churn-risk

/digital-marketing-pro:churn-risk

スクリプトの場所。 ホストが ${CLAUDE_PLUGIN_ROOT} を設定していない場合、スクリプトはこのプラグインの scripts/ フォルダー内、skills/ と同じ階層にあります。Python 3.10 以降で実行してください。python が見つからない場合（macOS、多くの Linux システム）は python3 を使用してください。

目的

顧客セグメント全体の解約リスクを評価し、介入戦略を作成します。行動シグナル（メールエンゲージメントの低下、購入頻度の低下、ログインパターンの変化、サポートチケットのエスカレーション）を使ってセグメントをスコアリングし、それぞれをリスクレベルに分類したうえで、実行可能な介入プレイブックを作成します。このコマンドは、顧客が解約していると把握することと、何をすべきか把握することの間にあるギャップを埋めます。顧客がすでに離れた後に実施する事後対応型の「再獲得」キャンペーンではなく、関係を修復できる段階で介入できるよう、リスクのあるセグメントを早期に特定します。各介入プレイブックには、リスクレベルと顧客価値に応じて調整された具体的なアクション、実施時期、チャネルの推奨事項、メッセージングのアプローチが含まれます。

必要な入力

ユーザーは以下を提供する必要があります（または入力を求められます）。

• スコアリング対象の顧客セグメント：評価対象のセグメントです。事前定義された CRM セグメント（例：「エンタープライズアカウント」「月額サブスクリプション会員」「初回購入者」）や、行動別コホート（例：「60日間購入していないユーザー」「メールの開封率が低下しているユーザー」）を指定できます。各セグメントには、利用可能な行動シグナルを含めてください。メールエンゲージメントの推移（開封率、クリック率、配信停止率）、購入頻度と最終購入時期、ログインまたは製品の利用パターン、サポートチケットの件数と感情分析、その他 CRM で追跡しているエンゲージメント指標などです
• CRM データソース：顧客データを保有する CRM システム（Salesforce、HubSpot、または接続済みの別の CRM MCP）です。接続されていれば、このコマンドは CRM から行動データを直接取得します。エクスポートしたデータをユーザーが提供することもできます
• 介入予算（任意）：顧客維持の介入に利用できる予算の総額です。リスクにさらされている LTV と介入コストに基づき、優先するセグメントとアクションを決定するために使用します。指定されていない場合、予算による絞り込みを行わずにすべての推奨事項を作成します
• 分析対象期間（任意）：行動の推移を分析する期間です。既定値は90日です。短い期間では急速な悪化を捉えやすく、長い期間ではゆっくり進行する解約パターンを特定できます
• カスタム解約シグナル（任意）：既定のシグナルに加え、ブランド固有の行動指標を指定します。例：「機能 X の使用を停止した」「プランのグレードを下げた」「支払い方法を削除した」「注文サイズが小さくなった」など、これまでそのブランドの解約に先行して発生した指標です

