churn-prevention

churn-prevention 技能概览

churn-prevention 技能用于帮助 AI agent 设计可落地的 SaaS 留存工作流，尤其适合处理取消订阅流程、挽留优惠、失败扣款恢复，以及取消后的持续跟进。它更适合创始人、增长负责人、生命周期营销、计费负责人和 Customer Success 团队——当你需要的是一套具体可执行的降 churn 方案，而不是泛泛而谈的留存点子时，这个技能会更有价值。

churn-prevention 技能适合解决什么问题

当你的真实目标，是修复 churn 真正发生的关键节点、留住更多订阅用户时，就该用 churn-prevention：

• 取消流程太弱，或过于生硬
• 没有 exit survey，或者 survey 数据无法使用
• 所有用户都看到同一种挽留优惠
• failed payment recovery 存在明显缺口
• 高价值账户没有分流机制
• 没有 health score 或主动留存机制

它非常适合订阅产品、SaaS、会员业务，以及其他 recurring revenue 模式的业务。

谁适合安装这个技能

如果你的工作场景涉及以下问题，churn-prevention 技能会尤其有用：

• self-serve SaaS 留存
• B2B 或 team plan 的取消处理
• 通过 dunning 降低 involuntary churn
• 面向高风险账户的 Customer Success playbook
• 基于 billing 与产品使用信号的 retention strategy

如果你的目标只是写取消后的邮件内容，临近的 email-sequence 技能会更直接；如果你主要想提升 upgrade conversion，而不是 retention，那这个技能也不是优先选择。

它和普通 prompt 有什么不同

普通 prompt 往往只会给出一些宽泛建议，比如“优化 onboarding”或“提供折扣”。而这个技能更偏运营执行。根据仓库内容，它会把模型引导到更具体的方向：

• 先检查已有的 product marketing context
• 区分 voluntary churn 和 involuntary churn
• 按明确阶段搭建 cancel flow
• 把取消原因映射到动态 save offer
• 用 dunning timeline 替代模糊的付款提醒
• 优先考虑实施顺序，而不是堆一堆战术

正是这种结构，让 churn-prevention 真正适合落地执行，而不只是提供建议。

用户安装前最关心的通常是什么

大多数团队在安装前，最想确认这个技能能不能帮他们回答这些实际问题：

• 我们的 cancel flow 到底该怎么设计？
• 不同的取消原因，应该展示什么 offer？
• 怎样降低 failed-payment churn，又不至于打扰用户？
• 什么情况下应该由 Customer Success 介入，而不是继续自动化？
• 在让模型产出方案之前，我们需要先准备哪些输入？

在这些问题上，这个技能比单纯快速浏览仓库更有帮助，因为它不只是给 workflow prompt，还配了两个高价值参考文件：references/cancel-flow-patterns.md 和 references/dunning-playbook.md。

如何使用 churn-prevention 技能

churn-prevention 的安装上下文

从仓库安装这个技能：

npx skills add https://github.com/coreyhaines31/marketingskills --skill churn-prevention

安装后，进入 skills/churn-prevention，优先阅读以下文件：

• SKILL.md
• references/cancel-flow-patterns.md
• references/dunning-playbook.md
• evals/evals.json

真正影响判断质量的是这些 reference 文件，而 evals 则能帮助你理解：一份好的输出通常应该包含哪些内容。

在提问前先看这个文件路径

SKILL.md 明确要求：在继续向用户追问前，先检查 .agents/product-marketing-context.md 或 .claude/product-marketing-context.md。这一步非常关键，因为当模型事先知道以下背景时，留存建议的质量会明显提高：

• positioning
• target customer
• use cases
• pricing
• competitors
• product packaging

如果跳过这一步，churn-prevention 的输出通常会变成泛泛的 offer 建议，save logic 也会比较弱。

想让技能发挥效果，需要提供哪些输入

churn-prevention 技能最适合处理的是一份简洁但完整的运营快照，而不只是“我们的 churn 很糟”。比较有用的输入包括：

• monthly churn rate
• voluntary 与 involuntary churn 的占比
• active subscriber 数量
• average revenue per customer 或 MRR
• self-serve 还是 sales-assisted 模式
• billing provider 和 subscription platform
• 当前的 cancel flow
• failed payment rate 以及最常见失败原因
• usage 或 health indicators
• 当前是否已有 save offer
• 对高价值账户，Customer Success 是否可以介入

即使信息不完整，也足够开始；但一旦模型知道你的 billing setup 和账户价值分层，输出质量通常会明显提升。

如何把模糊目标改写成高质量的 churn-prevention prompt

弱 prompt：

“Help reduce churn.”

