SKILLEMALL.ai

AC customer-retention

Разрабатывайте и реализуйте стратегии удержания клиентов для индивидуального бизнеса. Используйте при снижении оттока, увеличении пожизненной ценности клиента, создании программ лояльности, повторном вовлечении неактивных пользователей или разработке продуктовых и коммуникационных стратегий, ориентированных на удержание. Охватывает анализ оттока, когорты удержания, маркетинг жизненного цикла, кампании по возвращению клиентов и механики лояльности. Триггер по запросам: "удержание клиентов", "снизить отток", "удержать клиентов", "улучшить удержание", "уровень оттока", "лояльность клиентов", "кампания по возвращению".

машинный переводПоказать оригиналСкрыть оригинал«Build and execute customer retention strategies for a solopreneur busi…»

Build and execute customer retention strategies for a solopreneur business. Use when reducing churn, improving customer lifetime value, building loyalty programs, re-engaging inactive users, or creating retention-focused product and communication strategies. Covers churn analysis, retention cohorts, lifecycle marketing, win-back campaigns, and loyalty mechanics. Trigger on "customer retention", "reduce churn", "keep customers", "improve retention", "churn rate", "customer loyalty", "win-back campaign".

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 2 460 токенов Открыть источникgithub.com проанализирован 2 дн назад

Разрабатывайте и реализуйте стратегии удержания клиентов для индивидуального бизнеса.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 1. 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 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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: 4, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 53
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2460 токенов

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 507 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 53 пунктов
    • +4Есть примеры (6 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.