菜单
流失预测器 - 识别高风险流失客户，分析流失原因，提供挽回策略建议
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
A/B 测试设计器 - 设计产品页面 A/B 测试，包括样本量计算、统计显著性分析和结果解读
高级客户细分 - RFM 分析、客户生命周期价值(CLV)计算、行为细分和个性化营销建议
高级财务分析器 - P&L报表、现金流预测、部门/产品线盈利分析、财务比率分析、预算vs实际对比、财务仪表板、合规报告
异常检测器 - 销售异常检测、流量异常、转化率异常、库存异常、原因分析、告警设置、自动通知
API 集成连接器 - 指导电商 API 集成，包括 Shopify API、ERP/CRM 集成和 Webhook 配置
归因分析器 - 多触点归因模型分析，归因价值分配，渠道贡献度分析，转化路径分析
| name | churn-predictor |
| description | 流失预测器 - 识别高风险流失客户，分析流失原因，提供挽回策略建议 |
| version | 1.0.0 |
| author | Shopilot |
| argument-hint | <customer-id> | [predict] | [analyze] |
| disable-model-invocation | false |
| user-invocable | true |
AI驱动的客户流失预测系统，提前识别风险，主动挽回客户
基于机器学习和行为分析的智能流失预测系统，通过分析客户行为模式、购买趋势、互动频率等多维度数据，精准识别高风险客户，提供个性化挽回策略，最大化客户留存率。
极低风险 (0-20分):
特征: 稳定购买、高互动、高满意度
预测流失概率: <5%
行动: 维护现状，适度关怀
低风险 (21-40分):
特征: 正常购买、稳定互动
预测流失概率: 5-15%
行动: 定期跟进，预防性维护
中风险 (41-60分):
特征: 购买下降、互动减少
预测流失概率: 15-35%
行动: 主动干预，了解原因
高风险 (61-80分):
特征: 长期未购、低互动、投诉
预测流失概率: 35-60%
行动: 紧急干预，强力挽留
极高风险 (81-100分):
特征: 停止互动、负面反馈、竞品切换
预测流失概率: >60%
行动: 最后尝试，了解流失原因
🔴 高危信号（立即行动）
├─ 连续3个月未购买
├─ 退订邮件/短信
├─ 取消关注社交媒体
├─ 投诉未解决超过7天
├─ 明确表示不再需要
└─ 发现使用竞品
🟡 警示信号（密切关注）
├─ 购买频率下降 >50%
├─ 客单价下降 >40%
├─ 互动率下降 >60%
├─ 退货率突然上升
├─ 浏览竞品网站
└─ 负面评价/投诉
🟢 正常信号（保持关注）
├─ 购买频率稳定
├─ 互动率正常
├─ 无投诉记录
├─ 正面反馈
└─ 推荐新客户
产品相关:
价格因素: "价格太高/竞品更便宜"
质量问题: "产品质量不稳定"
功能缺失: "缺少需要的功能"
产品过时: "产品不再满足需求"
服务相关:
客服体验: "客服响应慢/态度差"
售后问题: "退换货体验差"
配送问题: "配送太慢/经常出错"
服务中断: "服务不稳定"
体验相关:
网站体验: "网站难用/经常卡顿"
购买流程: "购买太复杂"
支付问题: "支付不方便"
账户问题: "账户管理不便"
竞品相关:
竞品吸引: "竞品有更好的功能"
竞品优惠: "竞品价格更优惠"
品牌切换: "朋友推荐其他品牌"
试用竞品: "正在测试其他产品"
个人相关:
需求变化: "不再需要此类产品"
预算限制: "预算削减"
生活变化: "搬家/换工作等"
健康原因: "健康原因停止使用"
其他:
未知原因: "无法确定具体原因"
多重原因: "多个因素综合影响"
┌─────────────┬───────────────┬──────────────┬──────────────┐
│ 流失原因 │ 优先级 │ 挽回策略 │ 成功概率 │
├─────────────┼───────────────┼──────────────┼──────────────┤
│ 价格敏感 │ 高 │ 专属折扣 │ 45% │
│ 产品问题 │ 极高 │ 产品改进+补偿 │ 60% │
│ 服务问题 │ 极高 │ 服务升级+道歉 │ 55% │
│ 需求变化 │ 中 │ 需求重新匹配 │ 30% │
│ 竞品切换 │ 高 │ 差化化价值 │ 35% │
│ 体验问题 │ 高 │ 流程优化 │ 40% │
│ 个人原因 │ 低 │ 暂停/降级 │ 50% │
└─────────────┴───────────────┴──────────────┴──────────────┘
/churn-predictor --id "customer_67890"
输出示例：
🔮 流失风险预测 - 王芳
## 风险评估
风险等级: 🔴 高风险
风险得分: 72/100
流失概率: 48%
预测时间窗口: 90天内