プロセス

1. ブランドのコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.json を読み込み、有効な slug を確認してから、~/.claude-marketing/brands/{slug}/profile.json を読み込みます。顧客ライフサイクルデータ、過去の解約率、既知のリテンションパターン、業界ベンチマークを適用します。また、~/.claude-marketing/brands/{slug}/guidelines/_manifest.json にガイドラインがあるか確認します。存在する場合は、介入の選択肢を制約するコミュニケーション頻度の上限やチャネルの制限を読み込みます。~/.claude-marketing/sops/ にエージェンシーの SOP があるか確認します。ブランドが存在しない場合は、「まずブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、業界の標準値を使って処理を進めます。
2. 顧客の行動データを収集する：CRM MCP（Salesforce または HubSpot）に接続し、各セグメントの行動シグナルデータを取得します。対象には、ルックバック期間中のメールエンゲージメント指標、頻度と直近性を算出した購入履歴、製品の使用状況またはログインパターン、感情指標を含むサポート対応、ユーザーが指定したカスタム解約シグナルが含まれます。CRM MCP が接続されていない場合は、セグメントデータをエクスポートして提供するか、連携を設定するようユーザーに促します。
3. 各セグメントの解約リスクをスコアリングする：行動シグナルデータを使って python "${CLAUDE_PLUGIN_ROOT}/scripts/churn-predictor.py" --brand {slug} --action score-segment --segment-name {name} --signals '{...behavioral signals...}' を実行します。スコアリングモデルはシグナルに重み付けを適用します。最近のエンゲージメント低下は過去のパターンよりも重く評価され、シグナルは複合リスクスコアを使って統合されます。各シグナルは予測力に応じてスコアに反映されます。購入頻度（最も高い重み、0.25）、エンゲージメントの傾向と変化速度、サポート対応の感情の推移、使用パターンの変化が対象です。スコアはセグメント間で比較できるよう、0～100 に正規化されます。
4. リスク層に分類する：複合スコアを4つのリスク層に対応付けます。Low（0～25、エンゲージメントは安定しており、通常のナーチャリング以外の介入は不要）、Medium（26～50、初期警告シグナルが見られ、先回りしたエンゲージメントを推奨）、High（51～75、複数のシグナルが悪化しており、2週間以内に対象を絞った介入が必要）、Critical（76～100、解約が差し迫っており、48時間以内に即時の手厚い介入が必要）。これらの境界値は固定のヒューリスティックな範囲であり、ユーザーデータから学習されたものではありません。スクリプトが0～100のスコアを算出し、これらの範囲によってスコアが各層に対応付けられます。各層を予測指標として扱う前に、実際に発生した解約データに照らして境界値を再調整してください。過去のデータから異なる境界値が適切と判断される場合は、ブランド固有のしきい値を適用してください。
5. リスク層ごとに介入プレイブックを作成する：アクティブなセグメントがある各リスク層について、具体的な介入プレイブックを作成します。実施するアクション（パーソナライズした連絡、特別オファー、製品の利用案内、アカウントレビュー、経営幹部からの連絡）、タイミング（対応までの時間と介入シーケンスの実施期間）、使用するチャネル（セグメントの希望と層の緊急度に応じたメール、電話、アプリ内メッセージ、ダイレクトメール）、メッセージの方針（トーン、価値提案の強調点、緊急度）、初回の介入で定めた期間内にエンゲージメントが改善しない場合のエスカレーション経路を含めます。
6. リスクにさらされている LTV を算出する：各セグメントについて、解約が発生した場合にリスクにさらされる顧客生涯価値を推定します。セグメントの平均 LTV、セグメントの規模、リスクスコアから算出した解約確率に基づいて推定します。全セグメントおよび各層のリスクにさらされている LTV を集計して示します。これにより、介入への投資を正当化するビジネス上の根拠を明確にします。
7. LTV への影響に基づいて介入の優先順位を付ける：リスクにさらされている LTV と介入コストの比率に基づき、すべての介入を順位付けします。比較的低コストの介入で維持できる、Critical 層と High 層の価値の高いセグメントを最上位にします。ユーザーが介入予算を提示している場合は、その予算を制約として適用し、予算内で実施できる介入と追加投資が必要な介入を、期待されるリテンション ROI の高い順に示します。

出力

包括的な解約リスク評価には、以下が含まれます。

• 解約リスクスコアカード：複合リスクスコアに基づいてすべてのセグメントを順位付けします。セグメント名、規模、リスクスコア（0〜100）、リスクレベル（低／中／高／重大）、スコアの主な要因となっている解約シグナル、傾向の方向（改善／安定／悪化）を示します。
• リスクレベルの分布：各レベルに該当する顧客数と、顧客全体に占める割合をまとめます。業界ベンチマークや、利用可能な場合はブランドの過去の分布との比較も示します。
• セグメントごとの要因：スコアを算出した各セグメントについて、リスク評価の要因となった具体的な行動シグナルを示します。悪化しているシグナル、その悪化の速さ、セグメントの過去の基準値および健全なセグメントのベンチマークとの比較を含みます。
• リスクレベル別の介入プレイブック：中、高、重大の各レベルについて、詳細なアクションプランを示します。具体的なアクション（何をするか）、タイミング（いつ行動するか、実施期間の順序）、チャネル（どこで顧客にアプローチするか）、メッセージングの枠組み（何をどのように伝えるか）、成功指標（どのような改善を成功とみなすか）、エスカレーショントリガー（次の強度レベルに引き上げるタイミング）を含みます。
• リスク対象LTVの算出：すべてのセグメントのリスク対象となる顧客生涯価値を、リスクレベル別に分類して合計します。何もしない場合のビジネスへの影響と、各レベルの顧客維持に正当化できる最大投資額を定量化します。
• 介入プログラムのROI推定：業界の顧客維持ベンチマークとブランドの過去の再獲得率に基づき、介入ごとの予想顧客維持率の向上と売上の維持額を推計します。各プレイブックの予想ROIを示し、予算配分の根拠とします。

使用するエージェント

• marketing-scientist — 行動シグナルの重み付け分析を用いた解約スコアリングモデルの設計、複合リスクスコアの算出とレベル閾値の調整、セグメント価値と解約確率を用いたリスク対象LTVの推定、顧客維持ROIに基づく介入の優先順位付け、過去の解約実績に照らしたシグナルの予測力の統計的検証
• crm-manager — 接続済みのMCP サーバーを介したSalesforceまたはHubSpotからのCRMデータ抽出、顧客セグメントの定義と行動データの構造化、対象期間にわたるエンゲージメント指標の集計、スコアリングに使う入力データの完全性と信頼性を確保するためのデータ品質検証