churn-risk

/digital-marketing-pro:churn-risk

脚本位置。 如果你的主机未设置 ${CLAUDE_PLUGIN_ROOT}，脚本位于此插件的 scripts/ 文件夹中，与 skills/ 并列。请使用 Python 3.10 或更高版本运行：使用 python；若找不到 python，则在 macOS 和许多 Linux 系统上使用 python3。

目的

评估各客户细分群体的流失风险，并制定干预策略。根据行为信号为各细分群体评分——例如邮件互动度下降、购买频率降低、登录模式变化、支持工单升级——将其划分到不同风险等级，并制定可执行的干预方案。此命令旨在弥合“知道客户正在流失”和“知道该采取什么行动”之间的差距。它不会等到客户已经离开后再开展被动的“挽回”营销活动，而是及早识别有流失风险的细分群体，趁客户关系仍有挽回余地时进行干预。每份干预方案都包含具体行动、时间窗口、渠道建议和沟通方式，并根据风险等级和客户价值进行调整。

所需输入

用户必须提供（或将收到提示提供）：

• 要评分的客户细分群体：需要评估的群体，可以是预定义的 CRM 细分群体（例如“企业账户”“月度订阅用户”“首次购买者”），也可以是行为群组（例如“过去 60 天未购买的用户”“邮件打开率持续下降的用户”）。每个群体应包含可用的行为信号：邮件互动趋势（随时间变化的打开率、点击率、退订率）、购买频率和最近购买时间、登录或产品使用模式、支持工单数量和情绪倾向，以及 CRM 中追踪的其他互动指标
• CRM 数据源：说明客户数据存储在哪个 CRM 系统中，例如 Salesforce、HubSpot 或其他已连接的 CRM MCP。若已连接，命令将直接从 CRM 获取行为数据；用户也可以提供导出的数据
• 干预预算（可选）：可用于留存干预的总预算，用于根据风险中的 LTV 与干预成本，确定优先关注的细分群体和行动。如果未提供预算，则生成所有建议，不按预算筛选
• 回溯周期（可选）：分析行为趋势的时间范围，默认为 90 天。较短的时间范围有助于捕捉快速恶化的情况；较长的时间范围有助于识别逐渐显现的流失模式
• 自定义流失信号（可选）：除默认信号外，特定品牌的行为指标，例如“停止使用功能 X”“降级套餐”“移除付款方式”“减少订单规模”——这些指标过去曾预示该品牌的客户可能流失

流程

1. 加载品牌背景：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用客户生命周期数据、历史流失率、已知留存模式和行业基准。还要检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南；如果存在，加载其中限制干预选项的沟通频率上限或渠道限制。检查 ~/.claude-marketing/sops/ 中是否有代理机构的标准操作流程。如果没有品牌，询问：“先设置一个品牌？（/digital-marketing-pro:brand-setup）”——或者使用行业默认值继续。
2. 收集客户行为数据：连接 CRM MCP（Salesforce 或 HubSpot），并提取每个细分群体的行为信号数据——回溯期内的邮件互动指标、包含频率和近期性计算的购买历史、产品使用或登录模式、带有情绪指标的支持互动，以及用户指定的任何自定义流失信号。如果 CRM MCP 未连接，请提示用户提供导出的细分群体数据或配置集成。
3. 为每个细分群体评估流失风险：使用行为信号数据执行 python "${CLAUDE_PLUGIN_ROOT}/scripts/churn-predictor.py" --brand {slug} --action score-segment --segment-name {name} --signals '{...behavioral signals...}'。评分模型会应用加权信号——近期互动下降的权重高于历史模式，并将各种信号合并为综合风险分数。每项信号根据其预测能力贡献分数：购买频率（最高权重，0.25）、互动趋势方向和变化速度、支持情绪变化趋势，以及使用模式中断。分数会归一化到 0–100，以便在不同细分群体之间进行比较。
4. 划分风险等级：将综合分数映射到四个风险等级——低（0–25，互动稳定，除常规培育外无需干预）、中（26–50，出现早期预警信号，建议主动互动）、高（51–75，多个信号恶化，需在 2 周内进行定向干预）和危急（76–100，流失风险迫近，需在 48 小时内立即进行高接触干预）。这些阈值是固定的启发式区间，并非从你的数据中学习得出——脚本会计算 0–100 的分数，这些区间则将分数映射到相应等级。在将某个等级视为具有预测性之前，请根据你实际发生的流失情况重新校准等级边界；如果历史数据表明阈值应有所不同，请采用品牌专属阈值。
5. 为每个等级制定干预方案：对于存在活跃细分群体的每个风险等级，制定具体的干预方案——要采取的行动（个性化联系、特别优惠、产品指导、账户审查、高管联系）、时间窗口（行动速度以及干预序列持续时间）、使用的渠道（根据细分群体偏好和等级紧迫性选择邮件、电话、应用内消息、直邮）、沟通方式（语气、价值主张侧重点、紧迫程度），以及如果初始干预未能在指定窗口内提升互动时的升级路径。
6. 计算风险中的 LTV：对于每个细分群体，根据细分群体平均 LTV、群体规模以及风险分数所对应的流失概率，估算发生流失时面临风险的生命周期价值。汇总所有细分群体以及各等级的风险中 LTV 总额，以量化干预投入的商业价值。
7. 根据 LTV 影响确定干预优先级：按风险中 LTV 与干预成本的比率对所有干预措施排序——危急和高风险等级中价值较高、且可通过相对低成本干预挽留的细分群体排在最前。如果用户提供了干预预算，请将其作为限制条件，并列出哪些干预措施在预算内、哪些需要额外投入，再按预期留存 ROI 排序。

输出

全面的客户流失风险评估，包含：

• 流失风险评分卡：按综合风险评分对所有细分群体进行排名，显示细分群体名称、规模、风险评分（0-100）、风险等级（低/中/高/严重）、导致该评分的主要流失信号，以及趋势方向（改善、稳定或恶化）
• 风险等级分布：汇总各等级中的客户数量及其占客户总量的百分比，并与行业基准和品牌的历史分布（如有）进行比较
• 各细分群体的影响因素：针对每个已评分的细分群体，列出推动风险评估的具体行为信号——哪些信号正在恶化、恶化速度如何，以及它们与该细分群体的历史基线和健康细分群体基准相比如何
• 各等级的干预方案：为中、高和严重等级制定详细行动计划，包含具体行动（做什么）、时机（何时行动及各阶段持续时间）、渠道（通过哪些渠道触达客户）、沟通框架（说什么以及如何表达）、成功指标（何种改善代表成功），以及升级触发条件（何时升级到下一强度级别）
• 风险中的 LTV 计算：汇总所有细分群体风险中的生命周期价值，并按等级细分，量化不采取行动的业务影响，以及各等级中留存投入的最高合理金额
• 干预计划的 ROI 估算：基于行业留存基准和品牌历史挽回率，预测各项干预带来的留存率提升和挽回收入，并展示各方案的预期 ROI，为预算分配提供依据

使用的 Agent

• marketing-scientist — 设计流失评分模型，分析加权行为信号，计算综合风险评分并校准等级阈值；根据细分群体价值和流失概率估算风险中的 LTV；按留存 ROI 确定干预优先级；并通过历史流失结果对信号的预测能力进行统计验证
• crm-manager — 通过已连接的 MCP 服务从 Salesforce 或 HubSpot 提取 CRM 数据；定义客户细分群体并整理行为数据；汇总回溯期内的互动指标；验证数据质量，确保评分输入完整可靠