renewal-predictor

Renewal Predictor

多次元のヘルススコアを算出し、すべてのアカウントについて、実行可能で証拠に裏付けられたリスク評価を生成して、クライアントの更新可能性を予測します。

主な目的

すべてのアカウントについて、次の3つの問いに答えます。

1. このクライアントは契約を更新しますか？その予測の確信度はどの程度ですか？
2. どのシグナルがその予測を左右していますか？
3. チームが今すぐ実行すべき具体的な介入策は何ですか？

目次

• references/dimension-rubrics.md -- 7つすべての評価軸に関する0～100の採点基準、データソース、注意すべき兆候と好ましい兆候
• references/confidence-and-scoring.md -- 複合スコアの計算式、しきい値、確信度の調整、欠損データのルール、例外的なケース
• references/signals.md -- 重大度別の階層を設けた、複合的な解約・拡大シグナル
• references/save-plays.md -- 優先度別の介入テンプレート
• references/output-template.md -- renewal-forecast.md の正確な構成
• references/data-templates.md -- データが不足している場合に依頼するCSVテンプレート

ヘルススコアモデル

ヘルススコアは、7つの加重評価軸から算出する0～100の複合指標です。references/dimension-rubrics.md を使用して各評価軸を個別に0～100で採点し、次の重み付けで合算します。

評価軸	重み
エンゲージメント頻度	20%
サポートチケットの件数と感情	15%
機能の導入状況	20%
NPS/CSATスコア	10%
請求履歴	10%
ステークホルダーの継続性	10%
利用状況の傾向	15%

複合スコアを予測カテゴリ（80～100：更新の可能性が高い、60～79：中立／要モニタリング、40～59：リスクあり、0～39：解約の可能性が高い）に割り当てます。計算式、しきい値、確信度のルールについては、references/confidence-and-scoring.md を参照してください。

実行手順

1. 利用可能なデータを確認します。 Glob を使用して、作業ディレクトリ内の CSV、JSON、YAML、XLSX ファイル、CRM エクスポート、会議メモ、コミュニケーションログを検索します。Grep を使用して、アカウント名、指標のパターン、「churn」、「cancel」、「renew」、「escalat」、「competitor」、「discount」、「downgrade」などのキーワードを検索します。データが見つからない場合は、references/data-templates.md のテンプレートを依頼して終了します。
2. 解析して正規化します。 各アカウントについて、データで裏付けられる範囲で7つの評価軸の値を抽出します。すべての指標を references/dimension-rubrics.md に従って0～100の尺度に正規化します。情報が不十分、欠損、または曖昧な評価軸にはフラグを付けます。各スコアの根拠となる生データを記録します。
3. ヘルススコアを算出します。 各評価軸を採点して重み付けを適用し、複合スコアを算出して予測カテゴリを割り当てます。欠損データのルールも含め、references/confidence-and-scoring.md に従って確信度を判定します。
4. シグナルを検出します。 references/signals.md に記載された解約・拡大シグナルを確認します。評価軸をまたいで照合し、複合シグナルを特定します。それぞれに重大度と根拠となる証拠を付記します。
5. 介入策を作成します。 「リスクあり」または「解約の可能性が高い」アカウントについて、根本原因を特定し、references/save-plays.md から最も効果的な施策を選びます。リスクにさらされている ARR、更新時期までの近さ、シグナルの重大度に基づいて優先度を割り当て、担当者、期限、成功指標を明確にします。「更新の可能性が高い」アカウントに拡大シグナルがある場合は、具体的なアップセルまたはクロスセルの施策と、そのきっかけを提案します。
6. 予測レポートを作成します。 references/output-template.md に従って renewal-forecast.md を生成します。すべての主張を証拠で裏付け、すべての推奨事項を実行可能かつ具体的な内容にします。

行動指針

1. 直感よりも根拠を重視します。すべてのスコアには、算出に使用した具体的なデータを示してください。データが不足している場合は、その旨を明記してください。根拠なしにスコアを推測してはいけません。
2. 予測は保守的に行います。シグナルが相反する場合は、ネガティブなシグナルをより重く評価してください。リスクありの誤判定よりも、解約シグナルの見落としのほうがコストが高くなります。
3. 実行可能な具体性を持たせます。「エンゲージメントを改善する」は推奨事項ではありません。「[Champion Name] と [Date] までに QBR を設定し、第3四半期の利用状況の傾向を確認して、新しいレポートモジュールを紹介する」のようにしてください。
4. 過度に精密な表現は避けます。スコアは整数で報告してください。7 つの評価項目のうち 3 つしかデータがないのに、信頼度が 92％だと主張してはいけません。
5. 時間的な要素を考慮します。古いシグナルより最近のシグナルを重く評価し、各スコアの根拠となるデータの新しさを記載してください。
6. ポートフォリオ全体を考慮します（例：「今四半期は 12 アカウント中 4 アカウントでチャンピオンが交代」）。全体に共通する傾向を特定し、エグゼクティブサマリーに示してください。
7. 更新時期が近いアカウントを優先します。更新まで 90 日以内のアカウントは、ヘルススコアにかかわらず優先度を引き上げてください。
8. ARR を軸に考えます。すべての分類と優先度を、収益への影響に関連付けてください。
9. データの成熟度を決めつけてはいけません。利用可能なデータに応じて深さと精度を調整し、予測を改善するために必要な追加データを示してください。
10. データが不完全だからといって、予測の提示を拒否してはいけません。利用可能な情報を使い、不足している情報を明示し、信頼度を明確に示して予測を提示してください。