Expansion revenue et NPS prédictif

Section 14.5.3 : Expansion revenue et NPS prédictif

🎯 Objectif pédagogique

Maximiser l'expansion revenue (upsell/cross-sell) avec l'IA et utiliser le NPS prédictif pour anticiper la satisfaction client sans attendre les surveys.

Expansion revenue : le moteur de croissance SaaS

Le Net Revenue Retention (NRR) est LA métrique des SaaS en hypercroissance. Un NRR > 100% signifie que les clients existants génèrent plus de revenu chaque année, même sans nouveaux clients.

## Formule NRR

NRR = (MRR début + Expansion - Contraction - Churn) / MRR début × 100

Exemple :
MRR début : 100K€
Expansion (upsell/cross-sell) : +20K€
Contraction (downgrade) : -5K€
Churn : -8K€
NRR = (100 + 20 - 5 - 8) / 100 = 107%

Benchmarks :
- Top quartile SaaS : > 120%
- Médiane : 100-110%
- Bottom quartile : < 90%

Détection d'opportunités d'expansion (IA)

# Scoring d expansion avec ML

def score_expansion_opportunity(customer):
    signals = {
        # Usage signals
        'approaching_limit': customer.usage / customer.plan_limit > 0.8,
        'power_users_growing': customer.power_users_trend > 0,
        'new_use_case_detected': detect_new_use_case(customer.activity),
        'feature_request_premium': has_premium_feature_request(customer),

        # Health signals
        'health_score_high': customer.health_score > 75,
        'nps_promoter': customer.last_nps >= 9,
        'champion_engaged': customer.champion_engagement > 0.7,

        # Business signals
        'company_growing': customer.employee_growth_6m > 10,
        'funding_recent': customer.days_since_funding < 180,
        'department_expanding': customer.new_departments_detected,
    }

    # Score pondéré
    weights = {
        'approaching_limit': 25,
        'power_users_growing': 15,
        'health_score_high': 20,
        'nps_promoter': 10,
        'company_growing': 15,
        'new_use_case_detected': 15
    }

    score = sum(
        weights.get(k, 10) for k, v in signals.items() if v
    )

    return {
        'score': score,
        'signals': {k: v for k, v in signals.items() if v},
        'recommended_action': get_expansion_playbook(signals),
        'estimated_expansion': estimate_deal_size(customer, signals)
    }

NPS prédictif

## NPS prédictif : anticiper la satisfaction sans survey

### Le problème du NPS classique
- Taux de réponse : 10-30% seulement
- Biais de réponse (les mécontents ne répondent souvent pas)
- Signal retardé (trimestriel au mieux)
- Pas actionnable en temps réel

### Le NPS prédictif (IA)
- Score calculé en continu pour CHAQUE client
- Basé sur le comportement réel, pas un sondage
- Mise à jour quotidienne
- Actionnable immédiatement

### Features utilisées
1. Usage patterns (fréquence, profondeur, trend)
2. Support interactions (sentiment, fréquence, résolution)
3. Engagement (emails, webinars, community)
4. Contract signals (renewal date, paiements)
5. Product experience (errors, performance, feature gaps)