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
- 01区分主动与被动流失
- 02识别行为和关系信号
- 03按生命周期规划留存策略
- 04健康评分与风险细分
- 05反馈分析与干预方案
适用场景
- 01分析客户取消订阅或付款失败
- 02为高风险客户设计提前干预
- 03优化新客户引导以提升价值实现
- 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:
- 流失类型:主动流失(主动取消)还是被动流失(付款失败)
- 信号:登录频率、功能使用情况、支持工单
- 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