chief-customer-officer-advisor

Présentation de la skill chief-customer-officer-advisor

À quoi sert chief-customer-officer-advisor

chief-customer-officer-advisor est une skill de leadership stratégique en Customer Success destinée aux fondateurs, CCO de startups, responsables RevOps et opérateurs qui doivent prendre de meilleures décisions sur la rétention, la segmentation, la couverture CS et l’organisation des équipes en contact avec les clients. Ce n’est pas un simple prompt générique du type « rédige un plan CS ». La skill est structurée autour de quatre décisions de direction : savoir si la rétention est réellement saine, déterminer quels clients justifient des niveaux d’investissement différents, estimer le nombre de CSM nécessaires et choisir le prochain rôle customer-facing à recruter.

Utilisateurs et décisions pour lesquels la skill est la plus adaptée

La skill chief-customer-officer-advisor est particulièrement pertinente pour les entreprises B2B SaaS ou par abonnement qui disposent d’assez de données clients et d’ARR pour rendre les arbitrages visibles. Utilisez-la lorsque vous préparez un récit de rétention pour le board, refondez vos tiers clients, choisissez entre une couverture tech-touch, pooled, named CSM ou named-plus-exec, ou clarifiez la séparation entre Customer Success, Support, Account Management et Implementation. Elle est particulièrement utile comme chief-customer-officer-advisor pour la planification Customer Success, car elle combine jugement opérationnel qualitatif et scripts d’aide déterministes.

Ce qui la distingue d’un prompt CS classique

La différence tient à la structure. Le repository inclut des références sur la décomposition de la rétention, la stratégie de segmentation client, les modèles de couverture CS et l’évolution de l’organisation CS, ainsi que des scripts Python pour l’analyse de rétention, la conception de segmentation et le calcul de couverture. En pratique, la skill peut passer de « conseille-moi » à « diagnostique ce portefeuille clients et recommande des changements opérationnels » dès lors que vous fournissez des données propres.

Comment utiliser la skill chief-customer-officer-advisor

Contexte d’installation de chief-customer-officer-advisor

Installez depuis le chemin du repository GitHub de la skill :

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

Si votre runner de skills exige un chemin local, utilisez l’emplacement du repository :

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

Pour vérifier rapidement si la skill convient à votre usage, lisez d’abord SKILL.md, puis les quatre références de décision : references/retention_decomposition.md, references/customer_segmentation_strategy.md, references/cs_coverage_model.md et references/cs_team_org_evolution.md. Ne passez aux scripts qu’après avoir identifié la décision précise à traiter.

Les entrées qui rendent la skill utile

Une bonne utilisation de chief-customer-officer-advisor dépend du contexte business, pas seulement de la question posée. Indiquez le stade de l’entreprise, la fourchette d’ACV, l’ARR par segment, le nombre de clients, l’effectif CSM actuel, le fonctionnement des renouvellements, le modèle d’expansion, les symptômes de churn et la décision attendue. Pour un travail sur la rétention, fournissez l’ARR de départ, l’ARR renouvelé, l’ARR d’expansion, l’ARR de contraction, le nombre de clients et les raisons de churn par cohorte. Pour la segmentation, incluez l’ARR client, l’ancienneté, les signaux d’ICP, le potentiel d’expansion, la présence d’un sponsor exécutif et le coût de support approximatif.

Un prompt faible serait : « Crée une stratégie CS pour nous. »
Un prompt plus solide serait : « Nous sommes une entreprise B2B SaaS Series A à $4.8M ARR, avec 280 clients et un ACV médian de $12K. Notre NRR est de 112 %, mais notre GRR est peut-être autour de 82 %. Nous avons 2 CSMs et 1 support lead. Diagnostique si notre rétention est saine, propose des tiers clients et recommande si nous devons passer d’une couverture pooled à une couverture named CSM. »

Workflow pratique et fichiers à exécuter

Commencez par une seule décision, pas par toute la fonction CCO. Si le problème est la vérité du churn, utilisez retention_decomposition.md et, si utile, exécutez scripts/retention_decomposition_analyzer.py avec un JSON de cohortes. Si le problème est « qui mérite du temps CSM », utilisez customer_segmentation_strategy.md et scripts/customer_segmentation_designer.py. Si le problème est l’effectif, utilisez cs_coverage_model.md et scripts/cs_coverage_calculator.py. Si le problème est l’ordre des recrutements, utilisez cs_team_org_evolution.md.

Les scripts sont des outils Python basés uniquement sur la stdlib et peuvent être exécutés avec les exemples intégrés ou avec votre propre JSON, par exemple :

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

Utilisez la sortie du script comme élément probant pour l’agent, puis demandez à la skill d’interpréter les arbitrages, les risques et les actions de direction.

