Is retention-management safe to install?

SaferSkills independently audited retention-management (Agent Skill) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.

CategoryWeightCategory scoreContribution

Securityprompt, exec, net, exfil, eval

35%

100

35.0 pts

Supply chainhash, typosquat, maintainer, lockfile

20%

100

20.0 pts

Maintenancestaleness, pinning, CI

15%

100

15.0 pts

TransparencySKILL.md, perms, README

15%

100

15.0 pts

Communityinstalls, verify, response

15%

100

15.0 pts

Findings & checks · 0 flagged

Securityscore 100 · 0 findings

✓—All security checks passedNo findings in this category for the latest scan.pass

Supply chainscore 100 · 0 findings

✓—All supply chain checks passedNo findings in this category for the latest scan.pass

Maintenancescore 100 · 0 findings

✓—All maintenance checks passedNo findings in this category for the latest scan.pass

Transparencyscore 100 · 0 findings

✓—All transparency checks passedNo findings in this category for the latest scan.pass

Communityscore 100 · 0 findings

✓—All community checks passedNo findings in this category for the latest scan.pass

The primary manifest — the file an agent reads to learn what this artifact does.

pm-06-growth/skills/retention-management/SKILL.md · 1 file

pm-06-growth/skills/retention-management/SKILL.md18.3 KB · Markdown

name: retention-management

description: 当需要降低流失率或提升用户参与度时使用。留存管理一体化Pipeline，先构建流失预警模型识别高风险用户自动化触发干预动作，再基于用户生命周期阶段进行分层生成运营策略和个性化触达内容。关键词：流失预警、流失干预、流失模型、用户挽留、用户分层、分层运营、生命周期运营、个性化触达、参与度提升、用户活跃、流失率高、怎么挽留、怎么区别对待、运营分群。

metadata:

module: "产品增长与运营"

sub-module: "留存"

type: "pipeline"

version: "3.0"

domain_tags: ["互联网", "SaaS", "通用"]

trigger_examples:

- "用户一直在流失怎么办"

- "怎么提前发现要走的用户"

- "流失率太高了怎么降"

- "不同用户怎么区别运营"

- "怎么提高用户活跃度"

- "用户分层怎么做"

interaction_mode: "ai_suggest_human_approve"

留存管理一体化

核心原则

预防优于挽留：在用户流失信号出现时介入，远比流失后召回成本低、成功率高
干预必须匹配风险：高风险用户需要高接触干预，低风险用户过度干预反而推走
ROI闭环验证：每项干预策略必须追踪防流失ROI，无效策略及时淘汰
分层即策略：用户分层的目的是差异化运营，分层标准必须直接关联运营动作
健康度是先行指标：用户健康度下降先于行为流失，是最佳干预时机
触达频率与价值匹配：高价值内容可以高频触达，低价值内容过度触达等于骚扰

交互模式

🤖→👤 AI建议人类审批

输入

输入项	类型	必填	来源	说明
用户行为数据	JSON	是	数据分析平台 → 活跃日志	活跃日志、功能使用、内容互动
流失历史数据	JSON	是	数据分析平台 → 流失记录	已流失用户行为特征
用户账户数据	JSON	是	用户系统 → 账户信息	基本信息、付费状态
用户生命周期阶段	object	○	用户提供	注册时间、关键里程碑

流失定义

流失标准

用户类型	流失定义
免费用户	连续30天无活跃行为
付费用户	连续60天无活跃行为或取消订阅
企业用户	连续90天无活跃或合同到期

流失类型

主动流失: 用户主动停止使用或取消订阅
被动流失: 用户不再活跃但未明确表示离开
付费流失: 付费用户降级或取消订阅

用户生命周期分层

分层定义

层级	时间标准	用户行为特征	核心需求
新用户	0-30天	探索产品功能	快速上手、体验价值
成长用户	30-90天	使用频率增加	深度使用、建立习惯
成熟用户	90天+	稳定使用	持续价值、防止沉睡
沉睡用户	连续7-30天无活跃	活跃度骤降	重新激活、价值唤回
流失用户	连续30天+无活跃	无活跃行为	定向召回

健康度评分

综合评估用户在生命周期中的健康状态：

健康度 = 0.3 × 活跃度 + 0.25 × 功能深度 + 0.25 × 付费意愿 + 0.2 × 社交参与

执行步骤

Step 1: 流失预警（from retention-churn）

构建流失预警模型，识别高风险用户，自动化触发干预动作。

#### 1.1 流失预警模型构建

##### 数据准备

标签数据: 历史流失用户标记
特征工程: 构建流失预测特征
数据划分: 训练集/验证集/测试集

##### 流失信号特征

特征类别	具体特征
活跃度特征	访问频率、使用时长、功能使用数
行为特征	核心功能使用、关键操作完成度
参与度特征	内容互动、社交行为
付费特征	付费状态、消费金额、付费周期
反馈特征	NPS评分、客服接触、支持工单

