customer-churn-early-warning-assistant

零售客户流失预警与经营挽留助手,识别高流失风险客户并提供挽留策略。当用户需要客户流失预警、流失原因分析、挽留方案时使用。

105 stars

Best use case

customer-churn-early-warning-assistant is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

零售客户流失预警与经营挽留助手,识别高流失风险客户并提供挽留策略。当用户需要客户流失预警、流失原因分析、挽留方案时使用。

Teams using customer-churn-early-warning-assistant should expect a more consistent output, faster repeated execution, less prompt rewriting.

When to use this skill

  • You want a reusable workflow that can be run more than once with consistent structure.

When not to use this skill

  • You only need a quick one-off answer and do not need a reusable workflow.
  • You cannot install or maintain the underlying files, dependencies, or repository context.

Installation

Claude Code / Cursor / Codex

$curl -o ~/.claude/skills/customer-churn-early-warning-assistant/SKILL.md --create-dirs "https://raw.githubusercontent.com/aifinlab/FinClaw/main/skills/customer-churn-early-warning-assistant/SKILL.md"

Manual Installation

  1. Download SKILL.md from GitHub
  2. Place it in .claude/skills/customer-churn-early-warning-assistant/SKILL.md inside your project
  3. Restart your AI agent — it will auto-discover the skill

How customer-churn-early-warning-assistant Compares

Feature / Agentcustomer-churn-early-warning-assistantStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

零售客户流失预警与经营挽留助手,识别高流失风险客户并提供挽留策略。当用户需要客户流失预警、流失原因分析、挽留方案时使用。

Where can I find the source code?

You can find the source code on GitHub using the link provided at the top of the page.

SKILL.md Source

# 技能说明

本技能用于银行零售金融场景下的客户流失预警分析与经营挽留建议生成。技能目标不是简单判断“客户是否会流失”,而是基于客户资产、交易、产品持有、渠道活跃、触达响应、服务体验、竞品迁移迹象以及行业对标数据,形成可解释、可执行、可跟踪的预警结论。

本技能特别适用于以下任务:
- 识别高价值客户、成长型客户、工资代发客户、房贷客户、理财客户、信用卡客户的流失风险。
- 分析客户资产迁移、交易沉寂、产品退出、关系降温、竞品替代等流失征兆。
- 结合行业数据判断客户变化是否属于普遍市场波动,避免误把行业共性趋势当成单一客户异常。
- 输出客户经理可直接执行的挽留动作、触达建议、产品替代建议和跟踪计划。

# 使用指导

## 一、何时使用

在出现以下情形时,优先使用本技能:
1. 需要对零售客户做流失风险识别、预警分层或重点客户名单筛选。
2. 需要解释客户为什么存在流失风险,而不仅是输出一个分数。
3. 需要为客户经理、财富顾问、经营团队生成挽留动作建议。
4. 需要结合行业数据判断某类客户行为变化是个体异常还是市场共振。

## 二、不适用情形

以下情形不建议直接使用本技能得出强结论:
1. 数据时间跨度过短,无法识别趋势变化。
2. 客户基础信息、产品持有、交易行为、渠道行为严重缺失。
3. 缺少行业数据,且任务要求输出“相对同业/相对市场”的判断。
4. 需要替代人工审批或替代正式客户沟通决策时。

## 三、推荐输入

优先提供以下信息:
- 客户基础信息:客户编号、客户等级、客群标签、开户时长、所属区域、客户经理归属。
- 资产与负债信息:AUM、存款余额、理财持仓、基金持仓、保险保有、贷款余额、信用卡使用情况。
- 行为数据:近 6-12 个月交易频率、交易金额、工资代发、转入转出、渠道登录、APP 活跃、网点互动、客服互动。
- 产品变化:销户、解约、赎回、提前还贷、信用卡停用、代发中断、自动扣款取消。
- 触达反馈:短信、电话、企微、APP 推送、活动邀约的打开、点击、回应、到访、转化情况。
- 行业数据:同客群留存率、流失率、AUM 波动区间、同业产品收益变化、区域市场竞争情况、行业促销或利率环境变化。

## 四、标准工作流程

1. 校验输入字段是否足以支持流失判断。
2. 构建客户近期变化画像,包括资产、交易、产品、渠道、关系和服务六大维度。
3. 识别预警信号,区分短期波动、结构性变化和高危迁移迹象。
4. 引入行业数据,对客户变化做同类客群对标和环境解释。
5. 输出预警等级、流失原因、关键证据、待核验事项和经营建议。
6. 生成后续跟踪清单,明确复核时间点和观察指标。

