customer-churn-alert

name	customer-churn-alert
description	基于资产变化、交易活跃度、渠道行为、产品持有变化等多维信号，识别客户流失风险等级，输出预警结论和建议跟进动作。

客户流失预警助手

1. 业务问题

银行零售客户流失往往有先兆信号，如AUM持续下降、交易频次骤减、产品逐步赎回等。但客户经理管户数量多，难以逐一跟踪每位客户的行为变化。需要系统化监测多维度流失信号，及时识别高风险客户并推送预警，为客户挽留争取时间窗口。

2. 适用场景

• 定期（周/月）批量扫描管户客户流失风险
• 单客户异动时快速评估流失风险等级
• 高价值客户重点监测与预警
• 客户经理交接时识别需紧急跟进的客户
• 流失挽留效果复盘与信号模型校准
• 配合客户分层结果聚焦高价值流失预警

3. 输入

输入项	说明	是否必填
客户编号/客户列表	单个或批量客户标识	必填
AUM变化数据	近1/3/6个月AUM及变化趋势	必填
交易活跃度	交易频次、金额变化趋势	必填
渠道行为	手机银行/网银登录频次变化	选填
产品持有变化	产品赎回、到期未续、持有数量变化	选填
客户关系信号	客户经理互动频次、服务工单、投诉记录	选填
服务体验	满意度评分变化、近期投诉情况	选填
客户价值层级	当前分层结果（如有）	选填

4. 输出

• 风险等级判定：高风险/中风险/低风险/暂无风险
• 核心流失信号：触发预警的关键信号及具体数值变化
• 风险演变趋势：信号强度是否在持续恶化
• 建议跟进动作：针对风险等级和信号类型的差异化跟进建议
• 预警客户清单：批量分析时按风险等级排序的客户列表

5. 默认分析维度

• 资产变化：AUM绝对值下降幅度、下降持续时间、大额转出
• 交易活跃度：月均交易笔数/金额环比变化、零交易月数
• 渠道行为：登录频次下降、长期未登录
• 产品持有变化：产品赎回/到期未续、持有品种减少
• 客户关系：客户经理接触频次下降、主动咨询减少
• 服务体验：投诉未解决、满意度评分下降

6. 默认分析框架

1. 信号采集：提取各维度近期数据与历史基准对比
2. 信号评分：调用 bank-calc-utils 计算各维度变化幅度和趋势
3. 综合评级：
   • 高风险：2个及以上维度出现强信号（如AUM下降30%+且交易频次降50%+）
   • 中风险：1个维度强信号或2个及以上维度中等信号
   • 低风险：仅1个维度出现中等信号
   • 暂无风险：各维度均在正常波动范围内
4. 趋势判断：信号是单次波动还是持续恶化
5. 动作建议：高风险建议48小时内主动联系；中风险建议一周内跟进；低风险纳入观察名单
6. 结论输出：先给出风险等级结论，再逐一列举触发信号

7. 安全边界

• 不编造数据；不夸大结论；缺失信息标注"未获取"或"待核实"
• 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
• 不替代营销准入判断、授信审批决策、客户适当性评估
• 预警结果仅作为客户经理跟进参考，不可作为客户关系终止依据
• 风险等级阈值应由业务部门审定

8. 上游依赖

• bank-calc-utils：变化率计算、趋势分析、阈值判定等数值运算

9. 可联动下游 Skills

• customer-opportunity-list-generation：将预警客户纳入挽留类机会清单，分配跟进优先级

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json