##### 模型训练支持多种模型类型：

逻辑回归（可解释性强）
XGBoost/LightGBM（精度高）
深度学习模型（复杂模式识别）
集成模型（稳定可靠）

#### 1.2 高风险用户识别

##### 风险分层

风险等级	风险评分	定义	响应策略
高风险	≥0.7	极可能流失	即时干预
中风险	0.4-0.7	流失可能性较高	重点关注
低风险	0.2-0.4	有流失倾向	预防性干预
稳定	<0.2	正常用户	常规维护

##### 流失信号分析识别导致高风险的关键因素：

活跃度下降信号
功能使用减少信号
负面反馈信号
竞品使用信号

#### 1.3 自动化干预触发

##### 干预策略库

风险等级	干预策略	触达渠道	响应时间
高风险	专属客服介入、限时优惠	电话+短信+邮件	即时
中风险	个性化价值推送、问卷调研	邮件+Push	24小时内
低风险	内容营销、版本更新通知	Push+站内信	48小时内

##### 干预内容类型

价值唤回: 展示产品新功能和使用场景
问题解决: 针对已知问题提供解决方案
优惠激励: 提供续费折扣或增值服务
人工关怀: 客服主动联系了解需求
社交激活: 邀请好友一起使用

##### 干预时机

用户行为变化后即时触发
预防性干预在风险累积前触发
避免在用户忙碌时段触达

#### 1.4 干预效果追踪

##### 核心指标

指标	说明	目标值
干预覆盖率	被干预高风险用户比例	≥80%
响应率	干预后用户有响应的比例	≥15%
防流失率	干预后未流失用户比例	≥10%
ROI	防流失收益/干预成本	≥3.0

##### 效果分析

不同干预策略的效果对比
不同用户群体的干预效果差异
干预时机对效果的影响
干预内容的优化方向

Step 2: 分层运营（from retention-engagement）

基于Step 1输出的流失预警结果，对用户进行生命周期分层，生成运营策略和个性化触达内容。

#### 2.1 用户分层

##### 分层规则引擎

rules:
  - segment: "new_user"
    condition: "account_age_days <= 30 AND is_activated == true"

  - segment: "growing_user"
    condition: "account_age_days > 30 AND account_age_days <= 90 AND weekly_active_days >= 3"

  - segment: "mature_user"
    condition: "account_age_days > 90 AND weekly_active_days >= 2"

  - segment: "at_risk"
    condition: "consecutive_inactive_days >= 7 AND consecutive_inactive_days < 30"

  - segment: "churned"
    condition: "consecutive_inactive_days >= 30"

##### 分层优先级沉睡用户和流失用户的识别优先级高于正常分层，确保及时触发防流失策略。

#### 2.2 各层特征分析

##### 新用户分析

激活路径分析
早期行为聚类
激活障碍识别

##### 成长用户分析

功能深度使用分析
使用频率趋势
价值感知评估

##### 成熟用户分析

功能使用稳定性
付费转化潜力
社交活跃度

##### 沉睡用户分析

沉睡前最后行为
沉睡触发因素
潜在召回价值

##### 流失用户分析

流失时间分布
流失原因推断
召回价值评估

#### 2.3 自动化运营策略生成

##### 分层运营策略

用户层级	运营目标	核心策略	关键指标
新用户	激活+留存	引导体验、习惯培养	D7/D30留存率
成长用户	深度使用	功能拓展、价值强化	功能使用数、使用时长
成熟用户	持续活跃	防止沉睡、增值服务	月活跃率、NRR
沉睡用户	重新激活	价值唤回、问题解决	唤醒率、召回ROI
流失用户	定向召回	优惠激励、情感召回	召回率、召回用户LTV

##### 策略触发规则

trigger_rules:
  new_user:
    - event: "注册完成"
      action: "发送欢迎序列"
    - event: "完成激活"
      action: "发送进阶引导"

  growing_user:
    - event: "功能使用达到阈值"
      action: "推荐进阶功能"
    - event: "使用频率下降"
      action: "发送价值提醒"

  mature_user:
    - event: "连续3天不活跃"
      action: "发送更新通知"
    - event: "新功能上线"
      action: "发送功能推荐"

  at_risk:
    - event: "进入沉睡"
      action: "触发唤回流程"

  churned:
    - event: "流失30天"
      action: "触发召回活动"

