ヘルススコアとは｜定義・役割・機能を整理

カスタマーサクセス（顧客の成功を支援し、継続利用と収益拡大につなげる活動、以下CS）を立ち上げたものの、どの顧客が解約に近づいているのかを担当者の感覚で判断していないでしょうか。訪問記録やメールのやり取りは残っていても、「この顧客は大丈夫」「あの顧客は危ない」という判断の根拠が人によってバラつくと、フォローの優先順位を決められません。

ヘルススコアは、この判断を数値に置き換えるための指標です。この記事では、ヘルススコアの定義、CSで果たす役割、スコアを構成する要素、そして設計から運用までの流れを、担当者がそのまま設計に着手できる粒度で整理します。解約（チャーン）を含めた継続・収益の全体像は、チャーンとLTV・NRRの解説で体系的に整理しています。

ヘルススコアとは

ヘルススコアとは、顧客の利用状況・サポート状況・満足度などの情報を組み合わせ、その顧客が継続してくれる可能性、つまり「継続の健全度」を数値化した指標です。契約金額の大小ではなく、顧客がサービスを使いこなし、価値を感じているかを1つのスコアで表します。

サブスクリプション型のSaaSでは、契約後に使われなくなった顧客が静かに離れていくため、利用が続いているかどうかを継続的に見張る指標が必要になります。ここで気をつけたいのが、ヘルススコアは満足度調査そのものではないという点です。次に、その中身と違いを掘り下げます。

顧客の「継続の健全度」を数値化する指標

継続の健全度とは、「この顧客は今後も使い続け、更新してくれそうか」を測る度合いです。新規獲得よりも既存顧客の継続のほうが収益効率が高いサブスクリプションモデルでは、契約後の顧客がどんな状態にあるかを可視化することが収益の土台になります。

たとえば同じ契約金額の顧客が2社あっても、片方は主要機能を毎日使い、片方はログインすら止まっているなら、継続の健全度はまったく違います。ヘルススコアは、この差を担当者の記憶ではなく数値として残し、チーム全員が同じ基準で顧客を見られる状態にします。スコアが高い顧客は放置しても継続する可能性が高く、低い顧客は早めの手当てが要る、という判断を数値で共有できます。

単なる満足度調査との違い

満足度調査やアンケートは、顧客が「主観的にどう感じているか」の一断面を切り取ります。有効な情報ですが、それ単体では継続可能性の全体像は見えません。アンケートで高評価をつけた顧客が、実際にはほとんど製品を使っておらず更新時に離れる、という食い違いは珍しくないためです。

ヘルススコアは、この主観データに加えて、ログイン頻度や機能の利用率といった客観データを合成して継続可能性を測ります。顧客が「どう感じているか」と「実際にどう使っているか」の両方を1つの指標に束ねる点が、単発の満足度調査との決定的な違いです。感情と行動の両面から健全度を捉えるため、片方だけでは見逃す危険な兆候を拾えます。

ヘルススコアがカスタマーサクセスで果たす役割

ヘルススコアがCSで果たす最大の役割は、解約という「結果指標」を、予兆の段階で捉える「先行指標」に変えることです。解約が確定してから動いても手遅れですが、ヘルススコアが下がり始めた時点で察知できれば、契約更新までに手を打てます。

感覚に頼っていたフォロー判断を数値で標準化し、限られたCSリソースをどの顧客に振り向けるかを客観的に決められる点が実務上の価値です。ここでは、その役割を「予兆の先回り」と「優先順位の標準化」の2つに分けて説明します。

結果指標のチャーンを予兆で先回りする

チャーン（解約）は、起きてしまった後では取り返しがつかない結果指標です。ヘルススコアは、その結果に先立って現れる変化、たとえばログイン頻度の低下や問い合わせの急増を数値の下落として捉えます。スコアが下がり始めた顧客をリストアップし、更新の数か月前からフォローに入れば、解約を防げる余地が生まれます。

つまりヘルススコアは、チャーンという最終的な結果を予測し、先回りするための計器です。解約率そのものの計算方法や種類は別記事で整理しているため、本記事ではヘルススコアを「チャーンを予兆で先回りする指標」として位置づけるにとどめます。

フォロー優先順位を数値で標準化する

CSの担当者は1人で数十社を受け持つことが多く、全顧客に同じ手厚さで対応するのは現実的ではありません。ヘルススコアがあれば、スコアの低い顧客から順にフォローする、という優先順位を数値で一律に決められます。ベテランの勘に依存せず、経験の浅い担当者でも同じ基準で危険な顧客を見つけられます。

