客户流失风险分析

要解决什么问题

SaaS 与客户成功团队往往在客户已经停续或沉默之后才反应——此时 ARR 往往已经很难挽回。真正有用的是在续费窗口之前识别「使用在掉、支持在炸、账单在亮红灯」的组合信号，并知道该对谁、以什么节奏介入。

本技能面向的是：把分散在遥测、工单、账单和营销触点里的指标，收成每个账户一条可比较的风险分，并按层级给出干预清单，而不是再做一个静态报表。

技能如何工作

Agent 按固定工作流处理你提供的账户或账户组合数据：

1. 归一化指标窗口 — 通常滚动 90 天，覆盖 DAU、功能采用、会话时长、工单量与 CSAT、逾期/降级/到期、邮件与 QBR 等触点。
2. 定义并加权流失信号 — 例如登录降至历史均值 50% 以下、30 天内工单达基线 3 倍、关键联系人离职、60 天无新功能采用等；综合分 0（健康）～100（即将流失），默认权重为使用 35%、支持情绪 25%、账单 20%、互动 20%，缺数据维度记中性分并标数据质量。
3. 四层风险划分 — Critical（75–100）、High（50–74）、Medium（25–49）、Healthy（0–24），每层对应不同时间尺度的动作（如 48 小时内高管触达 vs 自动化再互动序列）。
4. 输出可执行建议 — 群组可出评分表与 ARR 风险摘要；单账户可出分维度证据表与分阶段干预计划（第 0–2 天、第 2–5 天等）。

适用边界与注意点

• 新账户（<90 天）：趋势不可靠，应改看上手里程碑而非使用下降。
• 单重度用户、多产品线、席位扩张：使用指标需按人头/产品线/活跃席位解读，否则综合分会掩盖局部流失。
• 自愿 vs 非自愿流失、季节性低谷应分开建模，避免误报。
• 默认权重只是起点；应用实际流失事件做季度回溯，并把 CSM 定性备注与量化信号一起喂给分析。