Évaluer le risque d'attrition et calculer le score de santé

Objectif

Entrées acceptées

• Logs
• Tickets
• Facturation
• Emails

Ce que vous obtenez

• Rapport
• Tableau
• Matrice

Limites et supervision humaine

Sources officielles

Références utilisées pour cadrer la méthode. Vérifiez leur version à la date d'utilisation.

• ISO/TS 10004:2018 Management de la qualité — Satisfaction du client — Lignes directrices relatives à la surveillance et au mesurage
• HubSpot : Customer Health Score, définition et calcul

Aperçu du SKILL.md

Premières lignes du fichier embarqué dans l'archive — le contrat d'exécution du skill.

---
name: evaluer-risque-attrition-score-sante
description: Un Customer Success Manager doit identifier les clients B2B à risque de désabonnement (churn) avant leur renouvellement. Le skill synthétise les données d'usage, les interactions de support et les retards de paiement pour générer un score de santé (Customer Health Score) objectif et prioriser les actions de rétention.
---

# Évaluer le risque d'attrition et calculer le score de santé

## Mission
Un Customer Success Manager doit identifier les clients B2B à risque de désabonnement (churn) avant leur renouvellement. Le skill synthétise les données d'usage, les interactions de support et les retards de paiement pour générer un score de santé (Customer Health Score) objectif et prioriser les actions de rétention.

## Résultat attendu
- Tableau des scores de santé par client
- Rapport d'analyse des facteurs de risque
- Matrice de priorisation des comptes à sauver

## Situations d'usage
Évaluation proactive de la santé globale des comptes clients avant renouvellement.

## Ce que le skill ne fait pas
Contrairement au tri des tickets (réactif) ou à l'analyse des verbatims (qualitatif), ce skill évalue de manière proactive la santé globale du compte. Il ne construit pas un plan d'onboarding ni ne contrôle des SLA passés, mais anticipe le risque d'attrition futur par un scoring quantitatif et comportemental. Le skill ne décide pas des gestes commerciaux à accorder.

## Entrées obligatoires
- Historique d'utilisation de la plateforme (connexions, fonctionnalités clés)
- Historique des tickets de support (volume, criticité)
- Données de facturation (retards, impayés)
- Échanges récents (emails, CRM)

## Entrées facultatives
Données NPS, participation aux événements.

## Validation préalable
Vérifier que les données d'usage, de support et de facturation sont complètes et correspondent à la même période temporelle.

## Méthodologie
1. Consolider les données d'utilisation du produit (fréquence, profondeur) issues des logs.
2. Agréger les données d'interaction (tickets de support, NPS, participation aux événements).
3. Extraire les indicateurs financiers (retards de paiement, évolution du MRR).
4. Appliquer une pondération spécifique à chaque catégorie (ex: baisse d'usage = -20 pts, retard de paiement = -15 pts).
5. Calculer le Customer Health Score (CHS) global sur 100 pour chaque compte.
6. Segmenter les clients en trois catégories de risque (Élevé, Neutre, Faible).
7. Identifier les facteurs explicatifs principaux pour les comptes à risque élevé.
8. Générer une matrice de priorisation pour les actions de rétention.

## Règles de décision
- Le score de santé (CHS) est sur 100.
- Baisse d'usage entraîne une pénalité (ex: -20 pts).
- Retard de paiement entraîne une pénalité (ex: -15 pts).
- Segmentation : Élevé, Neutre, Faible.

## Contrôles qualité
- Vérification de la pondération totale.
- Traçabilité des pénalités appliquées au score.
- Cohérence entre la segmentation et les scores calculés.

## Format de sortie
Rapport Markdown incluant le tableau des scores, l'analyse des facteurs de risque et la matrice de priorisation.

## Convention de confiance
Le skill calcule un score basé sur des règles définies, mais ne décide pas des gestes commerciaux à accorder. L'interprétation finale du contexte humain (ex: réorganisation chez le client) reste à la charge du Customer Success Manager. Toute conclusion sensible exige une validation humaine. Ne pas inventer de données.

## Gestion des erreurs
- Si les données sont manquantes (ex: pas de données de facturation), le signaler explicitement et ne pas imputer de pénalité arbitraire.
- En cas de contradictions, isoler les données conflictuelles et demander une revue humaine.

## Limites
Le skill dépend de la qualité des données fournies (logs, tickets, facturation). Il ne capte pas le ressenti informel non documenté.

## Exemple
Voir le fichier templates/evaluer-risque-attrition-score-sante-output.md pour un exemple de résultat attendu.

## Protocole de traçabilité
Toutes les pénalités appliquées doivent être listées avec la donnée source correspondante.

## Dossier de preuve minimal
Extraits des logs, tickets et factures ayant conduit à des pénalités.

## Checklist finale
- [ ] Les scores sont sur 100.
- [ ] Les pénalités sont tracées.
- [ ] La segmentation est cohérente.
- [ ] Validation humaine requise.


### Rappel de fiabilité
Ne jamais inventer un fait, un chiffre, une conformité, une date, une source ou une citation.


## Revue contradictoire

Avant de finaliser le résultat, rechercher au moins un élément susceptible de contredire chaque conclusion importante. Pour évaluer le risque d'attrition et calculer le score de santé, tester notamment les hypothèses de périmètre, de date, de version, d'exhaustivité et de responsabilité. Lorsque deux interprétations restent possibles, les présenter côte à côte avec leurs conséquences au lieu d'en sélectionner une sans preuve.

## Critères d'acceptation

Installation

1. Téléchargez le fichier. Pour vérifier son intégrité, utilisez shasum -a 256 evaluer-risque-attrition-score-sante.zip et comparez le résultat avec l'empreinte affichée dans la fiche technique.
2. Décompressez-le : vous obtenez un dossier contenant SKILL.md et ses ressources.
3. Importez le dossier dans claude.ai, Claude Code ou via l'API.