chief-customer-officer-advisor

Descripción general de la skill chief-customer-officer-advisor

Para qué sirve chief-customer-officer-advisor

chief-customer-officer-advisor es una skill estratégica de liderazgo en Customer Success para founders, CCOs de startups, líderes de RevOps y operadores que necesitan tomar mejores decisiones sobre retención, segmentación, cobertura de CS y diseño de la organización de cara al cliente. No es un prompt genérico para “escribir un plan de CS”. La skill está organizada en torno a cuatro decisiones ejecutivas: si la retención está realmente sana, qué clientes merecen distintos niveles de inversión, cuántos CSMs hacen falta y qué rol de cara al cliente conviene contratar después.

Usuarios y decisiones para los que encaja mejor

La skill chief-customer-officer-advisor funciona mejor en empresas B2B SaaS o de suscripción con suficientes datos de clientes y ARR como para hacer visibles los tradeoffs. Úsala cuando estés preparando una narrativa de retención para el board, rediseñando tiers de clientes, decidiendo entre cobertura tech-touch, pooled, named CSM o named-plus-exec, o separando Customer Success de Support, Account Management e Implementation. Es especialmente útil como chief-customer-officer-advisor para planificación de Customer Success porque combina criterio operativo cualitativo con scripts auxiliares deterministas.

Qué la diferencia de un prompt normal de CS

El diferencial está en la estructura. El repositorio incluye referencias para descomposición de retención, estrategia de segmentación de clientes, modelos de cobertura de CS y evolución organizativa del equipo de CS, además de scripts en Python para análisis de retención, diseño de segmentación y cálculo de cobertura. Eso permite que la skill pase de “dame consejo” a “diagnostica este book of business y recomienda cambios operativos” cuando le das inputs limpios.

Cómo usar la skill chief-customer-officer-advisor

Contexto de instalación de chief-customer-officer-advisor

Instala desde la ruta del repositorio de skills en GitHub:

npx skills add alirezarezvani/claude-skills --skill chief-customer-officer-advisor

Si tu skill runner requiere una ruta local, usa la ubicación del repositorio:

c-level-advisor/skills/chief-customer-officer-advisor

Para una revisión rápida antes de adoptarla, lee primero SKILL.md y después las cuatro referencias de decisión: references/retention_decomposition.md, references/customer_segmentation_strategy.md, references/cs_coverage_model.md y references/cs_team_org_evolution.md. Revisa los scripts solo después de tener claro qué decisión intentas responder.

Inputs que hacen útil la skill

Un buen uso de chief-customer-officer-advisor depende del contexto del negocio, no solo de una pregunta. Incluye etapa de la empresa, rango de ACV, ARR por segmento, número de clientes, headcount actual de CSMs, dinámica de renovaciones, modelo de expansión, síntomas de churn y la decisión pendiente. Para trabajo de retención, incluye ARR inicial, ARR renovado, ARR de expansión, ARR de contracción, número de clientes y motivos de churn por cohorte. Para segmentación, incluye ARR por cliente, antigüedad, señales de ICP, potencial de expansión, presencia de sponsor ejecutivo y coste aproximado de soporte.

Un prompt débil sería: “Create a CS strategy for us.”
Un prompt más sólido sería: “We are a Series A B2B SaaS company at $4.8M ARR, 280 customers, median ACV $12K. NRR is 112%, but GRR may be around 82%. We have 2 CSMs and 1 support lead. Diagnose whether our retention is healthy, propose customer tiers, and recommend whether to move from pooled to named CSM coverage.”

Flujo de trabajo práctico y archivos que conviene ejecutar

Empieza con una decisión, no con toda la función de CCO. Si el problema es entender la verdad del churn, usa retention_decomposition.md y, opcionalmente, ejecuta scripts/retention_decomposition_analyzer.py con JSON de cohortes. Si el problema es “quién recibe tiempo de CSM”, usa customer_segmentation_strategy.md y scripts/customer_segmentation_designer.py. Si el problema es headcount, usa cs_coverage_model.md y scripts/cs_coverage_calculator.py. Si el problema es la secuencia de contratación, usa cs_team_org_evolution.md.

Los scripts son herramientas Python solo con stdlib y pueden ejecutarse con ejemplos embebidos o con tu propio JSON, por ejemplo:

python scripts/cs_coverage_calculator.py book.json --output json

Usa la salida del script como evidencia para el agente y luego pide a la skill que interprete tradeoffs, riesgos y acciones ejecutivas.

