的设计和应用：热力图应包含客户使用频率分布、功能使用分布、用户活跃度分布、使用趋势、用户行为路径。可视化方式包括热力图颜色编码、客户使用热力图矩阵、功能使用热力图、使用频率热力图。应用包括快速识别高风险客户、识别使用模式异常的客户、发现最佳使用案例和标杆客户、指导产品优化和功能改进、识别增购和扩展机会。