从账户活动、产品使用和支持数据中构建并排序客户流失预警信号登…

当需要识别、定义、验证并排序客户流失的领先指标（而非滞后指标）时使用，适用于B2B和B2C订阅业务。

适用场景

解决思路

1. 先做访谈再提任何信号：每次只问一个问题，尽量给多选题，已答过的跳过。需问清：B2B、B2C还是两者都有；过去12-24个月有多少已流失账户（决定可用排序方法：小样本用回测+提升度，WoE/IV和回归需要足够样本量）；哪些数据源可访问及其粒度（产品事件流、登录日志、支持工单系统、CRM活动、账单记录、调研分数，是按账户按天还是仅聚合）；合同与续约形态（月度自助、年度、多年）及典型续约周期长度；干预能力（谁处理被标记账户、每周能吸收多少标记）；是否已有健康分（有则先用真实流失验证其输入信号，或从头建登记表）；登记表必须上线的日期（若在下一个续约周期内，则删除所有需要新埋点的信号和所有低于留存曲线的方法）；是一次性目标（救本季度续约）还是持续复利的资产（复利则把产品遥测和功能采用广度提到构建顺序前面，一次性则登记表以CRM为主）；投入上限（分析师工时、可申请的工程时间、上线后是否有人重新拟合模型；无工程时间则删除产品遥测类，无人重新拟合则任何样本量都删除逻辑回归和Cox）。在提任何方案前，根据这三个答案重新排序候选信号，并明确说出哪个答案改变了哪个选项。
2. 从 references/signal-taxonomy.md 按其中所述效率顺序构建候选列表：登录最近性优先，调研变动最后，产品遥测第六（除非产品已发出按账户事件）。删除访谈已排除的类别，而不是列为待办。从一开始就把确认性绊线标记为确认性。
3. 为每个候选写操作定义：事件、阈值、观察窗口、比较基线，以及按账户规模和季节性归一化。缺少这五项中任何一项的信号不可测试；修正定义或丢弃候选。
4. 拉出已流失账户列表，重建每个候选在流失前30/60/90天的状态（企业级动议扩展到120-180天）。能直接查数据就计算；否则输出查询或电子表格步骤给用户，基于其结果工作。
5. 按 references/ranking-methods.md 排序：对每个候选计算流失率相对基率的提升度、中位提前期和覆盖率，再除以该候选的搭建成本。按该文件所述顺序运行方法——回测和提升度优先——登记表达标即停止；删除访谈中样本量和维护答案已排除的方法，而不是留作扩展目标。提前期是与强度并列的一等排序属性——一个在取消前几天才触发的强信号，会输给提前90天触发的较弱信号。
6. 做幸存者检查：对已流失账户，每个存活候选是否确实在流失前60-90天触发？若多数已流失账户在流失前该信号仍为绿色，那是盲点而非预测器。
7. 填写登记表（形状见下），对每个信号按通过阈值给出 ship/watch/reject 判定，并迭代定义、阈值和窗口直到登记表级门槛达标。
8. 与用户逐节验证登记表，将 ship 的信号交给 mbfinotti/revops-skills@customer-health-score 做复合评分，并预约在下一季度流失结果出现时重新回测。
9. 若运行环境有持久记忆，记住已批准的登记表——信号、定义、提升度、提前期、覆盖率、判定、重新回测日期——以便后续重校准从它开始而非重新访谈。
10. 登记表交付格式：标题含公司/业务线、日期、版本；基率（每窗口流失账户百分比及流失样本N和期间）；方法（回测+提升度[+留存曲线|+WoE/IV]，按此顺序，达标即停，注明删除的方法及原因）；行按单位埋点投入的价值排序；每个信号含：名称、类别（usage|adoption|seats|relationship|support|billing|survey|crm|context）、来源、定义（事件+阈值+观察窗口+基线+归一化）、窗口、基线、提升度（显示该信号的账户中N%在窗口内流失 vs 基率B%，即x.x倍）、提前期中位天数、覆盖率（过去流失账户中触发该信号的百分比）、投入（near-zero|an hour|a week|a quarter|a standing job）、置信度（证据说明：样本量、IV（若计算）、注意事项）、判定（ship|watch|reject，确认性绊线需标记）。登记表级：ship 集合在最小提前期或更早能捕获过去流失的百分比。交接：ship 的信号交给 mbfinotti/revops-skills@customer-health-score。
