Skills

Churn Analysis

Produce un análisis de churn estructurado que separe el churn evitable del inevitable.

Install

npx skills add mohitagw15856/pm-claude-skills --skill churn-analysis -g -a claude-code -y
Category
Engineering
Updated
3d ago
License
MIT
Context cost
Mediumabout 2,626 tokens
Runs scripts
No, instructions only

What it does

Produce un análisis de churn estructurado que separe el churn evitable del inevitable. Úsalo cuando investigues por qué se van los clientes, identifiques segmentos en riesgo, calcules net revenue retention o construyas un plan de intervención de retención. Produce un informe de churn con cálculos de tasa, razones categorizadas por evitabilidad, desglose por segmento, análisis de timing, señales de alerta temprana e intervenciones priorizadas según impacto estimado.

Skill de Análisis de Churn

Produce un análisis de churn estructurado que vaya más allá de la tasa titular, identificando por qué se van los clientes, cuáles son los segmentos más en riesgo, y qué intervenciones tendrán el mayor impacto en la retención.

Lee de / Escribe en el Brain

Si existe un professional-brain (brain/), toma como base en lugar de volver a preguntar por lo que ya sabes:

  • Lee primero: context.md (definiciones de métricas, qué significa "churn" aquí), knowledge/ y entities/ de segmentos relacionados. Ejecuta python3 ../professional-brain/scripts/brain_query.py ./brain "churn" y mantén la etiqueta de procedencia de cada hecho.
  • 📥 Propón al Brain: después de producir, propón registrar el hallazgo titular de retención a knowledge/ ([data]), cualquier decisión de retención a decisions/ y los drivers en riesgo como hypotheses/. Muéstralos, obtén confirmación, luego escribe con ../professional-brain/scripts/brain_write.py … --commit (append-only, dry-run por defecto).

Inputs Requeridos

Pregunta por estos si no están ya disponibles:

  • Período de tiempo siendo analizado (p. ej. Q1, últimos 12 meses)
  • Total de clientes al inicio del período y clientes que hicieron churn
  • ARR o ingresos perdidos por churn
  • Datos de razones de churn, resultados de encuestas de salida, notas de CSM, datos de soporte o razones de pérdida de ventas
  • Segmentos de clientes, por tier, industria, cohorte o línea de producto
  • Tasa de retención actual si se conoce
  • Cualquier cambio reciente, precios, producto, modelo de soporte, que haya podido afectar al churn

Categorías de Churn

Siempre clasifica el churn antes de analizarlo:

Read the whole SKILL.md on GitHub

More in Engineering