#### 2.4 触达内容个性化

##### 内容类型矩阵

用户层级	推送内容	内容风格	触达频率
新用户	使用教程、功能介绍	友好引导	高
成长用户	进阶技巧、案例分享	价值导向	中
成熟用户	功能更新、会员权益	维护关怀	低
沉睡用户	价值唤回、限时优惠	激励驱动	集中
流失用户	召回活动、专属优惠	情感诉求	集中

##### 个性化内容生成

基于用户使用历史推荐相关内容
基于用户偏好设置调整内容形式
基于用户生命周期阶段调整内容主题

输出

存储路径：output/pm-growth/retention-management/

输出文件：retention-management.json、retention-management.md

输出Schema：

{
  "type": "object",
  "required": ["churn_prevention", "segments", "strategies"],
  "properties": {
    "churn_prevention": {"type": "object", "description": "流失预警与干预结果，包含模型、风险用户和干预策略"},
    "segments": {"type": "array", "description": "用户分层数据，包含层级名称、人数、特征和健康度"},
    "segment_overview": {"type": "object", "description": "各层级概览，包含人数和平均健康度"},
    "strategies": {"type": "array", "description": "分层运营策略列表，包含目标、行动和成功指标"},
    "personalized_content": {"type": "array", "description": "个性化触达内容列表，包含内容类型、主题和渠道"}
  }
}

retention_management

{
  "churn_prevention": {
    "risk_model": {
      "model_type": "XGBoost",
      "features": ["使用频率", "功能广度", "付费状态"],
      "accuracy": 0.85,
      "precision": 0.78,
      "recall": 0.72
    },
    "risk_thresholds": {
      "high_risk": 0.7,
      "medium_risk": 0.4,
      "low_risk": 0.2
    },
    "high_risk_users": [
      {
        "user_id": "用户ID",
        "risk_score": 0.85,
        "risk_level": "high",
        "primary_churn_signals": ["信号1", "信号2"],
        "recommended_intervention": "干预策略"
      }
    ],
    "interventions": [
      {
        "intervention_id": "INT_001",
        "trigger_condition": "风险评分 > 0.7",
        "intervention_type": "personalized_outreach",
        "channel": "email",
        "content_theme": "价值唤回",
        "expected_effectiveness": 0.25
      }
    ],
    "tracking": {
      "total_interventions_sent": 5000,
      "response_rate": 0.15,
      "churn_prevention_rate": 0.12,
      "roi": 3.5
    }
  },
  "segments": [
    {
      "name": "新用户",
      "segment_id": "new_user",
      "count": 5000,
      "percentage": 0.15,
      "characteristics": {
        "avg_age_days": 7,
        "avg_weekly_active_days": 3.5,
        "avg_features_used": 5,
        "paying_users_ratio": 0.08
      },
      "health_score": 0.72
    }
  ],
  "segment_overview": {
    "new_user": {"count": 5000, "avg_health": 0.72},
    "growing_user": {"count": 8000, "avg_health": 0.78},
    "mature_user": {"count": 15000, "avg_health": 0.85},
    "at_risk": {"count": 3000, "avg_health": 0.35},
    "churned": {"count": 2000, "avg_health": 0.1}
  },
  "strategies": [
    {
      "segment": "new_user",
      "objective": "促进激活和早期留存",
      "key_actions": ["引导核心功能使用", "建立使用习惯"],
      "success_metrics": ["D30留存率", "激活率"]
    }
  ],
  "personalized_content": [
    {
      "segment": "new_user",
      "content_type": "onboarding_guidance",
      "theme": "快速体验核心价值",
      "channels": ["app_push", "email"],
      "frequency": "per_week"
    }
  ]
}

自动化运营日历

每周固定触达：
- 周一：活跃用户周报
- 周三：功能使用提醒（新用户）
- 周五：活跃用户内容推送

事件触发触达：
- 功能更新时：全员通知
- 节日活动时：高价值用户专属
- 用户里程碑：祝贺+激励

输出校验规则

字段路径	类型	必填	说明
churn_prevention	object	是	流失预警与干预结果，须含risk_model/high_risk_users/interventions
churn_prevention.risk_model	object	是	预警模型，须含model_type/features/accuracy
churn_prevention.risk_model.accuracy	number	是	模型准确率，须>0.75
churn_prevention.risk_thresholds	object	是	风险阈值，须含high_risk/medium_risk/low_risk
churn_prevention.high_risk_users	array	是	高风险用户列表，每项须含user_id/risk_score/risk_level
churn_prevention.high_risk_users[].risk_level	string	是	风险等级，仅允许high/medium/low/stable
churn_prevention.interventions	array	是	干预策略列表，每项须含trigger_condition/intervention_type/channel
churn_prevention.tracking	object	否	效果追踪，须含response_rate/churn_prevention_rate/roi
segments	array	是	用户分层数据，至少覆盖新/成长/成熟/沉睡/流失5层
segments[].segment_id	string	是	分层标识，仅允许new_user/growing_user/mature_user/at_risk/churned
segments[].count	number	是	分层用户数，须≥0
segments[].health_score	number	是	健康度评分，范围0-1
strategies	array	是	运营策略列表，至少5条（每层1条）
strategies[].segment	string	是	目标分层
strategies[].success_metrics	array	是	成功指标列表，至少1个
personalized_content	array	否	个性化内容列表