11. 通过阈值：信号要获 ship 需三项全部达标（数字为本技能实践下限，非研究常数，样本允许时用用户自身数据收紧）：提升度——显示该信号的账户在观察窗口内流失率至少为基率的2倍；提前期——中位至少30天（企业/年度合同动议为90天，需采购周期空间），确认性绊线豁免但必须带确认性标记；覆盖率——至少对25%的过去流失账户触发。登记表级：ship 集合合计必须在最小提前期或更早对至少70%的过去流失账户触发。迭代——调整阈值和窗口、增加类别、拆分细分——直到达标；拒绝交付会漏掉大多数已知流失的登记表。
12. B2B与B2C差异处理：B2B独有——拥护者和执行发起人离职、多利益相关方采购委员会动态（B2C无内部委员会可失去成员）；B2B合同条款会抑制并延迟可见流失事件（年度合同让不满客户付费到到期），因此行为信号远早于商业信号，这正是领先信号在B2B更重要而非更不重要的原因。B2B和B2C共享相同方法——使用/登录下降、功能采用广度、支持情绪在两者中都跟踪，只是单位不同（B2B是账户及其委员会，B2C是个人订阅者）。B2C独有——支付失败是比例更大的流失驱动因素；取消是一人一键决定，提前期压缩、干预窗口缩小；以及“漠不关心式流失”（被遗忘的低成本订阅）在B2B无对应。
13. 避免常见失败模式：滞后指标当作领先指标（流失率、损失MRR、NPS下降报告的是过去——按实测提前期分类每个信号，绊线加确认性标记）；有相关性无预测力（指标在流失前变动但不预测流失——要求回测提升度，用流失账户访谈做合理性检查）；纯按比率排序饿死遥测信号（产品使用和采用广度提升度最高、提前期最长、埋点成本最高，纯按效率建的登记表全是CRM来源且滞后——当事件已存在、任务是复利、或廉价登记表未达70%门槛时提升遥测优先级；拉取流失账户流失前60-90天的信号状态，仍为绿色即盲点）；支持工单量单向解读（活跃客户提交更多工单，沉默脱离者不提交——将量与严重度、时长、情绪配对；把激增后的沉默当作独立信号）；NPS/CSAT当作强预测器（响应偏差——悄悄脱离者不答调研——除非用户自身回测另有说明，否则排在产品参与度之下）；供应商外联伪影（CSM给风险账户发邮件会让“参与度”上升——只计客户主动活动）；用准确率作验证指标（流失者稀少，预测“不流失”得分高——有模型后用精确率/召回率和PR-AUC）；小流失样本过拟合（单次训练/测试划分误导——用K折而非单次划分，加宽结果期）；聚合中丢失的沉默流失（缓慢的按账户衰减在账本级报告中不可见——按账户自身基线趋势，而非聚合）。
14. 参考文件：构建候选列表时读 references/signal-taxonomy.md（按单位埋点投入价值排序的类别、五部分操作模板、提前期预期、框架出处、确认性绊线列表）；验证和排序时读 references/ranking-methods.md（方法顺序及每级收益、薄样本或未维护模型会删除哪些方法、回测机制、提升度、留存曲线比较、WoE/IV及解释区间、PR-AUC）；写登记表时读 references/examples.md（一个完整B2B登记表、一个精简B2C登记表、提升度和WoE/IV计算示例、一个看似合理实则糟糕的信号拆解）。售前线索评分见 mbfinotti/revops-skills@lead-scoring（同样的回测+提升度验证逻辑应用于售前线索而非售后账户）。

适用边界 · 注意事项

• 不要用于把信号组合成单一复合分数、权重、分档或层级——那应使用 mbfinotti/revops-skills@customer-health-score。
• 不要用于管道阶段设计、售前线索评分、销售到CS的交接——这些超出范围。
• 若登记表必须上线的日期落在下一个续约周期内，则不要包含任何需要新埋点的信号或任何低于留存曲线的方法。