## 风险因素分析
### 高危因素 🔴
1. **购买频率急剧下降**
- 过去90天：0次购买（历史平均3次）
- 下降幅度：-100%
- 权重：25分
2. **互动几乎停止**
- 邮件打开率：8%（历史45%）
- 网站访问：0次（历史月均8次）
- 权重：20分
3. **投诉未解决**
- 投诉时间：45天前
- 状态：待处理
- 权重：15分
### 警示因素 🟡
4. **客单价下降**
- 近期平均：¥320（历史¥580）
- 下降：-45%
- 权重：8分
5. **竞品关注**
- 浏览记录：竞品网站访问
- 频率：3次/周
- 权重：4分
## 可能流失原因
### 主因分析（按概率排序）
1. **服务体验问题** (45%)
- 投诉长期未解决
- 可能导致不满累积
2. **产品需求变化** (30%)
- 购买停止
- 可能需求已满足或变化
3. **竞品吸引** (15%)
- 浏览竞品频繁
- 可能正在评估替代方案
4. **价格因素** (10%)
- 客单价下降
- 可能对价格敏感
## 挽回策略
### 紧急行动（48小时内）
1. **解决投诉**
- 优先处理45天前的投诉
- 客服主管亲自跟进
- 提供补偿方案
2. **真诚沟通**
- 1对1电话回访
- 了解真实原因
- 表达重视
3. **即时激励**
- 赠送¥200无门槛券
- 有效期7天
- 表达歉意诚意
### 短期策略（7天内）
1. **专属优惠**
- 定制化折扣方案
- 基于历史偏好
- 限时性（制造紧迫感）
2. **服务升级**
- 分配专属客服
- 优先处理权限
- VIP体验（即使非VIP）
3. **产品推荐**
- 新品试用机会
- 独家体验权
- 免费升级服务
### 中期策略（30天内）
1. **关系重建**
- 定期关怀（不过度）
- 价值再教育
- 成功案例分享
2. **反馈闭环**
- 采-纳-建议
- 产品改进反馈
- 让客户参与
3. **忠诚计划**
- 特殊会员权益
- 积分奖励
- 推荐激励
## 预期效果
### 成功概率评估
| 策略 | 预期成功率 | 成功标志 |
|------|-----------|---------|
| 投诉解决 | 65% | 投诉关闭+满意度≥4 |
| 专属折扣 | 40% | 使用优惠券+复购 |
| 服务升级 | 50% | 互动恢复+正面反馈 |
| 综合策略 | 55% | 30天内复购 |
### 挽回价值
- 历史CLV：¥3,280
- 预测未来CLV：¥2,400
- 挽回ROI：投入¥200 → 预期回报¥2,400（12x）
## 行动计划
### Day 1（今天）
✅ 客服主管跟进投诉
✅ 发送道歉邮件+¥200优惠券
✅ 安排48小时内电话回访
### Day 2-3
✅ 电话回访，了解原因
✅ 根据反馈定制方案
✅ 跟进优惠券使用
### Day 7
✅ 检查互动恢复情况
✅ 发送个性化推荐
✅ 邀请参与新产品试用
### Day 30
✅ 评估挽回效果
✅ 调整长期策略
✅ 或确认流失，归档分析
## 风险提示
⚠️ **如果挽回失败**
- 归档流失案例
- 分析根本原因
- 优化产品/服务
- 防止类似流失
✅ **如果挽回成功**
- 标记高关注度客户
- 增加触点频率
- 持续关系维护
- 防止再次风险
/churn-predictor --scan --risk-level high
输出示例：
🚨 高风险客户预警报告 - 2024年4月
## 风险概览
高风险客户：67人
占总客户：1.3%
预期流失CLV：¥161,000
紧急处理优先级：高
## 风险分布
┌─────────────┬──────────┬────────┬──────────┐
│ 风险等级 │ 数量 │ 占比 │ CLV威胁 │
├─────────────┼──────────┼────────┼──────────┤
│ 极高(81-100)│ 12 │ 18% │ ¥48,000 │
│ 高(61-80) │ 55 │ 82% │ ¥113,000 │
└─────────────┴──────────┴────────┴──────────┘
## TOP 20 高风险客户
### 极高风险（立即处理）
| 客户 | 风险分 | CLV | 主因 | 建议行动 |
|------|-------|-----|------|---------|
| cust_001 | 92 | ¥8,200 | 投诉未决 | 紧急介入 |
| cust_002 | 88 | ¥5,600 | 长期未购 | 强力激活 |
| cust_003 | 85 | ¥4,300 | 竞品切换 | 差异化 |
| cust_004 | 83 | ¥3,900 | 服务问题 | 升级服务 |
| cust_005 | 82 | ¥3,200 | 需求变化 | 重新匹配 |
### 高风险（本周处理）
| 客户 | 风险分 | CLV | 主因 | 建议行动 |
|------|-------|-----|------|---------|
