customer-churn-signals

流失信号

识别、以可操作的方式定义、依据实际观察到的历史流失情况进行验证，并对用户自身账户中流失前出现的信号排序。核心区分是领先指标与滞后指标：

• 滞后指标（报告已经发生的情况）：流失率、流失的 MRR、NPS 下降。
• 领先指标（在取消前数周出现，留有采取行动的时间）：登录次数下降、功能采用范围收窄、关键拥护者不再回应。

每个候选信号都必须通过以下两部分组成的可操作性测试，才值得发布：

1. 信号触发得足够早，仍有人可以介入。
2. 确实有人能够对此采取行动。

触发较晚的事件——付款失败、降级请求、采购延迟、续约日期延后——都是确认性警报，它们只会将数周前就已做出的决定正式记录下来。应将其归类为确认性信号，绝不能列为领先指标。

Lincoln Murphy 的成功里程碑框架是贯穿整个练习的重要提醒：使用不等于成功。应追踪客户自身目标的达成进度，因为账户可能直到“意外”流失前都显得十分活跃。

本技能止步于经过验证并按优先级排序的信号清单；将这些信号汇总为综合评分（设置权重、评分等级、红／黄／绿分层），或制定据此采取行动的 CSM 作战手册、挽留方案和续约策略，应使用 mbfinotti/revops-skills@customer-health-score。管道阶段设计、售前线索评分以及销售到 CS 的交接也不在范围内。

访谈

提出任何建议前先提问。每条消息只问一个问题；尽可能提供多选答案；已回答的问题可跳过。

• 你经营的是 B2B、B2C／消费者订阅，还是两类业务都有？
• 过去 12–24 个月有多少个流失账户？这决定了哪些排序方法可行：回测和提升分析适用于小样本；WoE／IV 和任何回归分析都需要足够的数据量（见排序参考）。
• 实际可访问哪些数据源，粒度如何：产品事件流、登录日志、支持工单系统、CRM 活动（会议、邮件）、账单记录、调查评分？数据是每个账户每天都有，还是只有汇总数据？
• 合同和续约模式如何：月度自助服务、年度合同还是多年合同？典型的续约周期有多长？
• 有哪些干预能力——谁会跟进被标记的账户，每周能处理多少条标记？没人能采取行动的信号，不值得排序。
• 是否已有健康度评分？如果有：先用真实流失情况验证其输入信号，还是从头建立清单？
• 清单必须在什么日期前投入使用？如果期限在下一个续约周期内，所有需要新增埋点的信号，以及所有基于留存曲线以下数据的方法，都应排除。
• 这是一次性的目标——挽留本季度的续约客户——还是要持续积累、由团队不断重新校准的资产？“持续积累”会让产品遥测数据和功能采用广度在构建顺序中优先；“一次性”则意味着清单仅使用 CRM 数据。
• 工作量上限是什么：可投入的分析师工时、实际能申请到的工程资源，以及发布后是否有人会重新拟合模型？没有工程资源就排除产品遥测类别；无人重新拟合模型则无论样本量如何，都排除逻辑回归和 Cox 模型。

在提出任何建议前，根据这三类答案重新排列候选项的顺序，并明确说明哪些答案改变了哪些选项的排序——如果用户无法将排序追溯到自身约束，这个排序看起来就会显得武断。

工作流

1. 进行访谈；在提出信号之前收集所有答案。
2. 根据 references/signal-taxonomy.md 建立候选清单，按其中规定的效率顺序处理各类别——先看最近登录时间，最后看调查问卷变化；产品遥测排第六，除非产品已经按账户发出事件。删除访谈排除的类别，不要将其留作后续项目。从一开始就将确认性预警标记为此类。
3. 为每个候选信号编写操作性定义：事件、阈值、观察窗口、比较基线，以及按账户规模和季节性进行的归一化。缺少这五项中任何一项的信号都无法测试；补全定义或删除该候选信号。
4. 获取已流失账户列表，并重建每个候选信号在流失前 30/60/90 天的状态（企业销售流程可延长至 120–180 天）。如果可以直接查询数据，就计算结果；否则，为用户提供查询语句或电子表格操作步骤，并依据其结果开展工作。
5. 根据 references/ranking-methods.md 对候选信号进行排名：流失率相对于基准率的提升、中位提前时间和覆盖率，再除以搭建该信号的成本。按该文件规定的顺序运行各方法——先做回测和提升分析——并在清单达标后停止。删除访谈中关于样本量和维护方面的回答所排除的方法，不要将其保留为后续目标。提前时间与强度同为首要排名指标：取消前几天才触发的强信号，不如提前 90 天触发的较弱信号。
6. 执行存活性检查：对于已流失账户，每个保留的候选信号是否确实在流失前 60–90 天触发？如果大多数已流失账户在流失前该信号仍显示为绿色，那么它就是盲点，而不是预测指标。
7. 填写清单（格式见下文），依据通过门槛判定每个信号为上线／观察／拒绝，并反复调整定义、阈值和窗口，直至达到清单整体门槛。
8. 按章节与用户共同验证清单，将获准上线的信号交给 mbfinotti/revops-skills@customer-health-score 进行综合评分，并预约在获得下一季度流失结果后重新进行回测。
9. 如果你的执行环境具备持久记忆，请记住获批的清单——信号、定义、提升幅度、提前时间、覆盖率、判定结果和重新回测日期——以便后续重新校准时从该清单开始，而无需再次访谈。