Patrón de prompt para obtener mejores resultados

Usa esta estructura: contexto, datos, decisión, restricciones y formato de salida. Ejemplo:

“Using chief-customer-officer-advisor, analyze our CS coverage. Context: Series B SaaS, $14M ARR, enterprise and mid-market customers. Data: Strategic tier has 12 customers and $5.2M ARR with 1 CSM; enterprise has 55 customers and $6.1M ARR with 2 CSMs; mid-market has 180 customers and $2.7M ARR with 1 CSM. Constraint: no more than two hires this year. Output: recommended coverage model, headcount gap, 12-month hiring sequence, and risks if we delay.”

FAQ de la skill chief-customer-officer-advisor

¿chief-customer-officer-advisor es solo para startups?

Está diseñada alrededor de decisiones operativas de startups y scale-ups, especialmente en B2B SaaS. Las empresas en etapas más avanzadas también pueden usarla para segmentación o descomposición de retención, pero los umbrales por defecto y la lógica de contratación pueden requerir ajustes para organizaciones de CS enterprise más maduras, industrias reguladas o estructuras complejas de cuentas globales.

¿Reemplaza a un consultor de Customer Success?

No. La skill chief-customer-officer-advisor ayuda a estructurar el análisis, exponer problemas de retención ocultos y convertir datos de clientes en opciones de decisión. No entrevista clientes, no revisa la higiene del CRM, no valida realidades políticas ni negocia tradeoffs de headcount con ejecutivos. Trátala como un analista estratégico y un marco de decisión, no como un owner operativo completo.

¿Cuándo no debería usar esta skill?

No la uses para macros de soporte de primera línea, textos de onboarding de producto, playbooks de ventas o planes tácticos de cuenta, salvo que esos entregables estén conectados con una decisión de CCO de mayor nivel. También encaja mal si no tienes ningún dato de clientes. En ese caso, primero reúne información de ARR, churn, expansión, coste de soporte y segmentos.

¿En qué se diferencia de skills generales de crecimiento de negocio?

Las skills generales de crecimiento suelen enfatizar adquisición, conversión de funnel o tácticas de ingresos. Esta skill se centra en la economía postventa del cliente: GRR frente a NRR, contracción frente a expansión, encaje con ICP, inversión diferenciada, capacidad de CSM y claridad de roles entre Support, CS, AM e Implementation.

Cómo mejorar la skill chief-customer-officer-advisor

Haz que los resultados de chief-customer-officer-advisor sean más específicos

La mejora más rápida es aumentar la granularidad de los inputs. Sustituye promedios mezclados por datos a nivel de tier. En lugar de “we have 500 customers and 5 CSMs”, proporciona número de clientes, ARR, CSMs actuales, rango de ACV y patrón de churn por segmento. Las recomendaciones de la skill se vuelven más accionables cuando puede ver dónde el tiempo de CS está sobreinvertido o infrainvertido.

Evita modos de fallo frecuentes

El principal modo de fallo es pedir una estrategia universal de CS cuando la decisión real es más acotada. Otro es optimizar NRR mientras se ignora un GRR débil. Un tercero es pedir consejo de contratación sin nombrar el resultado de cliente que está fallando: onboarding lento, carga de soporte sin resolver, renovaciones perdidas, baja expansión o relaciones ejecutivas débiles. Ancla el prompt al modo de fallo.

Itera después de la primera respuesta

Después de la primera salida, pide una prueba de presión: “What assumptions would change this recommendation?” Luego pide una versión ejecutiva, un plan operativo y una lista de datos necesarios. Para uso con board o liderazgo, pide a la skill que separe hechos, supuestos, riesgos y decisiones requeridas. Esto evita recomendaciones seguras en el tono, pero poco sustentadas en evidencia.

Personaliza los umbrales a tu negocio

Las referencias integradas usan benchmarks prácticos de SaaS, pero tu mercado puede ser distinto. Ajusta bandas de ACV, nombres de tiers, expectativas de ARR por CSM, señales de ICP y taxonomía de churn antes de basarte en recomendaciones finales. Una empresa PLG, un producto enterprise con fuerte carga de implementación y un negocio SaaS asistido por servicios no deberían usar umbrales de cobertura idénticos.