Churn Predictor

流失预测器

专业的流失预测系统，通过行为信号、参与模式和预测分析，在高风险客户离开之前识别他们。这项技能提供结构化工作流，用于构建流失模型、监控风险信号和执行留存干预。

流失是增长的隐形杀手。等到客户宣布要离开时，往往为时已晚。这项技能可帮助你及早识别流失风险，在干预仍能发挥作用时采取行动，优先安排留存工作，并系统地降低流失率。

这项技能基于数据科学最佳实践和客户成功方法论，结合领先指标分析、风险评分和干预方案，在流失发生之前预测并防止流失。

核心工作流

工作流 1：识别流失信号

梳理可预测流失的行为

1. 行为信号

   信号类型	示例	风险等级
   使用量下降	登录、会话、操作次数减少 30% 以上	高
   功能弃用	停止使用关键功能	中高
   参与度下降	不回复邮件、错过会议	中
   支持模式	工单激增、负面情绪	高
   账单问题	付款失败、降级请求	高

2. 账户信号

   • 关键联系人离职（关键用户离开）
   • 公司裁员或重组
   • 并购公告
   • 影响你所在品类的预算削减
   • 评估竞争对手的信号
   • 合同未自动续订

3. 关系信号

   • NPS 评分下降（9-10 → 7 或更低）
   • 错过 QBR 或定期沟通
   • 对联络置之不理
   • 支持问题升级
   • 沟通中出现负面情绪

4. 时间信号

   • 临近续订（90/60/30 天）
   • 试用或试点结束
   • 糟糕体验的周年纪念日
   • 实施后进入停滞期
   • 季节性使用模式

工作流 2：风险评分模型

构建综合流失风险评分

1. 评分组成部分

   Churn Risk Score =
     (Usage Score × 0.30) +
     (Engagement Score × 0.25) +
     (Support Score × 0.20) +
     (Relationship Score × 0.15) +
     (Account Score × 0.10)
   
   Scale: 0-100 (higher = more at risk)
   

2. 使用评分因素

   • 登录频率与基线的对比
   • 功能采用广度
   • 活跃用户数与授权席位数的对比
   • 使用产品的时长
   • 核心操作完成情况

3. 参与度评分因素

   • 邮件打开率/点击率
   • 会议出席情况
   • 资源下载量
   • 培训完成情况
   • 社区参与情况

4. 风险类别

   评分	风险等级	操作
   0-20	低	常规监控
   21-40	中等	主动联系
   41-60	较高	需要干预
   61-80	高	紧急挽留尝试
   81-100	严重	升级至高管处理

工作流 3：群组与趋势分析

了解不同客户群体的流失模式

1. 群组分析

   • 按注册月份/季度分析
   • 跟踪留存曲线随时间的变化
   • 找出留存率较低的群组
   • 与产品/市场变化建立关联
   • 找出成功群组中的模式

2. 细分分析

   • 按客户规模（SMB/Mid/Enterprise）
   • 按行业垂直领域
   • 按使用场景/角色
   • 按获客来源
   • 按定价档位

3. 流失时间模式

   • 客户生命周期的哪个阶段会发生流失？
   • 续订时流失还是合同期中途流失
   • 从出现警示信号到流失的时间
   • 季节性模式
   • 与合同期限的关联

4. 领先指标验证

   • 跟踪信号 → 流失的相关性
   • 计算信号领先时间
   • 测量误报率
   • 优化评分权重
   • 对干预措施进行 A/B 测试

工作流 4：提醒与升级系统

在恰当的时间向合适的人提示风险

1. 提醒触发条件

   • 分数超过阈值（例如，进入“较高”风险级别）
   • 分数快速上升（7 天内增加 10 分以上）
   • 检测到关键信号（付款失败、支持者离职）
   • 续约临近且风险较高
   • 多个信号汇聚

2. 升级矩阵

   风险级别	负责人	升级对象	响应 SLA
   中等	CSM	无	5 天
   较高	CSM	抄送经理	48 小时
   高	CSM + 经理	告知副总裁	24 小时
   严重	经理	副总裁/高管赞助人	当天

3. 提醒内容

   • 客户名称和风险分数
   • 触发提醒的具体信号
   • 分数趋势（改善/下降）
   • 续约日期和面临风险的 ARR
   • 建议采取的行动

4. 提醒渠道

   • Slack/Teams 通知
   • 电子邮件摘要
   • CRM 仪表板
   • 每周风险报告
   • 高管摘要

工作流 5：干预方案

通过系统化方法挽留有流失风险的客户

1. 干预措施匹配

   根本原因	干预措施
   采用率低	培训、重新开展入门引导
   技术问题	升级至工程团队、提供变通方案
   价值不明确	ROI 分析、高管协调
   支持者离职	与新利益相关者重建关系
   价格顾虑	折扣、调整套餐、调整付款条款
   竞争因素	功能对比、产品路线图预览

2. 挽留方案执行

   • 诊断根本原因（不要想当然）
   • 根据原因匹配干预措施
   • 指定负责人和资源
   • 设定明确的时间表和里程碑
   • 跟踪结果（成功挽留、流失、原因）