## 五、输出要求

输出内容至少应包括:
- 预警等级
- 关键风险信号
- 主要流失原因解释
- 行业数据支持情况
- 待核验事项
- 客户经营/挽留建议
- 后续观察指标与复核计划

# 方法说明

本技能采用“多维信号识别 + 行业对标校准 + 经营动作生成”的框架。

## 一、预警信号维度

### 1. 资产变化信号
- AUM 连续下降
- 存款大额转出
- 理财/基金/保险持仓明显收缩
- 长期稳定余额出现断崖式下滑

### 2. 交易行为信号
- 交易频率明显下滑
- 工资代发中断
- 常用支付/结算行为减少
- 转入转出方向改变,出现外部机构集中转移

### 3. 产品退出信号
- 销户、解约、赎回、提前结清
- 自动签约服务关闭
- 信用卡降频使用或停用
- 核心产品关系削弱

### 4. 渠道关系信号
- 手机银行、网银、企微、客服交互活跃度下降
- 客户经理触达长期无响应
- 活动参与、到访、回访反馈明显减少

### 5. 竞品迁移信号
- 资金流向外部高频出现
- 对竞品产品、利率、收益、权益表现出更高兴趣
- 客户主动咨询转移、销户、换卡、换管理机构等事项

## 二、行业数据的作用

本技能对行业数据依赖较强,原因如下:
1. 客户流失判断容易受市场利率、权益市场波动、区域竞争活动、产品收益变化影响。
2. 某些资产或交易下降不一定代表客户流失,可能只是行业共性回撤。
3. 若没有行业基线,模型或规则可能高估风险,导致客户经理无效触达。

因此,在进行以下判断时必须提示行业数据支持程度:
- 客户变化是否显著偏离同客群常态
- 客户资产下降是否超过市场平均波动
- 产品退出是否受行业普遍替代影响
- 预警等级是否可直接用于经营资源分配

## 三、预警等级建议

- 低:出现轻微信号,但缺乏持续性或行业对标后不显著。
- 中:出现多个维度变化,且至少一项核心关系开始弱化。
- 高:出现持续性资产迁移、产品退出、交易沉寂或竞品迁移信号,且行业校准后仍显著。
- 紧急:出现高价值客户快速流失迹象、集中迁移、投诉升级、关键关系断裂等情形。

# 风险与边界

1. 本技能输出的是经营预警,不是法律判断、正式审批意见或客户真实性结论。
2. 缺少行业数据时,可以输出内部相对风险,但必须降低结论强度,不得直接下“显著流失”结论。
3. 不得基于敏感属性进行不当差别化经营。
4. 对于高价值客户,任何挽留动作都应遵守合规触达和产品适配要求。
5. 预警结果应结合客户经理经验、客户近期沟通记录和最新业务事件进行复核。

# 建议读取的参考文件

- `references/churn_signal_catalog.md`
- `references/industry_data_requirements.md`
- `references/retention_playbook.md`
- `references/compliance_notes.md`
- `references/output_schema.md`

# 可调用脚本

- `scripts/customer_churn_signal_engine.py`:识别客户流失预警信号。
- `scripts/industry_benchmark_adjuster.py`:结合行业基线对风险进行校准。
- `scripts/render_churn_report.py`:将结果渲染为 markdown 报告。

Related Skills

client-churn-warning

105
from aifinlab/FinClaw

客户流失预警助手,专用于识别客户流失风险和制定挽留方案。 以下情况请主动触发此技能: - 用户需要识别客户流失风险 - 用户问"这个客户会不会流失""怎么判断流失风险" - 用户准备流失预警方案、挽留话术 - 用户需要流失原因分析、挽留策略 - 用户问"客户要转走了怎么办""怎么挽留客户" 输出含流失风险识别、原因分析、挽留方案的流失预警方案。 不要等用户明确说"流失预警"——只要涉及客户流失风险识别、挽留方案,就应主动启动此技能。

wealth-product-suitability-assistant

105
from aifinlab/FinClaw

当用户需要基于客户画像、风险承受能力、投资目标、期限偏好、流动性需求、 家庭资产配置情况和适当性要求,为客户推荐更合适的理财产品、产品组合或备选方案时, 使用本技能。适用于银行财富管理场景中的产品匹配、客户经理陪访准备、方案比较、 适当性校验、信息缺口提示和推荐报告输出。