Structure de prompt pour de meilleurs résultats

Utilisez cette structure : contexte, données, décision, contraintes, format de sortie. Exemple :

« Avec chief-customer-officer-advisor, analyse notre couverture CS. Contexte : SaaS Series B, $14M ARR, clients enterprise et mid-market. Données : le tier Strategic compte 12 clients et $5.2M ARR avec 1 CSM ; enterprise compte 55 clients et $6.1M ARR avec 2 CSMs ; mid-market compte 180 clients et $2.7M ARR avec 1 CSM. Contrainte : pas plus de deux recrutements cette année. Sortie : modèle de couverture recommandé, écart d’effectif, séquence de recrutement sur 12 mois et risques si nous attendons. »

FAQ de la skill chief-customer-officer-advisor

chief-customer-officer-advisor est-elle réservée aux startups ?

Elle est conçue autour de décisions opérationnelles propres aux startups et scale-ups, en particulier en B2B SaaS. Les entreprises plus matures peuvent aussi l’utiliser pour la segmentation ou la décomposition de la rétention, mais les seuils par défaut et la logique de recrutement devront peut-être être ajustés pour des organisations CS enterprise matures, des secteurs régulés ou des structures de comptes globaux complexes.

Remplace-t-elle un consultant Customer Success ?

Non. La skill chief-customer-officer-advisor aide à structurer l’analyse, à faire apparaître les problèmes de rétention cachés et à transformer les données clients en options de décision. Elle ne mène pas d’entretiens clients, n’audite pas l’hygiène CRM, ne valide pas les réalités politiques internes et ne négocie pas les arbitrages d’effectif avec les dirigeants. Considérez-la comme un analyste stratégique et un cadre de décision, pas comme un responsable opérationnel complet.

Quand ne faut-il pas utiliser cette skill ?

Ne l’utilisez pas pour des macros de support de première ligne, du contenu d’onboarding produit, des sales playbooks ou des plans de compte tactiques, sauf si ces livrables sont rattachés à une décision CCO de plus haut niveau. Elle est également peu adaptée si vous ne disposez d’aucune donnée client. Dans ce cas, commencez par collecter l’ARR, le churn, l’expansion, le coût de support et les informations de segmentation.

En quoi diffère-t-elle des skills générales de croissance business ?

Les skills générales de croissance mettent souvent l’accent sur l’acquisition, la conversion du funnel ou les tactiques de revenu. Celle-ci se concentre sur l’économie client après-vente : GRR versus NRR, contraction versus expansion, adéquation ICP, investissement différencié, capacité CSM et clarté des rôles entre Support, CS, AM et Implementation.

Comment améliorer la skill chief-customer-officer-advisor

Rendre les sorties de chief-customer-officer-advisor plus spécifiques

Le moyen le plus rapide de l’améliorer est d’augmenter la granularité des entrées. Remplacez les moyennes globales par des données au niveau des tiers. Au lieu de dire « nous avons 500 clients et 5 CSMs », fournissez, par segment, le nombre de clients, l’ARR, les CSMs actuels, la fourchette d’ACV et le schéma de churn. Les recommandations de la skill deviennent beaucoup plus actionnables lorsqu’elle peut repérer où le temps CS est surinvesti ou sous-investi.

Éviter les écueils fréquents

Le principal écueil consiste à demander une stratégie CS universelle alors que la vraie décision est plus étroite. Un autre consiste à optimiser le NRR tout en négligeant un GRR faible. Un troisième est de demander un conseil de recrutement sans nommer le résultat client qui échoue : onboarding trop lent, charge support non résolue, renouvellements manqués, faible expansion ou relations exécutives insuffisantes. Ancrez le prompt dans le mode d’échec réel.

Itérer après la première réponse

Après la première sortie, demandez un test de robustesse : « Quelles hypothèses changeraient cette recommandation ? » Demandez ensuite une version exécutive, un plan opérationnel et une liste de données à collecter. Pour un usage board ou leadership, demandez à la skill de séparer les faits, les hypothèses, les risques et les décisions nécessaires. Cela évite les recommandations confiantes mais insuffisamment étayées.

Adapter les seuils à votre activité

Les références intégrées utilisent des repères SaaS pragmatiques, mais votre marché peut être différent. Ajustez les bandes d’ACV, les noms de tiers, les attentes d’ARR par CSM, les signaux d’ICP et la taxonomie du churn avant de vous appuyer sur les recommandations finales. Une entreprise PLG, un produit enterprise lourd en implementation et une activité SaaS accompagnée par des services ne devraient pas utiliser les mêmes seuils de couverture.