findscripter 何时使用
当你需要对一批 SaaS 客户做确定性、可复现的客户成功分析时使用，典型场景：
- 给账号组合打健康分（绿/黄/红）并看趋势是否下滑。
- 识别流失风险账号并分层（Critical/High/Medium/Low），决定干预优先级。
- 在健康账号里挖扩展机会（升级、加模块、加席位/部门），并估算增量收入与排优先级。
- 为 QBR、续约会、高管复盘准备数据底稿。
不该用的边界：
- 需要实时数据或CRM 直连：本技能只吃静态 JSON 快照，数据需手动从 CRM/CS 平台导出。
- 期望预测式 ML / 概率模型：这里是基于加权信号的算法打分，结果确定但非预测。
- 单客户主观判断、定性访谈分析：工具只消费结构化字段。
步骤
- 准备输入 JSON：顶层
{"customers": [...]}，每个客户对象含customer_id / name / segment（enterprise|mid_market|smb）/ arr，以及各脚本要求的嵌套对象（见下「指令」中字段清单）。可参考源仓库assets/sample_customer_data.json。 - 跑健康分 → 输出 JSON 落盘，确认记录数对得上。
- 跑流失风险 → 确认每个客户都有风险分层。
- 跑扩展机会 → 确认按优先级排序的机会列表非空。
- 组合解读：三份结果一起看；下滑中的绿账号比稳定的黄账号更紧急。
指令
环境：Python 3.7+，仅标准库，无外部依赖、无网络调用。所有脚本第一个位置参数为输入 JSON，--format 取 text（默认，人读）或 json（机读，便于管道）。
# 1. 健康度评分（维度权重：usage 30% / engagement 25% / support 20% / relationship 25%）
# 分类：green 75-100 / yellow 50-74 / red 0-49
python scripts/health_score_calculator.py portfolio.json --format json > health.json
# 2. 流失风险（信号权重：usage_decline 30% / engagement_drop 25% / support_issues 20% /
# relationship_signals 15% / commercial_factors 10%）
# 分层：Critical 80-100 / High 60-79 / Medium 40-59 / Low 0-39
python scripts/churn_risk_analyzer.py portfolio.json --format json > risk.json
# 3. 扩展机会（Upsell 升级 / Cross-sell 加模块 / Expansion 加席位或部门），含收入估算与优先级
python scripts/expansion_opportunity_scorer.py portfolio.json --format json > expansion.json
各脚本必需字段（缺字段或类型错会报错）：
- 健康分：嵌套
usage(login_frequency, feature_adoption, dau_mau_ratio)、engagement(support_ticket_volume, meeting_attendance, nps_score, csat_score)、support(open_tickets, escalation_rate, avg_resolution_hours)、relationship(executive_sponsor_engagement, multi_threading_depth, renewal_sentiment)、以及previous_period（用于趋势）。 - 流失风险：
contract_end_date加嵌套usage_decline / engagement_drop / support_issues / relationship_signals / commercial_factors。 - 扩展机会：嵌套
contract(licensed_seats, active_seats, plan_tier, available_tiers)、product_usage(各模块采用标志与使用率)、departments(current 与 potential)。
排错检查：输入 JSON 是否匹配该脚本 schema；必需字段是否齐全且类型正确；python --version 是否 ≥3.7；管道前确认上一步输出文件非空。
示例
python scripts/health_score_calculator.py assets/sample_customer_data.json --format json
输出（节选）：4 个客户，平均分 78.8，绿 3 / 黄 1 / 红 0；CUST-001 Acme Corp 总分 86.2（green），其中 usage 91.6、relationship 90.1。据此 Acme 进入扩展评估；任何分类掉到 yellow 且趋势下滑的账号优先做主动触达。
注意事项
- 看趋势不看快照：下滑的绿账号优先级高于稳定的黄账号。
- 阈值需校准：默认阈值是行业通用值，应按你的产品与行业调整 segment 基准。
- 三脚本合用才有完整画像；QBR/高管会前固定跑一遍。
- 收入估算是近似值，基于使用模式推算，不可当作承诺数字。
- 确定性算法：相同输入恒定输出，适合纳入流水线与回归对比。
互见
- prompt-template-designer：将这三份 JSON 结果喂给 LLM 生成 QBR/续约话术时，用其设计稳定提示词。
- csv-data-cleaner：从 CRM 导出的原始表先清洗规整，再转成本技能要求的 JSON。
本条采编自 alirezarezvani/claude-skills（MIT）。