Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →mohitagw15856/churn-analysis
Produce a structured churn analysis that separates avoidable from unavoidable churn.
Passed 19 of 22 test cases with the skill, and 17 of 22 without it.
and 3 more in the full report
3 fixed16 passed either way2 still failing1 broke
Tokens, turns and time describe resource use, not a dollar price.
One of 3 test cases the skill fixed. Same model, same prompt, with and without the skill.
Requiero un análisis detallado de cancelación de clientes correspondiente al último año fiscal para nuestra línea de productos B2B. Teníamos 1,200 cuentas al inicio y sufrimos la baja de 150 usuarios ($300k en ingresos perdidos). Contamos con las encuestas de cancelación y datos de cohortes de adquisición. Genera un reporte formateado en Markdown que calcule los números clave de retención e ingresos, desglose la tipología del churn, ordene los principales motivos según recurrencia e impacto financiero, evalúe las tendencias por segmento y cohorte, detalle alertas preventivas que podamos programar y proponga recomendaciones priorizadas ligadas a las causas identificadas, señalando las brechas de datos.
| Checked | Without skill | With skill |
|---|---|---|
| Formats header metadata with evaluation period, author, and date fields | Missed | Passed |
| Uses initial period account count as denominator when calculating customer churn rate | Passed | Passed |
| Includes direct customer quotes alongside top avoidable churn reasons | Missed | Passed |
The instructions your model reads when the skill loads.
Produce un análisis de churn estructurado que vaya más allá de la tasa titular — identificando por qué se van los clientes, qué segmentos corren mayor riesgo, y qué intervenciones tendrán el mayor impacto en la retención.
Si existe un professional-brain (brain/), usa los datos que ya tienes en lugar de volver a preguntar:
context.md (definiciones de métricas — qué significa "churn" aquí), knowledge/, y las entities/ de segmentos relacionados. Ejecuta python3 ../professional-brain/scripts/brain_query.py ./brain "churn" y conserva la etiqueta de procedencia de cada hecho.knowledge/ ([data]), cualquier decisión de retención en decisions/, y los factores de riesgo como hypotheses/. Muéstralos, obtén un sí, y luego escribe con ../professional-brain/scripts/brain_write.py … --commit (solo adición, simulación por defecto).Solicita estos si no se proporcionan ya:
Clasifica siempre el churn antes de analizarlo:
| Categoría | Definición |
|---|---|
| Voluntario — evitable | El cliente se fue debido a un problema que podríamos haber resuelto (brechas de producto, onboarding deficiente, fallos en relaciones) |
| Voluntario — inevitable | El cliente se fue por razones fuera de nuestro control (recortes presupuestarios, adquisición, cierre de empresa) |
| Involuntario | Fallo de pago, no renovación de contrato por error, error administrativo |
Las intervenciones para cada categoría son diferentes. Confundirlas lleva a conclusiones equivocadas.
Período: [Fecha de inicio] — [Fecha de fin]
test cases passed, vs 17 / 22 without
More skills from the same source and nearby in the registry, with their headline benchmark lift.