AC saas-churn-analysis
Анализ оттока и удержания SaaS: показатели оттока по когортам, кривые удержания, отток выручки по сравнению с оттоком клиентов, выявление клиентов в зоне риска, расширение по сравнению с сокращением MRR, сборники рекомендаций по восстановлению оттока и бенчмаркинг чистого удержания выручки (NRR). Создает графики удержания, готовые для инвесторов, и действенные планы восстановления. Используйте, когда: анализируете причины оттока клиентов, строите таблицы удержания по когортам, рассчитываете NRR/GRR, выявляете клиентов в зоне риска до их отмены или представляете данные об удержании инвесторам/совету директоров. НЕ используйте для: выполнения исходящих действий по восстановлению оттока (используйте CRM/инструменты электронной почты), изменений биллинга подписки в реальном времени (используйте API платформы биллинга), общих панелей KPI SaaS (используйте saas-metrics-dashboard) или прогнозирования выручки без контекста оттока (используйте startup-financial-model).
машинный переводПоказать оригиналСкрыть оригинал«SaaS churn and retention analysis: cohort-based churn rates, retention…»
SaaS churn and retention analysis: cohort-based churn rates, retention curves, revenue churn vs logo churn, at-risk customer identification, expansion vs contraction MRR, churn recovery playbooks, and net revenue retention (NRR) benchmarking. Produces investor-ready retention charts and actionable recovery plans. Use when: analyzing why customers are churning, building cohort retention tables, calculating NRR/GRR, identifying at-risk accounts before they cancel, or presenting retention data to investors/board. NOT for: executing churn recovery outreach (use CRM/email tools), real-time subscription billing changes (use billing platform APIs), general SaaS KPI dashboards (use saas-metrics-dashboard), or revenue forecasting without churn context (use startup-financial-model).
Анализ оттока и удержания SaaS: показатели оттока по когортам, кривые удержания, отток выручки по сравнению с оттоком клиентов, выявление клиентов в зоне…
Как процесс C 54/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск
Как улучшить
- 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 54/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Стоимость исполнения. Тело инструкции 4774 токенов
- 100Шаги. Шагов: 40
- 100Согласованность. Имя и обязательные поля на месте
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 783 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 28 заголовков
- +3Пошаговые инструкции: 40 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (24 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.