更强的 prompt：

“Use the churn-prevention skill. We run a $49/mo B2B SaaS with 2,000 paying accounts. Monthly churn is 7%, roughly 5% voluntary and 2% involuntary. We use Stripe. Our current cancel flow is just confirm cancel. Failed payments are mostly expired cards. We have no save offers and no CS routing. Build a practical churn-prevention plan covering cancel flow stages, exit survey, save offers by cancellation reason, dunning timeline, and a 30/60/90 day rollout.”

这个 prompt 更有效，因为它要求产出的内容，正好就是该技能擅长生成的内容。

正常高质量使用时，输出通常应该长什么样

一份强的 churn-prevention 输出，通常应该包含：

• 对主要 churn 类型的诊断
• 一套 cancel-flow 结构
• 推荐的 exit survey 分类
• 与具体取消原因对应的动态 save offer
• 针对 failed payments 的 dunning 建议
• 面向高价值客户的账户分流逻辑
• 有优先级的实施计划

如果模型只给你泛泛的 retention 建议，通常说明调用时提供的业务上下文还不够。

这个技能特别擅长的 cancel flow 指导

它的一个实际强项是 cancel flow 设计。参考文件中给出了这样一种模式：

Cancel button → Exit survey → Dynamic offer → Confirm → Post-cancel

churn-prevention 的价值在于：它会根据业务模式去调整这个结构：

• B2C / self-serve：流程简短、以自动化为主、主打一个核心 offer
• B2B / team plan：将更高 MRR 的账户分流给 Customer Success
• enterprise 或管理员主导的计划：强调账户影响与人工触达

这也是为什么 churn-prevention 对需要平衡自动化与人工介入的 Customer Success 团队特别有参考价值。

这个技能特别擅长的 dunning 指导

references/dunning-playbook.md 提供了非常具体的 payment recovery 结构，包括：

• 卡片到期前的 pre-dunning
• 更合理的 smart retry 时机
• 分阶段的邮件提醒
• grace period 的处理方式
• 取消之后如何衔接到 win-back

如果 involuntary churn 在你的流失里占比不低，这就是你应该用这个技能、而不是普通 prompt 的重要原因之一。仓库给出的细节足够多，足以生成可执行的 failed-payment recovery 方案。

Customer Success 与增长团队使用 churn-prevention 的最佳工作流

对于 Customer Success 团队来说，一个实用的 churn-prevention 工作流可以是：

1. 先收集 churn、billing 和 account tier 的背景信息。
2. 让模型先区分 voluntary churn 与 involuntary churn。
3. 生成包含 survey 和 offer mapping 的 cancel-flow 草案。
4. 单独生成 dunning 调整方案。
5. 评估哪些环节应该由人工介入，而不是自动化。
6. 按团队拆成 implementation tickets：product、lifecycle、billing、CS。

这样拆分的好处是，可以避免一次性生成过于臃肿的回答，也更容易真正推进落地。

哪些仓库文件最能提升判断质量

如果你只能读一个辅助文件，优先看 references/cancel-flow-patterns.md，它最适合帮助你做 cancellation UX 决策。如果 failed payments 是主要问题，下一个就看 references/dunning-playbook.md。

而 evals/evals.json 则可以当成理解“什么才算好的 churn-prevention 用法”的捷径。比起只看标题快速扫一遍，这里的 assertions 更能直接暴露它想覆盖的重点。

这些实用细节会明显改变输出质量

以下几个 prompt 细节，确实会显著影响结果：

• 说明业务类型：self-serve、SMB、mid-market、enterprise
• 给出 Customer Success 介入的账户价值阈值
• 说明移动端取消是否常见
• 提及 plan architecture：downgrade、pause、annual、monthly
• 提供 support 或 survey 中已知的取消原因
• 告诉模型你接下来 30 天内真正能上线什么

这些信息能让 save offer 更贴近现实，也能减少那种空泛的“best practice”填充内容。

churn-prevention 技能 FAQ

churn-prevention 只适用于 SaaS 吗？

不是。churn-prevention 最自然的应用场景确实是 SaaS 和订阅业务，但它同样适合会员制或其他 recurring service，只要 cancellation flow 和 failed payment recovery 对业务足够重要。对于一次性购买型业务，它的价值就会小很多。

churn-prevention 适合新手吗？

适合，但前提是你已经掌握基本情况：pricing、billing stack、当前 churn 水平，以及 retention 由谁负责。相比完全的新手，它对实际运营者更有价值，因为其中很多建议都需要跨 product、billing 和 Customer Success 才能实施。

