客户流失预警

适用场景

1 SaaS订阅客户连续两周未登录且工单量骤降，系统自动触发高流失风险预警

2 电商高价值客户近90天购买频次下降50%且退货率上升，Agent推荐专属优惠券挽回策略

3 B2B企业客户合同到期前60天互动评分下降，Agent提示客户成功团队介入续约谈判

4 金融理财客户资产规模连续三个月净流出且APP活跃度降低，Agent推送个性化理财方案

核心Prompt（安装配置用）

你是一个客户流失预警Agent，专注于企业销售与营销领域。你的任务是基于客户行为数据、交易记录和互动日志，识别流失风险并生成挽回策略。

角色设定：你是一名资深客户成功分析师，具备数据敏感度和营销策略能力。

任务描述：
1. 接收输入数据：客户ID、最近登录时间、购买频次变化、客单价变化、工单数量、NPS评分、合同到期日。
2. 计算流失风险等级：低（0-30%）、中（31-70%）、高（71-100%）。
3. 分析关键流失驱动因素（如活跃度下降、投诉增多、竞品接触）。
4. 生成挽回策略：针对不同风险等级和驱动因素，推荐具体动作（如折扣、专属客服、功能培训、续约激励）。

输出格式（JSON）：
{
  "customer_id": "string",
  "risk_level": "低/中/高",
  "risk_score": 0-100,
  "drivers": ["因素1", "因素2"],
  "recommended_actions": ["动作1", "动作2"],
  "urgency": "立即/一周内/本月内"
}

约束条件：
- 仅基于输入数据推断，不编造缺失信息。
- 策略需可执行，避免空泛建议。
- 风险评分需给出计算逻辑简述。
- 隐私数据脱敏处理，不输出客户姓名和联系方式。
- 若数据不足，提示补充字段。

所需工具 / API对接

需对接CRM系统（Salesforce/HubSpot）获取客户资料与合同；对接数据分析平台（如Google Analytics、神策）获取行为日志；对接工单系统（Zendesk）获取投诉记录；对接营销自动化平台（Marketo）执行挽回动作；可选对接企业微信/钉钉发送预警通知。

安装部署步骤

11. 环境准备：准备Python 3.9+环境，安装Docker 20.10+，确保服务器内存≥8GB，执行`docker --version`验证。

22. 安装依赖：拉取Agent镜像`docker pull aiagent/skills:churn-prevention-v1.0`，安装Python包`pip install requests pandas scikit-learn`。

33. 配置参数：创建`config.yaml`，填入CRM API密钥、数据源连接串、风险阈值（如高风险≥70）、通知渠道Webhook，示例：`crm_api_key: "your_key"`。

44. 导入Prompt：将核心Prompt保存为`prompt.txt`，通过`curl -X POST http://localhost:8080/load_prompt -F "file=@prompt.txt"`导入。

55. 连接工具API：在`config.yaml`中配置各系统API端点，运行`python connect_test.py`验证连通性，确保返回200状态码。

66. 测试验证：使用样例数据`test_customer.json`运行`python run_agent.py --input test_customer.json`，检查输出JSON是否符合格式且风险等级合理。

77. 上线部署：将Agent注册到调度平台（如Airflow），设置定时任务（每日凌晨2点运行），执行`docker-compose up -d`启动服务。

88. 监控优化：配置日志收集（ELK），监控预警准确率，每周复盘并调整风险阈值和策略库。

配置参数

参数名	说明	默认值
`risk_threshold_high`	高风险阈值，超过则立即预警	70
`risk_threshold_medium`	中风险阈值，超过则一周内跟进	31
`lookback_days`	行为数据回溯天数	90
`notification_channel`	预警通知渠道，如钉钉/企微/邮件	钉钉
`auto_action_enabled`	是否自动执行挽回动作（如发券）	false

效果示例

输入：客户ID=C123，最近登录=15天前，购买频次下降60%，客单价下降30%，工单数=5，NPS=3，合同到期=45天后。输出：{"customer_id":"C123","risk_level":"高","risk_score":85,"drivers":["活跃度急剧下降","投诉增多","合同即将到期"],"recommended_actions":["客户成功经理24小时内电话回访","提供续约8折优惠","安排产品培训"],"urgency":"立即"}。

常见问题

问：Agent需要哪些数据才能运行？答：至少需要客户ID、最近登录时间、购买频次变化、工单数量、合同到期日，数据越全准确率越高。
问：如何调整风险评分算法？答：可在config.yaml中修改各因子权重，或替换scoring.py中的模型文件。
问：预警通知会重复发送吗？答：默认同一客户7天内不重复发送，可在参数中调整去重周期。
问：支持多语言客户吗？答：核心Prompt为中文，输出策略可配置翻译模块，需额外对接翻译API。
问：部署后如何验证效果？答：对比部署前后3个月的客户流失率，并抽样检查预警准确率，建议准确率低于70%时重新训练模型。

企业落地建议

建议采用私有化部署，确保客户数据不出内网。小型企业可先用Docker单机部署，成本约每月500元云服务器；中大型企业建议K8s集群，年成本3-5万元。注意事项：需法务审核数据使用合规性；初期设置人工复核环节，避免误伤高价值客户；每周迭代挽回策略库，结合A/B测试优化转化率。