customer-success-manager

name	customer-success-manager
description	监控客户健康状况、预测流失风险，并利用 SaaS 客户成功的加权评分模型识别增购机会。适用于分析客户账户、审查留存指标、对风险客户评分，或当用户提到流失、客户健康分、追加销售机会、增购收入、留存分析或客户分析时。运行三个 Python CLI 工具，为企业、中端市场和中小企业 (SMB) 细分市场生成确定性的健康评分、流失风险分级和优先增购建议。
license	MIT
metadata	{"version":"1.0.0","author":"Alireza Rezvani","category":"business-growth","domain":"customer-success","updated":"2026-02-06T00:00:00.000Z","python-tools":"health_score_calculator.py, churn_risk_analyzer.py, expansion_opportunity_scorer.py","tech-stack":"customer-success, saas-metrics, health-scoring"}

客户成功经理 (Customer Success Manager)

生产级的客户成功分析工具，具有多维度的健康评分、流失风险预测和增购机会识别功能。三个 Python CLI 工具仅使用标准库提供确定性的、可重复的分析——无外部依赖，无 API 调用，无 ML 模型。

---

目录

• 输入要求
• 输出格式
• 如何使用
• 脚本
• 参考指南
• 模板
• 最佳实践
• 局限性

---

输入要求

所有脚本都接受一个 JSON 文件作为位置输入参数。请参阅 assets/sample_customer_data.json 获取完整的架构示例和样本数据。

健康评分计算器 (Health Score Calculator)

每个客户对象所需的字段：customer_id、name、segment、arr，以及嵌套对象 usage（login_frequency、feature_adoption、dau_mau_ratio）、engagement（support_ticket_volume、meeting_attendance、nps_score、csat_score）、support（open_tickets、escalation_rate、avg_resolution_hours）、relationship（executive_sponsor_engagement、multi_threading_depth、renewal_sentiment）以及用于趋势分析的 previous_period 评分。

流失风险分析器 (Churn Risk Analyzer)

每个客户对象所需的字段：customer_id、name、segment、arr、contract_end_date，以及嵌套对象 usage_decline、engagement_drop、support_issues、relationship_signals 和 commercial_factors。

增购机会评分器 (Expansion Opportunity Scorer)

每个客户对象所需的字段：customer_id、name、segment、arr，以及嵌套对象 contract（licensed_seats、active_seats、plan_tier、available_tiers）、product_usage（各模块采用情况标志和使用百分比）以及 departments（当前和潜在）。

---

输出格式

所有脚本通过 --format 标志支持两种输出格式：

• text (默认)：供终端查看的人类可读格式化输出
• json：供集成和流水线使用的机器可读 JSON 输出

---

如何使用

快速开始

# 健康评分
python scripts/health_score_calculator.py assets/sample_customer_data.json
python scripts/health_score_calculator.py assets/sample_customer_data.json --format json

# 流失风险分析
python scripts/churn_risk_analyzer.py assets/sample_customer_data.json
python scripts/churn_risk_analyzer.py assets/sample_customer_data.json --format json

# 增购机会评分
python scripts/expansion_opportunity_scorer.py assets/sample_customer_data.json
python scripts/expansion_opportunity_scorer.py assets/sample_customer_data.json --format json

工作流集成

# 1. 对整个客户组合进行健康评分
python scripts/health_score_calculator.py customer_portfolio.json --format json > health_results.json
# 验证：在继续之前，确认 health_results.json 包含预期的客户记录数量

# 2. 识别有风险的账户
python scripts/churn_risk_analyzer.py customer_portfolio.json --format json > risk_results.json
# 验证：确认 risk_results.json 非空，并且每个客户都有风险分级

# 3. 在健康的账户中寻找增购机会
python scripts/expansion_opportunity_scorer.py customer_portfolio.json --format json > expansion_results.json
# 验证：确认 expansion_results.json 列出了按优先级排序的机会

# 4. 使用模板准备季度业务复盘 (QBR)
# 参考：assets/qbr_template.md

错误处理： 如果脚本出错退出，请检查：

• 输入的 JSON 是否符合该脚本所需的架构（参见上文的输入要求）
• 所有必填字段均已存在且类型正确
• 正在使用 Python 3.7+ (python --version)
• 在通过管道传输到后续步骤之前，前一步骤的输出文件非空

