customer-churn-alert

# 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

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

### 示例 2: 命令行使用

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