3. 干预策略

   • 紧急电话：当天联系高管
   • 健康检查：全面审查客户账户
   • 强化培训：密集的赋能培训
   • 成功冲刺：专注交付价值
   • 高管协调：副总裁/高管层参与
   • 商务讨论：调整价格/条款

4. 结果跟踪

   • 按风险级别统计的挽留率
   • 按干预类型统计的挽留率
   • 从干预到解决的耗时
   • 挽留失败的原因
   • 成功挽留账户的长期留存情况

快速参考

操作	命令/触发词
检查风险分数	"Show churn risk for [Customer]"
列出有流失风险的账户	"Show accounts above [X] risk score"
分析流失模式	"Analyze churn patterns by [segment]"
查看提醒	"Show churn alerts this week"
创建挽留计划	"Create intervention plan for [Customer]"
验证评分	"Validate churn model accuracy"
群组分析	"Analyze retention by cohort"
信号分析	"Find leading churn indicators"
趋势报告	"Show risk score trends"
干预报告	"Report on save play outcomes"

最佳实践

信号选择

• 关注可观测的行为
• 验证其与实际客户流失的相关性
• 使用领先指标（而非滞后指标）
• 组合多种信号类型
• 根据预测能力赋予权重

评分模型

• 从简单模型入手，逐步增加复杂度
• 使用历史数据校准权重
• 通过盲测留出数据验证
• 每季度重新校准
• 记录方法

提醒设计

• 不要因每次分数变化都发送提醒
• 关注可采取行动的阈值
• 在提醒中提供背景信息
• 发送给合适的人员
• 避免提醒疲劳

干预

• 先诊断，再开方
• 根据根本原因匹配干预措施
• 设定明确的成功标准
• 严格跟踪结果
• 从失败中吸取经验

模型维护

• 每月审查准确性
• 使用新的流失数据重新训练
• 针对产品变更进行调整
• 随客户群变化及时更新
• 记录假阳性/假阴性

客户流失信号库

使用信号

信号	计算方式	警告阈值
登录量下降	周环比变化百分比	连续 2 周或以上下降 30%
DAU/MAU 比率	日活跃用户数 / 月活跃用户数	低于 0.2
功能广度	已使用的功能数 / 可用功能数	低于 30%
席位利用率	活跃用户数 / 已许可席位数	低于 50%
会话深度	每次会话的操作数	低于基线 40%

参与度信号

信号	计算方式	警告阈值
邮件参与度	打开率 × 点击率	低于 5%
会议出席率	已出席 / 已安排	低于 60%
响应时间	平均响应天数	超过 5 天
季度业务回顾参与度	已出席 / 已安排	连续缺席 2 次或以上
培训完成率	已完成 / 可参加	低于 25%

支持信号

信号	计算方式	警告阈值
工单量	工单数 / 月	达到基线的 3 倍
情绪分数	负面 / 总数	高于 30%
升级率	已升级 / 总数	高于 20%
解决满意度	已解决工单的 CSAT	低于 3/5
未结工单时长	平均未结天数	超过 7 天

关系信号

信号	计算方式	警告阈值
NPS 变化	当前值 - 上一周期值	下降 3 分或以上
健康分数	综合分数	低于 60
支持者风险	支持者活动度下降	低于基线的 50%
高管沟通	每季度高管会议数	连续 2 个或以上季度为 0
续约信心	CSM 评估	低于 70%

风险报告模板

每周高风险客户摘要

# Churn Risk Report: Week of [Date]

## Summary
- Accounts at elevated risk or above: [X]
- Total ARR at risk: $[Amount]
- New alerts this week: [X]
- Risk trending up: [X accounts]
- Risk trending down: [X accounts]

## Critical Risk (81-100)
| Account | ARR | Score | Key Signals | Owner | Action |
|---------|-----|-------|-------------|-------|--------|
| [Name] | $X | 87 | [Signals] | [CSM] | [Status] |

## High Risk (61-80)
[Same format]

## Elevated Risk (41-60)
[Same format]

## Interventions in Progress
| Account | Started | Intervention | Progress |
|---------|---------|--------------|----------|
| [Name] | [Date] | [Type] | [Status] |

## Outcomes This Week
- Saved: [X accounts, $ARR]
- Lost: [X accounts, $ARR, reasons]
- De-escalated: [X accounts]

危险信号

• 模型过拟合：在训练数据上表现完美，在新数据上表现不佳
• 信号滞后：指标触发过晚，错过干预时机
• 误报疲劳：警报过多，但并非真实风险
• 信号缺失：未跟踪关键的客户流失预测指标
• 分数不透明：团队不理解分数变化的原因
• 干预措施不匹配：针对不同问题使用相同的行动方案
• 缺少反馈闭环：未从挽回尝试中学习
• 数据质量：底层数据缺失或过时

模型验证指标

指标	衡量内容	目标
准确率	整体预测正确率	80%+
精确率	真阳性 / 所有预测为阳性的结果	70%+
召回率	真阳性 / 所有实际流失客户	85%+
提前时间	从高风险到实际流失的天数	60+ 天
误报率	虚假警报 / 所有高风险警报	< 30%
挽回率	已挽回 / 尝试挽回	40%+
AUC-ROC	模型区分能力	0.75+