この標準化は、担当者の異動や退職があっても引き継がれる点でも効果があります。属人的な「この顧客はなんとなく危ない」という判断が、スコアという再現可能な形で残るためです。継続がLTV（顧客生涯価値）やNRR（売上維持率）にどう効いてくるかは、別記事で整理しています。

ヘルススコアを構成する要素（指標の分類）

ヘルススコアは、大きく「プロダクトの利用状況」「サポート・コミュニケーション状況」「顧客の利用満足度」という3系統の指標を組み合わせて作ります。それぞれに、システムから自動で取れる客観データと、顧客の回答から得る主観データの別があります。

片方の系統に偏るとスコアが実態からずれるため、3系統をバランスよく組み合わせるのが基本です。以下、系統ごとに代表的な指標を挙げます。

プロダクトの利用状況

利用状況は、顧客が製品を実際にどれだけ使っているかを表す客観データで、継続の健全度を最も直接的に映します。主な指標は次のとおりです。

• ログイン頻度：一定期間内にどれだけログインしているか。頻度の急落は離反の初期サイン。
• 主要機能の利用率：契約の目的にあたる中核機能を使えているか。契約したのに使われない機能は解約リスク。
• アクティブユーザー数：契約ID数のうち実際に使っているユーザーの割合。導入部署が限定されていないか。

これらは製品のログから自動で取得できることが多く、更新の手間が少ないうえに嘘をつかないため、ヘルススコアの土台になります。

サポート・コミュニケーション状況

サポートやコミュニケーションの状況は、顧客との接点が健全に保たれているかを表します。問い合わせの増減やこちらからの接点の頻度が、継続の温度感を示します。主な指標は次のとおりです。

• 問い合わせ件数：多すぎれば使いこなせていない兆候、ゼロが続けば無関心の兆候の両面で見る。
• 対応状況：問い合わせに対して解決まで至っているか、未解決が滞留していないか。
• 接点頻度：定例やフォローの実施頻度。長く接点が途切れている顧客は状況を把握できていない。

問い合わせは「多い＝悪い」「少ない＝良い」と単純化できません。まったく問い合わせがない顧客はロイヤルなのか、それとも使っていないだけなのかを、利用状況と併せて判断します。

顧客の利用満足度

満足度は、顧客が主観的に製品や関係をどう評価しているかを表す主観データです。行動だけでは見えない感情面のリスクを補います。主な指標は次のとおりです。

• NPS（顧客推奨度：他者に薦めたいかを問う指標）：関係全体への評価を測る定点観測に向く。
• アンケート：機能や対応への具体的な満足度を定期的に収集する。
• 更新意向：契約更新を前向きに考えているかを、面談や調査で直接確認する。

主観データは回答率や回答タイミングに左右されるため、単独で重く扱うとスコアが不安定になります。客観データと組み合わせ、あくまで補完として位置づけるのが実務的です。

ヘルススコアを導入するメリット

ヘルススコアを導入するメリットは主に3点あります。解約の予兆を早期に検知できること、アップセル・クロスセルの好機をつかめること、サポートの手厚さを顧客ごとに線引きできることです。

いずれも「感覚での顧客管理」から「数値での顧客管理」へ移行することで生まれます。ただし後述するとおり、設計や運用を誤ると形骸化するため、メリットは注意点と併せて見るべきものです。ここでは得られる価値を具体的に整理します。

解約の予兆を早期に検知できる

最大のメリットは、解約に至る前の変化を数値で捉えられることです。ログイン頻度が落ち始めた、問い合わせが解決しないまま溜まっている、といった予兆がスコアの下落として現れれば、更新期を待たずにフォローに入れます。解約が確定してからでは打ち手がないため、この「早期検知」がヘルススコア導入の中核的な価値になります。

アップセル・クロスセルの好機をつかめる

ヘルススコアは危険な顧客を見つけるだけでなく、良好な顧客を見つける指標でもあります。スコアが高く製品を使いこなしている顧客は、上位プランや追加機能を提案する好機です。健全度が高い顧客ほど提案を受け入れやすく、拡大提案の成功率も上がります。守りだけでなく攻めの営業機会をスコアから判断できる点が、収益拡大の観点でのメリットです。

