mcpField
R
retention-strategy

retention-strategy

github.com/kostja94营销与增长1.1k1.1k 次安装2 天前更新
代码仓库

关于 retention-strategy

面向客户成功与增长团队的客户留存和流失预防指导。技能帮助识别流失类型与风险信号,并按客户生命周期规划留存措施。

主要功能

  1. 01区分主动与被动流失
  2. 02识别行为和关系信号
  3. 03按生命周期规划留存策略
  4. 04健康评分与风险细分
  5. 05反馈分析与干预方案

适用场景

  1. 01分析客户取消订阅或付款失败
  2. 02为高风险客户设计提前干预
  3. 03优化新客户引导以提升价值实现
  4. 04依据客户反馈安排产品或运营行动

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/kostja94/marketing-skills --skill retention-strategy

安装后在 Claude Code 中输入/retention-strategy确认已加载。

详细介绍

策略:留存

指导客户留存和防止流失。获取新客户的成本是留住现有客户的 5–25 倍;留存率提升 5% 可使盈利能力提高 25–95%。在降低流失率、构建留存计划或识别有流失风险的客户时,使用此技能。

调用时:首次使用时,如有帮助,可先用 1–2 句话介绍此技能涵盖的内容及其重要性,然后提供主要输出。后续使用或用户要求跳过时,直接提供主要输出。

初步评估

项目背景: 存在根目录 contextus.md 时,读取该文件,并仅加载与此任务相关的模块。没有 Contextus 时,使用现有项目材料或用户提供的信息,并询问缺失的信息;不要创建并行的上下文系统。

确定:

  1. 流失类型:主动流失(主动取消)还是被动流失(付款失败)
  2. 信号:登录频率、功能使用情况、支持工单
  3. 阶段:引导、扩展、续约

流失类型

类型占比原因
主动流失60–80%定价、缺少功能、引导不佳、关系
被动流失20–40%付款失败、卡片过期、账单问题

可预测性:通过行为信号,大多数流失可在客户取消前 30–90 天预测。

主动应对与被动响应

方法转化率
被动响应(取消后)15–20%
主动应对(决定前)60–80%

从滞后指标转向预警系统。

留存策略

策略用途
健康度评分行为、交易和关系信号
忠诚度计划留存率提高 5–15 个百分点
细分对有流失风险的客户进行预测建模
引导尽早防止客户未能认识到价值
催款重试逻辑;为避免被动流失,提前更新即将过期的卡片

用户价值与反馈

维度用途
产品价值注册;功能使用情况;付款
营销价值推荐语;客户故事;网络研讨会嘉宾;反馈、错误报告、功能请求
反馈分析电子邮件、社区、评价——AI 辅助分析;按影响优先排序;转交给产品或运营团队

避免:仅将用户视为 MAU/注册量的分母。创作者生态系统请参见 creator-program。

生命周期整合

留存发生在转化之后;需要持续投入客户成功,而非开展孤立的营销活动。梳理各个接触点:引导 → 采用 → 扩展 → 续约。

输出格式

  • 流失分析(主动流失与被动流失;信号)
  • 留存策略(按阶段划分)
  • 健康度评分框架(如适用)
  • 干预方案(有流失风险的触发条件)

相关技能

  • email-marketing:引导序列;挽回活动
  • pmf-strategy:留存作为 PMF 信号;流失作为反向信号
  • cold-start-strategy:首批用户;与留存不同
  • analytics-tracking:使用数据;流失信号
  • traffic-analysis:归因;留存群组分析

评论

支持 Markdown