| cust_006 | 79 | ¥2,800 | 互动下降 | 重新激活 |
| cust_007 | 77 | ¥2,500 | 价格敏感 | 专属折扣 |
| cust_008 | 75 | ¥2,300 | 产品不满 | 产品改进 |
...（续至20条）
## 流失原因聚类
### 主要原因（Top 5）
1. **服务体验问题** - 28人 (42%)
- 投诉未解决：15人
- 响应慢：8人
- 服务中断：5人
- 建议：客服流程优化
2. **产品相关** - 18人 (27%)
- 质量问题：10人
- 功能缺失：5人
- 产品过时：3人
- 建议：产品质量提升
3. **竞品吸引** - 12人 (18%)
- 价格优势：7人
- 功能更好：3人
- 品牌偏好：2人
- 建议：差异化策略
4. **需求变化** - 6人 (9%)
- 不再需要：4人
- 预算限制：2人
- 建议：需求重新评估
5. **体验问题** - 3人 (4%)
- 网站体验：2人
- 购买流程：1人
- 建议：UX优化
## 批量挽回策略
### 针对性方案
**服务问题组（28人）**
1. 立即解决所有待处理投诉
2. 客服主管1对1回访
3. 服务升级补偿
4. 预期挽回：16人（57%）
**产品问题组（18人）**
1. 收集具体产品反馈
2. 产品改进计划通知
3. 免费升级/换新
4. 预期挽回：10人（56%）
**竞品吸引组（12人）**
1. 差异化价值沟通
2. 专属优惠+增值服务
3. 竞品对比分析
4. 预期挽回：5人（42%）
## 资源分配建议
### 人力配置
- 客服主管：2人（处理极高危）
- 专职客服：5人（处理高危）
- 预计工作量：2周
### 预算需求
- 优惠券/折扣：¥13,400
- 服务升级成本：¥6,700
- 总投入：¥20,100
### ROI预期
- 预期挽回CLV：¥88,550
- 投入成本：¥20,100
- ROI：4.4x
## 行动计划
### Week 1
- Day 1-3: 处理极高危客户（12人）
- Day 4-7: 处理高危前30人
### Week 2
- Day 8-10: 处理剩余高危客户
- Day 11-14: 效果评估+调整策略
### 监控指标
- 挽回成功率：目标>50%
- 平均挽回周期：目标<14天
- 满意度提升：目标≥4.0/5
/churn-predictor --analyze流失原因 --period 90d
输出示例：
🔍 流失原因深度分析 - 过去90天
## 流失概览
总流失客户：156人
流失率：3.1%
CLV损失：¥187,200
挽回机会：¥56,000（30%可挽回）
## 流失原因分布
原因分布
服务问题 ████░░░░░░░░░░ 28% 产品问题 ███░░░░░░░░░░░ 24% 价格因素 ██░░░░░░░░░░░░ 18% 竞品吸引 ██░░░░░░░░░░░░ 16% 需求变化 █░░░░░░░░░░░░░ 8% 体验问题 █░░░░░░░░░░░░░ 6%
## 深度分析
### 1. 服务问题（28%, 44人）
**细分原因**
- 投诉处理慢：18人（41%）
- 平均处理时长：12天（目标≤2天）
- 影响：满意度降至2.1/5
- 客服态度差：15人（34%）
- 主要问题：不耐烦、专业度低
- 影响：NPS-42
- 售后体验差：11人（25%）
- 退换货流程复杂
- 配送问题处理不当
**改进建议**
1. 投诉处理流程优化（SLA 2天）
2. 客服培训计划
3. 售后流程简化
4. 预期减少流失：60%
### 2. 产品问题（24%, 37人）
**细分原因**
- 质量不稳定：21人（57%）
- 主要产品：XYZ系列
- 问题：故障率高
- 功能不满足：10人（27%）
- 缺少：X、Y、Z功能
- 需求：产品迭代
- 产品过时：6人（16%）
- 竞品已升级
- 我们未跟进
**改进建议**
1. XYZ系列质量改进（紧急）
2. 产品路线图调整
3. 功能迭代优先级
4. 预期减少流失：50%
### 3. 价格因素（18%, 28人）
**细分原因**
- 竞品更便宜：19人（68%）
- 差价：平均15%
- 价格敏感度高
- 涨价影响：6人（21%）
- 最近涨价10%
- 直接受影响
- 预算限制：3人（11%）
- 个人财务原因
**改进建议**
1. 价格策略评估
2. 价值沟通强化
3. 分层定价
4. 预期减少流失：35%
### 4. 竞品吸引（16%, 25人）
**主要竞品**
- 竞品A：12人（48%）
- 吸引点：功能更多
- 价格：高20%
- 竞品B：8人（32%）
- 吸引点：价格便宜
- 功能：类似
- 其他：5人（20%）
**改进建议**
1. 差异化价值主张
2. 核心功能强化
3. 客户锁定策略
4. 预期减少流失：40%
## 流失客户画像
### 人口特征
- 年龄：35-45岁（60%）
- 地域：一线城市（70%）
- 职业：企业白领（55%）
### 行为特征
- 客户时长：6-12个月（45%）