サポートの手厚さを顧客ごとに線引きできる

限られたCSリソースを、スコアに応じて配分できるようになります。健全度の高い顧客に手をかけすぎる過剰サポートを避け、危険な顧客への対応が薄くなる過少サポートも防げます。全顧客に一律の工数をかけるのではなく、「どの顧客にどれだけ手をかけるか」を数値で線引きできるため、CS全体の工数を成果に直結する形で振り向けられます。

ヘルススコア運用でつまずくポイント

ヘルススコアは「作って終わり」にすると必ず形骸化します。典型的な失敗は3つで、スコアと実際の継続結果が相関しない、スコア更新が手作業で追いつかない、指標を盛り込みすぎて解釈できなくなる、というものです。

どれも設計時には気づきにくく、運用が進んでから顕在化します。スコアは一度作ったら定期的に検証し、算出と更新を自動化し、指標を絞るという前提で設計すべきです。ここでは失敗パターンを具体化します。

スコアと実際の継続結果が相関しない

最も深刻な失敗は、スコアが高い顧客が解約し、低い顧客が継続する、という相関の逆転です。担当者が「これが重要そうだ」という思い込みで指標や重みを決めると、実際の継続結果と噛み合わないスコアができあがります。こうなるとスコアを見るほど判断を誤るため、指標として無価値どころか有害になります。

対策は、運用開始後に継続顧客と解約顧客のスコア分布を突き合わせ、妥当性を検証することです。もし相関が見られないなら、指標や重み付けを組み替える必要があります。妥当性の検証を運用に組み込んでいないヘルススコアは、根拠のない数字に過ぎません。

スコア更新が手作業で追いつかない

多くの指標を人手で集計してスコアを更新しようとすると、担当者の負担が大きく、次第に更新が滞ります。更新が止まったヘルススコアは古い状態を映し続け、予兆検知という本来の役割を果たせません。とくに顧客数が増えるほど手作業の運用は破綻しやすくなります。

継続的に運用したいなら、システムから自動で取れる客観データを中心にスコアを組み、算出と更新を仕組みで自動化するのが前提です。更新の手間を最小化できない設計は、いずれ形骸化すると考えておくのが安全です。

指標を盛り込みすぎて解釈できなくなる

「指標を増やせば精度が上がるはず」という発想で指標を増やしすぎると、スコアが動いた理由を誰も説明できなくなります。10も20も指標が混ざったスコアは、下落しても何が起きたのか特定できず、次のアクションにつながりません。

ヘルススコアは、下落したときに「なぜ下がったか」を追える程度の指標数に絞るべきです。立ち上げ初期であれば、継続との相関が強そうな指標を数個に限定し、検証を回しながら足していくほうが、最初から網羅を狙うより実用的です。

設計前に棚卸ししておく項目

ヘルススコアの設計の成否は、設計に着手する前に「どのデータを・どの粒度で・どの頻度で取れるか」を棚卸しできているかで決まります。どれだけ精緻な指標を設計しても、そのデータが取得できなければ運用初日から破綻するためです。

ここでは、上位記事があまり触れない設計前の準備を、データの所在・粒度・更新頻度という整理軸で提示します。設計の前段としてこの棚卸しを済ませておくと、実現できない絵に描いた餅を避けられます。

測定可能なデータがどこにあるか

まず、スコアに使いたいデータが実際にどこに存在するかを洗い出します。プロダクトの利用ログはプロダクト側に、契約や案件の情報はSFA・CRM（営業支援・顧客管理システム）に、問い合わせ履歴はサポートツールに、というように所在は分散しているのが普通です。

このとき、「取りたいデータ」と「今すぐ取れるデータ」を区別することが重要です。理想的な指標を並べても、そのデータがどこにも記録されていなければ設計に組み込めません。逆に、既存のシステムにすでに溜まっているデータから始めれば、追加の計測環境を作らずに運用を立ち上げられます。

データの粒度と更新頻度が要件に足りるか

データが存在しても、粒度と更新頻度が要件に足りなければ使えません。たとえば月次でしか集計されないログイン状況では、週単位で予兆を捉えたいという要件を満たせません。顧客単位で見たいのに部署単位でしか記録がない、といった粒度のずれもよくあります。

設計前に、各データが「どの単位で」「どのくらいの頻度で」更新されるかを確認し、スコアで実現したい検知のスピードと合っているかを照らし合わせます。ここでずれがあれば、計測方法を変えるか、その指標をあきらめるかを設計前に判断できます。

