Synthese CRO — Vue executive
Sur les 15 comptes analysés dans la fenêtre 90 jours, Marc identifie 10 comptes red-flag représentant €621 k d'ARR à risque — soit 7.8% de l'ARR total de Spendesk. Sans intervention, le churn projeté sur 6 mois monte à 15.4%, soit 3.4 points au-dessus de la target. L'analyse révèle 3 patterns dominants : (1) départ de champion finance sans re-onboarding du successeur (4 comptes, €215 k ARR) — pattern systémique qui appelle une procédure de 'champion transition' formalisée ; (2) mentions de concurrents (Pleo, Moss, Ramp) dans les tickets support (4 comptes, €176 k ARR) — signe que le comparative shopping est en cours ; (3) paiements manqués couplés à l'inactivité usage (2 comptes, €67 k ARR) — churn involontaire à traiter en urgence avec le pôle finance. Si les 10 save-plays prioritaires sont exécutés cette semaine et en semaine 2, Marc estime pouvoir sauver €448 k d'ARR (72% du total à risque), ramenant le churn projeté à 9.1% — sous la target annuelle de 12%. L'urgence absolue : Batch (ACC-010) et Koolicar (ACC-001), cumulant €67 k ARR et un silence total depuis 21-35 jours. Un appel CEO-to-CEO cette semaine est la seule option crédible.
Heat Map Portefeuille
Comptes Red-Flag (10 comptes a risque)
Analyse frequence drivers (6 patterns)
Cadence alertes hebdomadaires
- Review liste comptes alertés avec le Head of CS (30 min standup)
- Assigner les actions de la semaine (save plays) aux CSM owners avec deadline
- Vérifier les comptes critical : action engagée depuis la semaine précédente ?
- Mettre à jour le dashboard risque portefeuille (scores recalculés)
- Escalade automatique au VP Sales si un compte critical n'a pas eu de contact depuis lundi
- Revue des tickets bloquants avec Engineering (si bug bloquant) — SLA 24h pour plan de résolution
- Update du CRM (HubSpot) : log de chaque interaction de rétention
- Préparer les arguments exec-sponsor pour les comptes nécessitant une escalade CEO
- Rapport hebdo rétention : ARR sauvé cette semaine vs ARR toujours à risque
- Comptes perdus : post-mortem rapide (15 min) pour identifier la cause racine
- Hand-off des comptes en silencé total vers le niveau VP/CEO pour la semaine suivante
- Mise à jour du forecast churn mensuel
Plan de prevention long terme (8 initiatives)
Methodologie & modele de scoring
Le score risque 0-100 est calculé sur 7 variables pondérées : (1) usage drop % sur 30j [poids 25%] — seuil critique : >20% ; (2) NPS score [poids 15%] — <0 = facteur multiplicateur ×1.4 ; (3) tickets ouverts >7j [poids 15%] — chaque ticket bloquant = +8 pts ; (4) paiements manqués [poids 20%] — 1 manqué = +20 pts, 2+ = +40 pts ; (5) dernier login (jours) [poids 10%] — >21j = +15 pts, >30j = +30 pts ; (6) champions partis [poids 10%] — 1 départ = +10 pts, 2+ = +25 pts ; (7) mentions concurrents dans tickets [poids 5%] — chaque mention = +5 pts (max +20). Le score final est normalisé 0-100. Seuil critical ≥80, high ≥60, medium ≥35, low <35. Modèle calibré sur le benchmark Gainsight CSI (Customer Success Index) 2024.
- Logs usage produit (DAUs, features activées, dernière connexion)
- Tickets support (volume, âge, catégorie, escalades)
- Données de paiement (statuts, retards, échecs)
- NPS transactionnel (post-QBR, post-onboarding, annuel)
- Notes CSM (HubSpot CRM — interactions, alertes, flags)
- Données contrat (ARR, date renouvellement, historique renouvellements)
- LinkedIn et news (départ champions, levées, fusions — détection manuelle)
- Données de paiement et NPS non disponibles pour 4 comptes sur 15 — scores estimés sur les autres variables
- Détection des départs de champions basée sur notes CSM manuelles — latence possible de 4-6 semaines
- Les mentions concurrents dans les tickets sous-estiment le comparative shopping (beaucoup se font en dehors du ticketing)
- Le modèle de scoring n'intègre pas encore les données d'usage des intégrations tierces (Pennylane, Slack) — enrichissement prévu Q3
- Saisonnalité non prise en compte : certains secteurs (AgriTech, RetailTech) ont des baisses d'usage naturelles selon les saisons