信号清单

每次合作都必须交付此产物。示例版本见 references/examples.md。

CHURN SIGNAL REGISTER - <company/book>, <date>, v<n>
Base rate : <B>% of accounts churn per <window>; churned sample = <N> (<period>)
Method    : backtest + lift [+ retention curves | + WoE/IV] - in that order, stopping when
            the register cleared; name any method deleted and why (sample, no refit, deadline)
Rows      : ordered by value per unit of instrumentation effort

signal      : <name>
  category  : usage | adoption | seats | relationship | support | billing | survey | crm | context
  source    : <system category, e.g. product event stream>
  definition: event + threshold + observation window + baseline + normalization
  window    : <observation window>
  baseline  : <what normal is - account's own history and/or segment peers>
  lift      : of accounts showing this, <N>% churned within <window> vs base rate <B>% (<x.x>x)
  lead time : median days between first fire and churn
  coverage  : % of past churned accounts that fired this signal
  effort    : near-zero | an hour | a week | a quarter | a standing job - to instrument and keep alive
  confidence: evidence note - sample size, IV if computed, caveats
  verdict   : ship | watch | reject (confirmatory-flagged where applicable)

Register-level : % of past churns the shipped set would have caught at minimum lead time
Handoff        : shipped signals -> mbfinotti/revops-skills@customer-health-score

通过门槛

信号只有在以下三项全部达标时，才能判定为“上线”。这些数值是本技能的实用底线，并非经研究验证的常量；当用户的数据样本允许时，应依据其数据提高门槛：

• 提升幅度：在观察窗口内，出现该信号的账户流失率至少为基准率的 2 倍。更小的优势无法经受实际噪声的考验。
• 提前时间：距流失的中位时间至少 30 天——对于需要为采购周期留出时间的企业销售流程／年度合同流程，至少为 90 天。确认性预警可豁免，但必须带有确认性标记。
• 覆盖率：至少在 25% 的历史流失账户中触发——无论提升幅度多强，若几乎无法捕捉真实流失案例，该信号都只是无关紧要的数据。

清单整体要求：上线信号合计必须在至少 70% 的历史流失账户中触发，且触发时间不得晚于最低提前时间。反复迭代——调整阈值和窗口、增加类别、细分客群——直到达标；如果清单会漏掉大多数已知流失案例，就不要上线。

B2B 与 B2C

• 仅适用于 B2B：关键支持者和高管赞助人的离职，以及多利益相关方采购委员会的动态——B2C 中没有内部委员会，因此也不会有成员流失。B2B 合同条款也会减缓并延迟可见的流失事件：年度合同会让不满意的客户继续付费直至到期，因此行为信号会远早于商业信号出现，这正是领先信号在 B2B 中更重要而非不那么重要的原因。
• 通用且方法相同：B2B 和 B2C 都会追踪使用量／登录次数下降、功能采用广度和支持服务情绪。变化的只有分析单位：B2B 中是客户账户及其委员会，B2C 中是个人订阅者。
• 仅适用于 B2C：支付失败是占比更大的流失驱动因素；取消订阅只需一个人轻点一下，因此预警时间缩短，干预窗口也随之收窄；此外，“因漠不关心而流失”——忘记取消的低价订阅——在 B2B 中没有对应情况。

常见失误模式

陷阱	为什么会造成问题	修正方法
将滞后指标当作领先指标上线	流失率、流失的 MRR、NPS 下滑反映的是过去	按每个信号的测量提前量进行分类；触发警报的指标标记为待确认
有相关性但没有预测能力	指标会在流失前变化，却无法预测流失	要求进行回测，验证提升效果；通过流失客户访谈进行合理性检查
按比率排名会让遥测信号得不到重视	产品使用情况和采用广度的提升效果最高、提前量最长，且采集成本最高；因此，纯粹按效率构建的信号清单会完全依赖 CRM 数据且滞后——这正是生存者偏差会基于 CRM 现有数据产生的信号清单	当事件已存在、目标是实现复利增长，或廉价信号清单未达到 70% 的底线时，应优先纳入遥测数据；提取流失前 60-90 天流失客户的信号状态——若当时仍显示为绿色，说明存在盲点
以单一方向解读支持工单数量	活跃客户会提交更多工单；不再活跃但保持沉默的客户则不会提交工单	将数量与严重程度、处理时长和情绪结合起来；将“激增后沉默”视为独立信号
将 NPS/CSAT 赋予过高的预测权重	存在响应偏差——悄然失去活跃度的客户不会填写调查问卷	除非用户自己的回测结果另有结论，否则排名应低于产品参与度
供应商外联活动造成的假象	CSM 给高风险客户发邮件，会导致“参与度”上升	只统计由客户主动发起的活动
以准确率作为验证指标	流失客户很少；预测“不会流失”也能取得高分	有任何模型后，使用精确率、召回率和 PR-AUC
在少量流失样本上过拟合	单次训练/测试集划分会造成误导	使用 K 折验证，而非只做一次划分；延长结果观察期
汇总数据掩盖无声流失	单个客户缓慢流失，在整体客户报告中难以发现	将每个客户的趋势与其自身基线进行比较，而非与汇总数据比较

参考资料

• 构建候选列表时，请阅读 references/signal-taxonomy.md——其中介绍了按单位埋点工作量所能带来的价值排序的类别、五部分运营模板、预期提前期、框架署名信息，以及确认性触发条件列表。
• 验证和排序时，请阅读 references/ranking-methods.md——其中介绍了方法顺序、每种方法的作用、样本较少或模型未维护时会排除哪些方法、回测机制、提升度、留存曲线比较、带解读区间的 WoE/IV，以及 PR-AUC。
• 撰写登记表时，请阅读 references/examples.md——其中包含一份完整的 B2B 登记表、一份精简的 B2C 登记表、提升度和 WoE/IV 的计算示例，以及一个看似合理但实际不佳的信号的拆解示例。
• 另请参阅 mbfinotti/revops-skills@lead-scoring，了解如何将相同的回测和提升度验证逻辑应用于售前的潜在客户，而非售后的客户账户。