「理想的な顧客の状態」を先に言語化する

データの棚卸しと並行して、「自社にとって理想的な顧客の状態とは何か」を言語化しておきます。継続してくれる健全な顧客は、どの機能を、どの頻度で、どんな成果のために使っているのか。この理想像が曖昧なままだと、どの指標をスコアに入れるべきかを決められません。

理想の状態を先に定義しておけば、そこからの乖離度合いを測る指標として各データを位置づけられます。ヘルススコアは「理想状態にどれだけ近いか」を測るものだと捉えると、集めるべきデータと不要なデータの線引きが明確になります。

ヘルススコアの設計から運用までの流れ

ヘルススコアの設計は、理想状態の定義、指標の選定と重み付け、算出方法の決定、アクションの紐付け、定期的な見直し、という順序で進めます。この順番を飛ばすと、たとえばアクションを決めないままスコアだけ作ってしまい、数字はあるが誰も動かない状態に陥ります。各ステップには判断のポイントがあるため、順に見ていきます。

ステップ1｜理想的な顧客の状態を定義する

最初に、継続してくれる理想的な顧客がどんな状態にあるかを言語化します。設計前の棚卸しで整理した理想像を、より具体的な条件に落とし込む段階です。「主要機能を週3回以上使い、定例に毎回出席し、更新意向が前向き」といった水準で描けると、次の指標選定がスムーズになります。ここが曖昧なまま先に進むと、後段のすべてがぶれます。

ステップ2｜測定可能な指標を選び重み付けする

理想状態を測るための指標を、実際に取得できるデータの中から選びます。ここで重要なのは、すべての指標を同じ重みで扱わないことです。継続との関係が強い指標には重みを大きく、補助的な指標には小さくと差をつけます。立ち上げ初期は、継続との相関が強そうな指標を数個に絞り、重みも粗く設定してから検証で調整する進め方が現実的です。

ステップ3｜スコアの算出方法を決める

選んだ指標をどう1つのスコアにまとめるかを決めます。理想状態からの達成度で加点していく方式、危険なサインが出たら減点していく方式、あるいは特定の条件を満たさなければ一定以下に落とす閾値方式など、方法はいくつかあります。どれが正解というより、自社の運用で「なぜこのスコアになったか」を説明できる方式を選ぶことが大切です。複雑にしすぎると、先述の「解釈できない」失敗につながります。

ステップ4｜スコア別のアクションを決める

スコアを算出するだけでは意味がなく、スコアに応じて何をするかをあらかじめ決めておく必要があります。低スコアなら担当者が緊急フォローに入る、中スコアなら定例で状況を確認する、高スコアならアップセルを提案する、というようにスコア帯ごとの標準アクションを定めます。この紐付けがないと、スコアは眺めるだけの数字で終わります。

ステップ5｜運用しながら定期的に見直す

運用を始めたら、スコアと実際の継続結果を突き合わせて妥当性を検証し、定期的に指標や重みを見直します。継続顧客のスコアが低く出ている、解約顧客のスコアが高く出ていた、といったずれが見つかれば、指標構成を組み替えます。

ヘルススコアは一度作って完成する固定物ではなく、実データと照らして磨き続ける前提のものです。この見直しのサイクルを回せるかどうかが、形骸化するか機能し続けるかの分かれ目になります。

ヘルススコアの運用を仕組み化する方法

手作業でのスコア更新が形骸化の主因である以上、顧客データを一元管理し、スコアの算出と更新を自動化できる仕組みを持つことが継続運用の前提になります。データがあちこちのシステムに散らばったままでは、集計に工数がかかり、更新はいずれ止まります。ここではまず一般論として、データ統合と自動更新の考え方を整理し、そのうえで、その土台になりうるシステムの一例に触れます。

データの一元化と自動更新の考え方

仕組み化の第一歩は、ヘルススコアに使うデータを1か所に集めることです。プロダクトのログ、契約・案件情報、問い合わせ履歴が別々のシステムに散在していると、スコアを出すたびに手集計が発生します。これらを1つの顧客データとして統合できれば、指標の取得から算出までを自動で回せます。

自動更新が実現すると、担当者は集計作業ではなくアクションに時間を使えます。SFA・CRMやCS向けのツールでデータを統合し、定義した指標に沿ってスコアを自動計算・更新する状態を作れれば、顧客数が増えても運用が破綻しません。この「集計を人がやらない」設計が、ヘルススコアを長く機能させる条件です。

