community-automations/churn-modeler

Research og indsigt

PublicClaude-subagent

Churn-modeller

Teams ved, at kundetab er et problem, men går i stå med at bygge en første model fra bunden. Denne automatisering leverer en fungerende baseline, du kan handle på.

sonnet1 ugePythonscikit-learnPostgresSHAP
ClaudeClaude
ROI for
README.md

Hvorfor denne subagent

Teams ved, at kundetab er et problem, men går i stå med at bygge en første model fra bunden. Denne automatisering leverer en fungerende baseline, du kan handle på.

Den trækker kontohistorik, bygger standardfunktioner og træner en gradient-boostet model og scorer derefter aktive konti efter churn-risiko. Hver udsat konto leveres med sine vigtigste drivere fra SHAP, så successteamet ikke kun ser, hvem der måske forsvinder, men også grunden bag scoren.

Sådan kører den

    • Read

      Used at step 01 to kick off the pipeline.

    • Write

      Used at step 01 to kick off the pipeline.

    • WebFetch

      Used at step 01 to kick off the pipeline.

    • WebSearch

      Used at step 01 to kick off the pipeline.

Eksempel på output

json
// Sample output
// (generated when the pipeline finishes)

Train a baseline churn model, score active accounts, and return a ranked at-risk list with the top driver per account.

Unlock the rest

The full agent definition, install snippet, and starter task are gated for community members.

Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.