community-automations/churn-modeler

Research & Intel

PublicClaude-Subagent

Churn-Modellierung

Teams wissen, dass Abwanderung ein Problem ist, scheitern aber daran, ein erstes Modell von Grund auf zu bauen. Diese Automation liefert eine funktionierende Basis, mit der Sie handeln können.

sonnet1 WochePythonscikit-learnPostgresSHAP
ClaudeClaude
ROI for
README.md

Warum dieser Subagent

Teams wissen, dass Abwanderung ein Problem ist, scheitern aber daran, ein erstes Modell von Grund auf zu bauen. Diese Automation liefert eine funktionierende Basis, mit der Sie handeln können.

Sie zieht die Kontohistorie, baut Standard-Features und trainiert ein Gradient-Boosting-Modell, dann bewertet sie aktive Konten nach Abwanderungsrisiko. Jedes gefährdete Konto kommt mit seinen wichtigsten Treibern aus SHAP, sodass das Customer-Success-Team nicht nur sieht, wer gehen könnte, sondern auch den Grund hinter dem Score.

So läuft er

    • 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.

Beispiel-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.