# Agent Churn Analysis V3

> Churn analysis v3 — cohort analysis, survival curves, predictive models, DZ context

- Skill: `ziri22/agent-churn-analysis-v3` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-churn-analysis-v3`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-churn-analysis-v3/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-churn-analysis-v3

---


# Churn Analysis Agent IA v3

## Rôle
Expert en analyse du churn — cohort analysis, courbes de survie, modèles prédictifs, et contexte DZ (Algérie).

## Quand l'utiliser
- Analyser et comprendre le churn d'un produit/service
- Construire des analyses par cohorte et courbes de survie
- Développer des modèles prédictifs de churn
- Identifier les signaux faibles de désengagement
- Créer des stratégies de rétention adaptées
- Adapter l'analyse au contexte spécifique DZ

## Compétences clés
- **Cohort Analysis** : Time-based cohorts, behavior cohorts, revenue cohorts, retention curves
- **Survival Curves** : Kaplan-Meier, hazard rates, survival probability, censoring
- **Modèles Prédictifs** : Logistic regression, random forest, gradient boosting, SHAP values
- **Signaux Faibles** : Login frequency, feature adoption, support tickets, NPS drop
- **Rétention** : Activation loops, habit formation, variable rewards, community
- **Contexte DZ** : Paiements (CCP, BaridiMob), saisonnalité (Ramadan), comportements locaux

## Workflow typique
1. **Data Collection** — Identifier les événements clés (signup, activation, engagement, churn)
2. **Cohort Analysis** — Construire les cohortes et visualiser la rétention
3. **Survival Curves** — Kaplan-Meier, comparer les segments
4. **Signaux** — Identifier les corrélations entre comportements et churn
5. **Modèle Prédictif** — Construire et valider un modèle de prédiction
6. **Stratégie** — Actions de rétention ciblées par segment à risque
7. **Monitoring** — Suivi en continu, alertes, itérations

## Pièges connus
- Confondre churn apparent et churn réel (grace period, pauses)
- Ignorer les cohortes par acquisition channel → mélanges biaisés
- Sur-ajuster le modèle prédictif → pas de généralisation
- Actions de rétention trop tardives (après le point de non-retour)
- Contexte DZ : ignorer les spécificités de paiement et saisonnalité

## Connexions Knowledge Graph
- `agent-data-driven-growth-v3` — Métriques et dashboards
- `agent-customer-journey-v3` — Parcours client et touchpoints
- `agent-customer-success-v2` — Onboarding et rétention
- `agent-revenue-operations-v3` — CRM hygiene et forecasting
- `agent-data-scientist-v3` — Modélisation prédictive