它和直接问 ChatGPT 要 churn 建议有什么区别？

仓库给了它一套可复用的结构：先索取正确上下文、区分 churn 类型、采用分阶段 cancel-flow 模型，并加入 dunning logic。如果你的团队需要的是可重复使用的 retention workflow，而不是一次性的问答，那么 churn-prevention 比随手发一个 prompt 更值得安装。

什么情况下不应该先用 churn-prevention？

如果你的核心问题是以下这些，就不应该从 churn-prevention 开始：

• trial 到付费的转化率低
• 用户在订阅前的 activation 很弱
• 你只是想写一套 win-back email sequence
• 你要优化 upgrade paywall

这些问题虽然相关，但这个技能的核心仍然是订阅留存与取消预防。

churn-prevention 能帮助处理 failed payments 吗？

可以，而且这是它最强的价值点之一。dunning reference 足够具体，能帮你设计 retry timing、提醒节奏、grace period，以及卡片到期前的预防机制。

churn-prevention 对 Customer Success 团队有用吗？

有，尤其适合那些高价值账户不应完全走自动化 cancel flow、而应该分流给人工处理的场景。这个技能可以帮助你定义：什么时候展示 offer、什么时候建议预约沟通、什么时候应基于账户价值或风险升级给 Customer Success。

如何改进 churn-prevention 技能的使用效果

给模型提供分层后的 churn 数据

想最快提升 churn-prevention 的结果质量，最有效的方法就是把这些数据拆开：

• voluntary churn
• involuntary churn
• plan-level churn
• 按客户类型或账户规模划分的 segment-level churn

如果不做分层，模型很容易把 cancellation UX 修复和 payment recovery 修复混在一起，结果两个方向都排不出清晰优先级。

提供真实的取消原因，不要只靠猜测

如果你有 exit survey 数据、support 标签、通话记录或 cancellation transcript，最好整理一份简短摘要一并提供。这样技能才能生成更贴近真实异议的 offer，而不是默认对所有人都给折扣。

例如，“too expensive”、“missing feature” 和 “temporary pause in need” 显然不应该走同一条 save path。

用明确约束来优化 churn-prevention prompt

要告诉模型你当前做不到什么，比如：

• 本月没有 engineering 支持
• 不能更换 billing provider
• 没有新增 Customer Success headcount
• 折扣空间有限
• 当前只有 email 和 in-app 两种触达方式

这些约束会逼出更可用的建议，也能避免产出一堆无法实施的内容。

留意这些常见失败模式

churn-prevention 使用中最常见的弱输出包括：

• 把所有 churn 都当成同一个问题处理
• 在一个 cancel flow 里塞入过多 offer
• 忽略 billing provider 的限制
• 明明更适合 downgrade 或 pause，却过度依赖折扣
• 忘了 post-cancel communication 和 win-back
• 跳过实施优先级

如果你看到这些问题，最好要求模型按 churn 类型和业务模式重做方案。

要求按取消原因输出 offer mapping

一个高价值的迭代 prompt 是：

“Revise this churn-prevention plan into a table with cancellation reason, best save offer, fallback option, and when to route to Customer Success.”

这种格式很容易快速暴露逻辑漏洞，也更方便你和 stakeholder 一起评审。

不要用一个超大 prompt，一层一层迭代更好

通常来说，分 3 轮做效果更好：

1. 诊断 churn 来源
2. 设计 cancel flow 和 dunning logic
3. 把建议转成 rollout 步骤与 success metrics

这种分层工作流能提升准确性，也更方便团队在真实环境中应用 churn-prevention。

用仓库里的 references 做结果校验

在正式采纳输出前，拿它对照以下文件检查一遍：

• references/cancel-flow-patterns.md
• references/dunning-playbook.md

这是最简单直接的质量校验方式。如果回答里连这些文件中的核心阶段都没有覆盖，通常说明你的 prompt 还需要更多上下文，或者范围还应再收窄。

不要只问策略，要让它给出实施优先级

当你明确要求输出顺序时，这个技能会变得更有用，例如：

• 哪些是最高影响的 quick wins
• 各团队之间有哪些依赖关系
• 哪些内容不需要 engineering 就能上线
• 哪些应该最先测试
• 用什么 metric 判断成功

这样 churn-prevention 给出的就不只是建议，而是一份真正能执行的计划。

第一版方案出来后，再补一轮衡量指标

模型给出计划后，再追问用于判断效果的 KPI，例如：

• 按取消原因拆分的 save rate
• 各类 offer 的 accept rate
• dunning 带来的 recovered revenue
• churn 中 involuntary churn 的占比
• 各客户 segment 的 retention impact

优秀的 churn-prevention 工作，不只是设计流程，更重要的是证明：哪些改动能最高效地降低 churn。