- 购买频次：季度1次（65%）
- 客单价：中等（¥500-800）
### 满意度轨迹
- 首次购买：4.5/5
- 3个月：3.8/5
- 流失前：2.1/5
## 预防策略
### 早期识别
- 监控满意度下降
- 跟踪投诉趋势
- 分析互动变化
### 主动干预
- 满意度调查（季度）
- 客户成功计划
- 专属客服通道
### 系统优化
- 服务流程优化
- 产品质量提升
- 价格策略调整
## 行动优先级
### P0（立即执行）
1. 投诉处理流程优化
2. XYZ系列质量改进
3. 客服培训启动
### P1（本月内）
1. 产品功能迭代
2. 价格策略评估
3. 差异化价值定义
### P2（季度内）
1. 客户成功体系建立
2. NPS监控系统
3. 流失预警自动化
def calculate_churn_risk(customer_data):
"""
流失风险评分算法
Returns:
int: 0-100的风险分数
"""
score = 0
# 1. 购买行为 (40分)
# 购买频率变化
purchase_frequency_delta = (
recent_90d_purchase_count /
historical_avg_purchase_count
)
if purchase_frequency_delta < 0.3:
score += 25 # 频率下降>70%
elif purchase_frequency_delta < 0.6:
score += 18
elif purchase_frequency_delta < 0.8:
score += 10
# 最近购买时间
days_since_last_purchase = customer_data.days_since_last_purchase
if days_since_last_purchase > 90:
score += 15
elif days_since_last_purchase > 60:
score += 10
elif days_since_last_purchase > 30:
score += 5
# 2. 互动行为 (30分)
# 邮件互动率
email_engagement_delta = recent_open_rate - historical_open_rate
if email_engagement_delta < -0.5:
score += 15 # 下降>50%
elif email_engagement_delta < -0.3:
score += 10
elif email_engagement_delta < -0.1:
score += 5
# 网站访问
website_visit_delta = recent_visit_count - historical_avg_visit
if website_visit_delta < -0.7:
score += 15
# 3. 满意度指标 (20分)
# 投诉情况
unresolved_complaints = customer_data.unresolved_complaints
if unresolved_complaints > 0:
days_since_complaint = customer_data.days_since_first_complaint
if days_since_complaint > 30:
score += 20
elif days_since_complaint > 14:
score += 15
elif days_since_complaint > 7:
score += 10
# 评分变化
satisfaction_delta = recent_satisfaction - historical_satisfaction
if satisfaction_delta < -2:
score += 15
elif satisfaction_delta < -1:
score += 10
elif satisfaction_delta < -0.5:
score += 5
# 4. 竞品行为 (10分)
competitor_visits = customer_data.competitor_website_visits
if competitor_visits > 5:
score += 10
elif competitor_visits > 3:
score += 7
elif competitor_visits > 1:
score += 4
return min(score, 100)
/customer-health-score - 健康度评分/reactivation-wizard - 重新激活/email-sequence - 挽回邮件序列/customer-service - 客户服务Predict, prevent, protect customers! 🛡️
版本: 1.0.0 更新: 2026-04-12 作者: Shopilot Team