一例として｜顧客・案件データを蓄積しアクションを示唆する仕組み

データ統合の土台になるシステムはいくつかあります。たとえばMazrica Salesのような SFA・CRM（営業支援・顧客管理システム）では、蓄積した顧客・案件データをもとに、AIが次に取るべきアクションを示唆します（示唆内容はAIが生成するもので、正確性を保証するものではありません）。顧客ごとの状況や活動履歴を一元管理できるため、ヘルススコアに使う客観データを1か所に集約する受け皿として利用できます。

同種のデータ統合・可視化は他のSFA・CRMやCSツールでも実現できるため、既存のシステム環境や運用体制に合わせて選ぶのが現実的です。重要なのは特定の製品名ではなく、散在するデータを1つの顧客像に束ね、スコアの算出と更新を人手に頼らない状態を作ることです。

まとめ

ヘルススコアは、顧客の継続の健全度を数値化し、解約という結果を予兆で先回りするための指標です。感覚に頼っていたフォロー判断を標準化し、限られたCSリソースを成果に直結する形で配分できるようになります。

ただし、作って終わりにすれば形骸化します。立ち上げ初期であれば、指標を欲張らず数個に絞り、継続顧客と解約顧客でスコアに差が出るかを検証するサイクルを回すことを優先してください。データ基盤が整っていないなら、スコア設計より先に「どのデータが・どの粒度で・どの頻度で取れるか」の棚卸しから着手するほうが、遠回りに見えて確実です。

最初の一歩は小さくて構いません。自社で今すぐ取れる利用状況データを1つ選び、継続している顧客と解約した顧客でその数値に差が出ているかを見てみてください。差が出るなら、それがヘルススコアの最初の指標になります。解約を含む継続・収益の全体像は、チャーンとLTV・NRRの解説で整理しています。

よくある質問

Q ヘルススコアとNPSは何が違いますか。

A

NPS（顧客推奨度）は、顧客が他者に薦めたいかを問う主観的な満足度指標です。一方でヘルススコアは、NPSのような主観データに加えて、ログイン頻度や機能利用率などの客観データを合成した複合指標です。NPSはヘルススコアを構成する満足度系の指標の1つとして組み込めますが、それ単体では利用実態が見えないため、ヘルススコアの代わりにはなりません。

Q ヘルススコアは何点満点で設計すればよいですか。

A

満点の数値に決まりはなく、100点満点、10段階、あるいは「良い・注意・危険」の3段階など、自社が運用しやすい形で構いません。大切なのは満点の大きさより、スコア帯ごとに取るべきアクションを明確に線引きできることです。細かすぎる点数設計は解釈を難しくするため、まずはアクションが分かれる粗い区分から始めるのが実用的です。

Q 指標はいくつくらいから始めるのがよいですか。

A

立ち上げ初期は、継続との関係が強そうな指標を数個に絞って始めることをおすすめします。最初から多くの指標を盛り込むと、スコアが動いた理由を追えなくなり、妥当性の検証も難しくなります。運用しながら継続結果と照らし合わせ、必要に応じて指標を足していくほうが、精度も解釈しやすさも保てます。

Q ヘルススコアはどのくらいの頻度で見直すべきですか。

A

スコアの算出自体はデータの更新頻度に合わせて自動で回し、指標構成や重み付けの見直しは、継続・解約の実績が一定数溜まったタイミングで行います。契約更新のサイクルが年単位なら、四半期ごとに継続顧客と解約顧客のスコア分布を検証する程度が目安になります。相関のずれが見つかった時点でも、随時見直します。

Q BtoBとBtoCでヘルススコアの作り方は変わりますか。

A

変わります。BtoBは1契約に複数の利用者や決裁者が関わるため、部署単位・ユーザー単位の利用状況や、キーマンとの接点頻度を指標に含めることが多くなります。BtoCは利用者と契約者がほぼ一致するため、個人の利用行動を中心に組みます。いずれも「継続の健全度を測る」という目的は共通ですが、誰の何を測るかの粒度が異なります。

Q 小規模なCSチームでもヘルススコアは導入すべきですか。

A

人数が少ないほど、限られた工数をどの顧客に振り向けるかの判断が重要になるため、簡易な形でも導入する価値があります。最初から精緻なスコアを目指す必要はなく、今すぐ取れる利用状況データ1〜2個で「危険・注意・良好」を区分するだけでも、フォローの優先順位づけに役立ちます。運用が回り始めてから指標を増やしていく進め方が、小規模チームには向いています。