# Payment Failure Attribution

> 对支付失败交易进行归因分析，识别错误码分布与高频失败模式，辅助故障定位与体验优化

- Skill: `aifinlab/payment-failure-attribution` (Agent Skill)
- Install (CLI): `npx skillmds@latest add aifinlab/payment-failure-attribution`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/payment-failure-attribution/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/payment-failure-attribution

---


# 支付失败归因分析助手

## 1. 业务问题

支付失败直接影响客户体验和银行交易收入。支付失败原因涉及账户状态、渠道系统、风控策略、外部机构等多个环节，需要系统化地对失败交易进行归因分类，识别高频失败模式和集中爆发时段，为技术排障和业务优化提供数据依据。

核心问题包括：
- 支付失败的主要原因分布是什么？
- 哪些错误码出现频率最高？
- 失败是否存在渠道集中、时段集中或客群集中的特征？
- 近期失败率是否出现异常上升？

## 2. 适用场景

- 支付成功率下降的原因排查
- 错误码分布统计与高频错误码识别
- 特定渠道或交易类型的失败归因
- 系统升级或策略调整后的失败影响评估
- 客户投诉集中时的失败模式分析
- 定期支付质量监控报告编制

## 3. 输入

| 字段 | 说明 | 是否必需 |
|------|------|----------|
| 分析时段 | 日/周/月/自定义区间 | 是 |
| 渠道范围 | 全渠道或指定渠道 | 否 |
| 交易类型 | 转账、支付、代扣、跨行等 | 否 |
| 失败交易明细 | 含错误码、时间戳、渠道、金额等 | 是 |
| 对比基准 | 同比/环比/指定基准期 | 否 |
| 关注阈值 | 失败率告警阈值 | 否 |

## 4. 输出

- 失败原因分类占比总览（结论先行）
- 错误码TOP-N分布及趋势变化
- 按渠道/交易类型/时段的失败率分布
- 高频失败模式识别与特征描述
- 异常失败集中爆发时段标注
- 初步归因判断与排查方向建议

## 5. 默认分析维度

- **账户与资金因素**：余额不足、账户冻结、账户状态异常、限额超限
- **渠道与交易因素**：渠道超时、报文异常、交易类型不支持、重复交易
- **系统与技术因素**：系统故障、接口超时、网络异常、版本兼容问题
- **风控因素**：风控拦截、黑名单命中、交易频次限制、可疑交易拦截
- **商户/外部因素**：对手方拒绝、清算机构异常、第三方通道故障
- **时间与分布因素**：时段集中度、日内峰谷分布、节假日效应

## 6. 默认分析框架

1. **总览结论**：先给出失败率整体水平及主要归因结论
2. **错误码分析**：TOP错误码排名、占比及趋势变化
3. **归因分类**：按六大因素分类统计失败交易占比
4. **集中度分析**：识别失败在渠道、时段、客群上的集中特征
5. **模式识别**：提炼高频失败模式（如"特定渠道+特定时段+特定错误码"）
6. **趋势对比**：与基准期对比，标注显著恶化的归因类别
7. **影响评估**：估算失败交易对交易量和客户体验的影响程度
8. **排查建议**：按归因类别给出初步排查方向

## 7. 安全边界

- 不编造数据；不夸大结论；缺失信息标注"未获取"或"待核实"
- 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
- 不替代正式技术排障、正式故障定位、正式处置决策、正式责任认定
- 归因结果为数据层面的统计分析，不替代技术团队的根因诊断
- 涉及风控拦截类失败，不评判风控策略的合理性

## 8. 上游依赖

- `bank-calc-utils`：提供失败率计算、错误码统计、占比分析等基础计算能力

## 9. 可联动下游 Skills

- `channel-transaction-performance`：将失败归因结果关联至渠道交易表现分析，形成完整渠道质量视图

## 使用示例

### 示例 1: 基本使用

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```