技能介绍

要解决的问题

续约预测通常依赖客户成功团队的经验判断：翻一遍聊天记录，凭感觉给账户打个「应该没问题」。问题在于没有证据链——哪个维度出了问题、严重到什么程度、该在两周内做什么，往往说不清楚。等到 NPS 下滑或冠军用户离职的消息传来，通常已经太晚。

这个技能的目标是把续约判断变成一次可复盘的结构化评估：对每个账户回答三个问题——会不会续、概率多少；哪些信号在驱动这个判断；团队现在应该执行什么动作。

工作原理

核心是 Health Score，一个 0–100 的复合分，由七个维度独立打分后加权合成：

Engagement Frequency（互动频率），权重 20%
Feature Adoption（功能采用），20%
Support Ticket Volume and Sentiment（工单量与情绪），15%
Usage Trends（使用趋势），15%
NPS/CSAT，10%
Billing History，10%
Stakeholder Continuity（干系人连续性），10%

每个维度的评分标准、数据来源和红绿旗信号写在 references/dimension-rubrics.md；合成公式、阈值划分（80–100 大概率续约、60–79 观察、40–59 有风险、0–39 大概率流失）、置信度校准和缺失数据规则在 references/confidence-and-scoring.md。

执行流程分六步：用 Glob 扫描 CSV/JSON/YAML/XLSX、CRM 导出、会议纪要，用 Grep 找 churn、escalat、competitor 等关键词；数据缺失时按 references/data-templates.md 索取模板并停止；解析并归一化到 0–100 刻度；计算综合分并映射预测类别；在 references/signals.md 中检测流失与扩展信号，跨维度交叉比对复合信号并标注严重度；最后按 references/save-plays.md 生成干预方案，按 ARR 风险、续约临近度和信号严重度定优先级，写入 renewal-forecast.md。

注意点

几条行为准则值得单独拎出来：证据优先，每个分数必须指向具体数据，缺数据就明说，绝不凭空推断；信号冲突时保守处理，宁可误报风险也不漏掉流失信号；推荐要具体到「在什么日期前和谁做什么」，而不是「加强互动」；不制造虚假精度，只用整数分，数据只覆盖七个维度中的三个时就不能声称 92% 置信度；近期信号权重高于旧信号；90 天内续约的账户无论分数如何都提高优先级。

另一个边界是：不自动安装依赖、修改系统权限、创建持久化任务或执行下载内容。涉及发送、发布、删除、付款、部署等外部写入操作前，必须先展示目标与影响并取得明确确认。凭据仅用于用户指定的官方服务，不回显、不记录、不转发。命令与代码默认仅作参考，只有用户明确要求且目标范围清楚时才执行。