Method for calculating custome…

# SaaS客户续约风险评分方案（1200家客户·三维度分档）

一、评分框架设计

维度1：ARR（年度经常性收入）

• 高风险侧逻辑：ARR越高，流失损失越大，需重点盯防
• 高：ARR ≥ 5万（重点客户层）
• 中：ARR 约2万–5万
• 低：ARR < 2万
• 建议：可再对“5万以上”细分（如5万–20万、20万+），便于差异化服务

维度2：登录频次（产品活跃度）

• 低活跃=流失前兆，通常是最强的预警信号
• 高活跃：近30天登录 ≥ 每周3次以上（或按贵司数据分布取前1/3）
• 中活跃：每月1–4次
• 低活跃：近30天登录 ≤ 1次，或连续30天+零登录

维度3：工单量（服务健康度）

• 需区分性质：咨询类工单多为正常，抱怨/故障类才是风险
• 健康：工单量适中且以咨询为主，响应及时、满意度高
• 预警：工单量激增（如环比涨幅明显）、重复提交同类问题、有退款/降级诉求
• 高危：工单量骤降为零（可能已放弃使用）或频繁投诉升级

二、风险分档规则（加权建议）

| 档位 | 判定条件（满足其一即可） | 典型画像 |

|---|---|---|

| 🔴 高风险 | 低登录 + 工单异常；或高ARR + 低活跃 | 大客户沉默、投诉激增 |

| 🟡 中风险 | 活跃度中等 + 工单偶有预警 | 使用波动、参与度下滑 |

| 🟢 低风险 | 高登录 + 工单正常（ARR仅影响优先级） | 健康活跃用户 |

打分制替代方案：三维度各打1–5分，加权（建议 ARR 30% / 登录 45% / 工单 25%），总分≤60%分位为高风险，60–85%为中，其余为低。

三、落地建议

1. 数据准备：取近90天数据滚动计算，避免单月波动误判

2. 分档后动作：高风险→CSM一对一介入+续约前90天启动挽回；中风险→自动触达+使用引导；低风险→标准化维护+增购推荐

3. 校准机制：用上一续约周期实际流失客户回测权重，每季度调整一次阈值

4. 注意：1200家客户建议先跑通分档模型，再人工复核高风险名单（通常占比10–20%）

核心原则：ARR决定“值不值得救”，登录频次决定“是否需要救”，工单质量决定“怎么救”。