SKILLEMALL.ai
EN Войти

AB customer-churn-prediction-analyst

Анализ паттернов поведения клиентов и прогнозирование риска оттока на платформах Stripe, Shopify и SaaS. Определение клиентов в группе риска, генерация персонализированных рекомендаций по вмешательству и отслеживание успеха возврата клиентов. Используйте, когда пользователю необходимо предотвратить отток клиентов, приоритизировать усилия по удержанию или создать целевые кампании по восстановлению.

машинный переводПоказать оригиналСкрыть оригинал«Analyze customer behavior patterns and predict churn risk across Strip…»

Analyze customer behavior patterns and predict churn risk across Stripe, Shopify, and SaaS platforms. Identify at-risk accounts, generate personalized intervention recommendations, and track win-back success. Use when the user needs to prevent customer attrition, prioritize retention efforts, or create targeted recovery campaigns.

ClawHub Agent Skills автор: ncreighton v1.0.0 MIT-0 2 файла тело ≈ 3 710 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Анализ паттернов поведения клиентов и прогнозирование риска оттока на платформах Stripe, Shopify и SaaS.

Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

АнализаторStripeShopifyИнфраструктураМаркетингтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных exfil-webhook-url SKILL.md:133
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
      export SLACK_WEBHOOK_URL="https://hooks.slack.com/services/..."
      заглушка

    Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 68/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 100Шаги. Шагов: 46
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3710 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 332 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 32 заголовков
    • +3Пошаговые инструкции: 46 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (10 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed churn-analysis assistant for customer data, with no bundled executable payload, but it should be used carefully because it touches sensitive business and customer information.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.