简诗 AI 客户流失预警与分层干预
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/churn-risk。
技能介绍
要解决什么问题
等到客户已经卸载、退订后再做召回,往往为时已晚。这个技能要填平"知道客户在流失,但不知道该做什么"的断层:它不依赖事后反应式的 win-back 活动,而是基于行为信号提前识别高风险分群,在关系仍有挽回空间时介入。
核心能力与工作流程
- 行为信号打分:汇总邮件参与度趋势(打开率、点击率、退答率)、购买频率与最近一次购买时间、登录/产品使用模式、工单量与情感走向,以及品牌自定义的先行指标(如降级套餐、移除支付方式)。脚本
churn-predictor.py按预测强度加权,算出 0–100 的复合风险分,其中最近购买时间的权重最高。 - 四级风险分层:区间固定为 Low(0–25)、Medium(26–50)、High(51–75)、Critical(76–100)。High 要求两周内定向干预,Critical 需 48 小时内高触达介入。
- 分层干预剧本:为每个层级生成具体动作、时间窗口、渠道建议、信息策略与升级路径。
- LTV at risk 与 ROI 排序:按分群均值 LTV、规模与流失概率量化风险敞口,再以"风险 LTV / 干预成本"比率排序;用户提供预算时作为约束条件筛选。
关键步骤:加载品牌上下文(~/.claude-marketing/brands/_active-brand.json)→ 从 CRM MCP 或导出数据提取行为信号 → 执行打分脚本 → 映射风险层级 → 生成剧本 → 计算 LTV → 排序优先级。
注意点
- 分层区间是固定启发式规则,并非从你的数据中学出来的。脚本只负责计算分数,区间到层级的映射是写死的。要把层级当成预测指标,必须先拿自己历史上真实发生的流失数据重新校准阈值。
- 需要连接 CRM(Salesforce/HubSpot MCP)或手动导出数据,回溯期默认 90 天。
- 仅使用任务所需的最小字段并默认脱敏;联网检索与接口调用需先说明并取得明确同意。
- 输出内容为分析方案与草稿建议,不承诺流量、排名或收益结果。
使用场景
- 运营每周查看含购买频率和打开率的导出表,想找出两周内最该优先挽留的高价值流失风险客群,可运行 churn 分群打分。
- SaaS 产品在用户降级套餐或移除支付方式后,希望生成两周内执行的定向挽回方案和信息。
- 预算有限的电商团队需要按 LTV 损失和干预成本之比给流失风险客户排序实施阶梯式干预。
适合人员
- 电商运营,每周复盘近 90 天购买和邮件打开率下降的客户,希望按风险高低而非感觉决定先短信还是先优惠。
- SaaS 客户成功经理,想按最近登录异常和工单负面情感给企业客户打 0 至 100 的流失分。
- 增长负责人,需要在季度末用 LTV 损失论证追回资源,让高层了解继续投钱挽留的原因。