核心用法
Churn Risk Analyzer 是一个客户流失风险分析框架，通过结构化的评分体系帮助团队识别可能流失的客户。使用时，用户需提供或描述客户的使用指标（登录频率、功能采用率、API 调用量）、支持工单记录（频率、情感倾向、解决时间）、账单历史（降级、逾期付款、折扣请求）以及互动信号（邮件打开率、会议出席、NPS 评分）。系统基于六维加权模型计算 0-100 的风险分数，并按 Critical/At Risk/Healthy/Thriving 四档分类，最终输出排序后的风险账户清单、针对性留存行动建议及 30/60/90 天留存日历。
显著优点
该框架的最大优势在于方法论的标准化与可操作性。它将模糊的"客户健康度"转化为可量化的评分体系，使客户成功团队能够客观比较不同账户的风险等级，避免依赖直觉判断。六维信号设计覆盖了产品使用、服务体验、财务行为和关系深度等关键维度，权重分配合理（使用下降占 25%、支持工单激增占 20%）。此外，框架支持灵活的数据输入方式——既接受 CSV/CRM 结构化数据，也支持纯定性描述，降低了使用门槛。输出的留存行动建议具体可执行，如高管赞助人通话、定制成功计划、功能培训等，便于团队直接落地。
潜在缺点与局限性
作为纯文档型框架，该 skill 缺乏自动化能力，所有数据收集、评分计算和报告生成均需人工完成，无法与主流 CRM（如 Salesforce、HubSpot）实现原生集成，效率受限。评分模型的权重和阈值（如"30% 使用下降"）为固定设计，未针对不同行业或商业模式提供校准机制，B2B SaaS 与订阅制电商的流失信号可能存在显著差异。此外，框架依赖用户自行提供数据，若数据质量不佳或存在缺失，分析结果的可靠性将大打折扣。文档中提及的 AfrexAI Context Packs 等扩展资源为付费商业产品，完整功能需额外投入。
适合的目标群体
该 skill 最适合中小型 SaaS 企业的客户成功团队、缺乏专职数据分析师的初创公司以及需要快速建立客户健康度评估体系的运营负责人。对于已具备基础客户数据（如产品分析工具、支持工单系统导出数据）但尚未构建系统化留存流程的团队，该框架可作为起步模板。同样适用于季度业务复盘场景，帮助管理层快速识别需重点关注的账户清单。不适合需要实时风险监控、大规模自动化评分或与现有技术栈深度集成的成熟企业。
使用风险
性能风险：纯人工操作模式在大客户量（数千账户）场景下效率极低，评分和分类过程耗时且易出错。依赖项风险：框架本身无技术依赖，但实际落地需配合数据导出工具（如 CRM、产品分析平台），数据获取的及时性直接影响分析价值。模型风险：固定权重设计可能不契合特定业务场景，建议用户根据历史流失案例验证并调整阈值。商业推广风险：文档内嵌外部付费产品链接，用户需自行判断相关推荐的独立性与必要性。