---

脚本

1. health_score_calculator.py

用途： 具有趋势分析和细分市场感知基准的多维度客户健康评分。

维度与权重：

维度	权重	指标
使用情况 (Usage)	30%	登录频率、功能采用率、DAU/MAU 比率
互动参与 (Engagement)	25%	支持工单量、会议出席率、NPS/CSAT
服务支持 (Support)	20%	未结工单、升级率、平均解决时间
关系维护 (Relationship)	25%	高管赞助人参与度、多线联系深度、续约情绪

分类：

• 绿色 (75-100)：健康——客户正在获得价值
• 黄色 (50-74)：需要关注——密切监控
• 红色 (0-49)：有风险——需要立即干预

用法：

python scripts/health_score_calculator.py customer_data.json
python scripts/health_score_calculator.py customer_data.json --format json

2. churn_risk_analyzer.py

用途： 通过行为信号检测和基于等级的干预建议来识别风险账户。

风险信号权重：

信号类别	权重	指标
使用下降 (Usage Decline)	30%	登录趋势、功能采用变化、DAU/MAU 变化
互动掉队 (Engagement Drop)	25%	会议取消、响应时间、NPS 变化
支持问题 (Support Issues)	20%	未结升级、未解决的关键问题、满意度趋势
关系信号 (Relationship Signals)	15%	核心推动者离开、赞助人变更、竞争对手提及
商业因素 (Commercial Factors)	10%	合同类型、定价投诉、预算削减

风险等级：

• 极高 (Critical) (80-100)：立即进行高管层级升级处理
• 高 (High) (60-79)：紧急 CSM 干预
• 中 (Medium) (40-59)：主动接触
• 低 (Low) (0-39)：常规监控

用法：

python scripts/churn_risk_analyzer.py customer_data.json
python scripts/churn_risk_analyzer.py customer_data.json --format json

3. expansion_opportunity_scorer.py

用途： 通过收入预估和优先级排序，识别追加销售 (Upsell)、交叉销售 (Cross-sell) 和增购 (Expansion) 机会。

增购类型：

• 追加销售 (Upsell)：升级到更高等级或增加现有产品的使用量
• 交叉销售 (Cross-sell)：增加新的产品模块
• 增购 (Expansion)：增加席位或部门

用法：

python scripts/expansion_opportunity_scorer.py customer_data.json
python scripts/expansion_opportunity_scorer.py customer_data.json --format json

---

参考指南

参考资料	描述
references/health-scoring-framework.md	完整的健康评分方法论、维度定义、权重分配依据、阈值校准
references/cs-playbooks.md	针对每个风险等级的干预方案，以及入职、续约、增购和升级流程
references/cs-metrics-benchmarks.md	针对不同细分市场和行业的 NRR、GRR、流失率、健康评分、增购率的行业基准

---

模板

模板	用途
assets/qbr_template.md	季度业务复盘 (QBR) 演示结构
assets/success_plan_template.md	包含目标、里程碑和指标的客户成功计划
assets/onboarding_checklist_template.md	带有阶段关卡的 90 天入职清单
assets/executive_business_review_template.md	针对战略账户的高管利益相关者审查模板

---

最佳实践

1. 结合信号：同时使用所有三个脚本，以获得完整的客户画像。
2. 基于趋势而非快照采取行动：处于下降趋势的“绿色”客户比稳定的“黄色”客户更具紧迫性。
3. 校准阈值：根据 references/health-scoring-framework.md，根据您的产品和行业调整细分市场基准。
4. 数据准备：在每次 QBR 和高管会议之前运行脚本；参考 references/cs-playbooks.md 获取干预指导。

---

局限性

• 非实时数据：脚本分析的是来自 JSON 输入文件的特定时间点快照。
• 无 CRM 集成：数据必须从您的 CRM/CS 平台手动导出。
• 仅具确定性：无预测性 ML——评分是基于加权信号的算法。
• 阈值微调：默认阈值是行业标准的，但可能需要根据您的业务进行校准。
• 收入估算：增购收入估算是基于使用模式的近似值。

---

最后更新： 2026年2月 工具： 3 个 Python CLI 工具 依赖： 仅需 Python 3.7+ 标准库