wealth-advisor-compliance-communication-assistant

105
from aifinlab/FinClaw

当用户需要在银行财富管理场景下生成、审阅、改写或校准合规沟通话术时,使用此技能。 适用于客户经理、理财经理、财富顾问在产品介绍、风险揭示、收益预期沟通、市场波动解释、客户异议回应、营销触达、存量持仓陪伴、售后答疑等场景中的合规表达支持。 当任务涉及“如何说”“能不能这么说”“这段话术是否夸大收益”“如何在不误导客户的前提下进行推荐”“如何做风险揭示与适当性沟通”时,优先调用本技能。

underwriting-workflow-orchestrator-assistant

105
from aifinlab/FinClaw

当用户需要把一单保险核保案件按完整工作流进行分析时使用本 skill。它负责基于原始核保资料,按顺序调用或吸收已有的核保摘要、问题清单、补件提示、规则问答、结论解释和复核意见等技能结果,形成统一的 workflow 式分析与汇总输出。

underwriting-questionnaire-secondary-review-assistant

105
from aifinlab/FinClaw

当用户需要对已经完成首轮审查的保险投保问卷进行二次复核,检查初审意见是否充分、风险判断是否一致、补问与补件是否到位、是否仍存在遗漏项或高风险未核实问题,并生成适合复核留痕、质量控制和后续核保流转的结构化复核结果时使用本 skill。

underwriting-questionnaire-precheck-assistant

105
from aifinlab/FinClaw

当用户需要对保险投保问卷做首轮审查、识别缺失项与矛盾项、筛查高风险告知、整理补问问题、生成核保初审结果或判断是否需要进入人工复核时使用本 skill。适用于寿险、重疾险、医疗险、意外险等投保问卷、OCR 文本、截图转写文本或结构化问卷记录的通用初审与分流场景。

underlying-asset-lookthrough-assistant

105
from aifinlab/FinClaw

用于底层资产穿透尽调的结构化扫描与风险初判,覆盖资产真实性核验、数据口径一致性校对、权属与涉诉异常识别、集中度与回款压力分析。适用于信托/资管项目尽调中的资产池穿透分析、风控预审与投前复核场景。

tumor-history-risk-review-assistant

105
from aifinlab/FinClaw

当用户需要对与肿瘤相关的既往病史资料进行专业、结构化的审查,提取肿瘤类型、病理结果、分期分级、治疗经过、手术情况、放化疗或靶向治疗、复发转移风险、随访状态及其他与保险核保相关的重要健康信息,并生成适合核保审查、风险分层和资料流转的结构化分析结果时使用本 skill。

transaction-banking-solution-recommendation-assistant

105
from aifinlab/FinClaw

当用户需要为企业客户推荐交易银行方案时使用本技能,适用于现金管理、收付款管理、 账户体系设计、资金归集、票据结算、供应链结算、跨境结算、银企直联、司库协同、 流动性管理和场景化产品匹配等场景。本技能用于基于客户行业、规模、交易模式、 账户结构、组织架构、上下游关系、境内外经营特征和合规约束,输出候选方案、 匹配理由、适用边界、落地路径和补充调研清单。

suspicious-transaction-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理或 AML/反洗钱场景下,对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时,使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时,也应优先使用本技能。

supply-chain-customer-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行对公金融场景下开展供应链金融客户识别、核心企业链路梳理、上下游客户筛选、 交易闭环核验、客户分层、准入判断、白名单初筛、拓客名单整理、风险提示或识别报告输出时, 使用本技能。 适用于围绕核心企业开展供应商、经销商、承运商、服务商等链上客户识别与分类的任务。 当用户提供企业名单、交易资料、发票/订单/合同/物流/回款信息、工商信息、行业资料、 核心企业名单或希望生成供应链客户识别报告、客户清单、准入建议、补充核验事项时,优先调用本技能。

smoking-alcohol-risk-identification-assistant

105
from aifinlab/FinClaw

当用户需要对投保资料中的吸烟、饮酒相关信息进行专业、结构化的识别与审查,提取吸烟饮酒习惯、持续时间、频率、剂量、戒断情况、一致性问题及相关健康风险线索,并生成适合保险核保、补问流转和资料审查的结构化分析结果时使用本 skill。