决策规则

情况	处理方式
风险评分≥0.7（高风险）	即时干预，专属客服介入
付费用户出现流失信号	优先处理，48小时内响应
干预响应率<10%	优化干预内容和渠道
高价值用户流失预警	全渠道触达+人工关怀
沉睡用户占比>15%	触发批量唤回策略
新用户D7留存<25%	优化Onboarding和激活引导
成熟用户健康度下降	触发防沉睡策略
运营触达响应率<5%	优化触达内容和渠道

质量检查

[ ] 流失定义区分免费/付费/企业用户
[ ] 预警模型准确率>75%
[ ] 干预策略与风险等级匹配
[ ] 干预效果追踪包含ROI计算
[ ] 用户分层覆盖完整生命周期（新/成长/成熟/沉睡/流失）
[ ] 健康度评分包含活跃度、功能深度、付费意愿、社交参与
[ ] 运营策略与用户层级匹配
[ ] 触达内容经过个性化处理

降级策略

上游文件缺失降级方案

缺失的上游输入	降级方案	输出影响
用户行为数据缺失	用户提供用户活跃数据 → 分析流失特征	流失归因基于活跃数据推断，行为特征分析受限
流失历史缺失	跳过流失趋势对比，仅基于当前数据分析	无法评估流失趋势变化
用户行为数据 + 流失历史均缺失	用户提供用户活跃数据 → 分析流失特征	输出基础流失分析，干预策略标注"待验证"
生命周期阶段缺失	使用通用生命周期模型（新用户/活跃/沉睡/流失），标注"待确认"	分层标准基于通用假设
用户行为数据 + 生命周期阶段均缺失	用户描述用户群体 → 生成分层策略	输出基于描述的分层策略，标注"待数据验证"

若用户未提供用户账户数据，提示用户提供或跳过该输入相关步骤

数据获取说明

当上游文件缺失时，需用户提供以下信息以支撑降级生成：

用户活跃数据：各周期活跃用户数、流失用户数
流失定义（可选）：产品对流失用户的定义标准
高价值用户占比（可选）：活跃用户中高价值用户的比例
用户群体描述：产品用户的主要类型和特征
活跃度分布（可选）：高活跃/中活跃/低活跃用户占比
运营资源（可选）：可用于用户运营的资源和渠道

上游变更响应

上游变更影响表

上游来源	变更类型	影响范围	响应动作
数据分析平台-活跃日志	行为事件定义变更	流失信号特征和模型训练	更新特征工程，重新训练模型
数据分析平台-流失记录	流失定义变更	流失标签和风险阈值	按新定义重新标记，调整阈值
用户系统-账户信息	用户属性变更	风险分层和干预策略	更新用户特征，调整干预匹配
用户提供-生命周期	里程碑定义变更	分层标准和策略触发	调整分层条件和触发规则

下游通知机制表

下游消费者	通知条件	通知方式	通知内容
revenue-upsell	高价值用户分层变更	写入输出文件	高价值用户列表和升级信号
retention-orchestrator	流失预警与分层运营完成	输出文件更新	留存管理完成状态和关键结论

关键成功指标

指标	定义	目标值
各层留存率	各层用户在下一周期的留存比例	逐层提升
沉睡唤醒率	沉睡用户被唤醒的比例	≥15%
用户健康度均值	全量用户健康度平均分	≥0.7
运营触达响应率	触达消息的打开/点击率	≥10%

注意事项

流失预警模型需要定期更新，适应产品变化和用户行为变化
避免过度干预打扰用户，降低用户体验
高价值用户的干预优先级和投入资源应更高
建立干预反馈机制，持续优化干预策略

版本历史

v3.0: 合并 retention-churn + retention-engagement

retention-management— agent skill

Is retention-management safe to install?

留存管理一体化

核心原则

交互模式

输入

流失定义

流失标准

流失类型

用户生命周期分层

分层定义

健康度评分

执行步骤

Step 1: 流失预警（from retention-churn）

Step 2: 分层运营（from retention-engagement）

输出

自动化运营日历

输出校验规则

决策规则

质量检查

降级策略

上游文件缺失降级方案

数据获取说明

上游变更响应

上游变更影响表

下游通知机制表

关键成功指标

注意事项

版本历史

Audit the pieces. Scan the whole. Decide.