git:20260702.b8fb11d to git:20261011.3fb211c

89 added, 65 removed. Audit A to A.

---

# machine-translated to es from skills/churn-analysis/SKILL.md — review: pending. Native fixes welcome via PR.

name: churn-analysis

- description: "Produce a structured churn analysis that separates avoidable from unavoidable churn. Use when investigating why customers are leaving, identifying at-risk segments, calculating net revenue retention, or building a retention intervention plan. Produces a churn report with rate calculations, categorised reasons by avoidability, segment breakdown, timing analysis, early warning signals, and prioritised interventions ranked by estimated impact."

+ description: "Produce un análisis de churn estructurado que separe el churn evitable del inevitable. Úsalo cuando investigues por qué se van los clientes, identifiques segmentos en riesgo, calcules net revenue retention o construyas un plan de intervención de retención. Produce un informe de churn con cálculos de tasa, razones categorizadas por evitabilidad, desglose por segmento, análisis de timing, señales de alerta temprana e intervenciones priorizadas según impacto estimado."

---

# Skill de Análisis de Churn

- 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.

+ Produce un análisis de churn estructurado que vaya más allá de la tasa titular — identificando por qué se van los clientes, cuáles son los segmentos más en riesgo, y qué intervenciones tendrán el mayor impacto en la retención.

## Lee de / Escribe en el Brain

- Si existe un [`professional-brain`](../professional-brain/SKILL.md) (`brain/`), usa los datos que ya tienes en lugar de volver a preguntar:

+ Si existe un [`professional-brain`](../professional-brain/SKILL.md) (`brain/`), toma como base en lugar de volver a preguntar por lo que ya sabes:

- - **Lee primero:** `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.

- - **📥 Propón al Brain:** después de producir, propón registrar el hallazgo de retención principal en `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).

+ - **Lee primero:** `context.md` (definiciones de métricas — qué significa "churn" aquí), `knowledge/` y `entities/` de segmentos relacionados. Ejecuta `python3 ../professional-brain/scripts/brain_query.py ./brain "churn"` y mantén la etiqueta de procedencia de cada hecho.

+ - **📥 Propón al Brain:** después de producir, propón registrar el hallazgo titular de retención a `knowledge/` (`[data]`), cualquier decisión de retención a `decisions/` y los drivers en riesgo como `hypotheses/`. Muéstralos, obtén confirmación, luego escribe con `../professional-brain/scripts/brain_write.py … --commit` (append-only, dry-run por defecto).

- ## Datos de Entrada Requeridos

+ ## Inputs Requeridos

- Solicita estos si no se proporcionan ya:

- - **Período de tiempo** siendo analizado (ej. Q1, últimos 12 meses)

- - **Total de clientes al inicio del período** y **clientes perdidos**

+ Pregunta por estos si no están ya disponibles:

+ - **Período de tiempo** siendo analizado (p. ej. Q1, últimos 12 meses)

+ - **Total de clientes al inicio del período** y **clientes que hicieron churn**

- **ARR o ingresos perdidos** por churn

- - **Datos de motivos de churn** — resultados de encuestas de salida, notas de CSM, datos de soporte, o motivos de pérdida de ventas

- - **Segmentos de clientes** — por tier, industria, cohorte, o línea de producto

+ - **Datos de razones de churn** — resultados de encuestas de salida, notas de CSM, datos de soporte o razones de pérdida de ventas

+ - **Segmentos de clientes** — por tier, industria, cohorte o línea de producto

- **Tasa de retención actual** si se conoce

- - **Cambios recientes** — precios, producto, modelo de soporte — que pueden haber afectado el churn

+ - **Cualquier cambio reciente** — precios, producto, modelo de soporte — que haya podido afectar al churn

## Categorías de Churn

- Clasifica siempre el churn antes de analizarlo:

+ Siempre clasifica 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) |

+ | **Voluntario — evitable** | El cliente se fue debido a un problema que habríamos podido solucionar (gaps de producto, onboarding pobre, fallos relacionales) |

+ | **Voluntario — inevitable** | El cliente se fue por razones fuera de nuestro control (cortes de presupuesto, 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.

+ Las intervenciones para cada categoría son diferentes. Mezclarlas lleva a conclusiones equivocadas.

- ## Formato de Salida

+ ## Formato de Output

---

# Análisis de Churn: [Producto / Segmento / Empresa]

- **Período:** [Fecha de inicio] — [Fecha de fin]

+ **Período:** [Fecha inicio] — [Fecha fin]

**Preparado por:** [Nombre] | **Fecha:** [Fecha]

---

- ## Números Clave

+ ## Números Titulares

| Métrica | Valor |

|---|---|

| Clientes al inicio del período | [N] |

- | Clientes perdidos | [N] |

+ | Clientes que hicieron churn | [N] |

| **Tasa de churn de clientes** | **[X]%** |

| ARR al inicio del período | £/$/€[X] |

| ARR perdido por churn | £/$/€[X] |

| **Tasa de churn de ingresos (bruto)** | **[X]%** |

| ARR de expansiones (mismo período) | £/$/€[X] |

- | **Net Revenue Retention (NRR)** | **[X]%** |

+ | **Net revenue retention (NRR)** | **[X]%** |

- **Contexto de comparativa:**

- - Tasa de churn de clientes: [X]% vs. comparativa de industria [Y]% — [por encima / por debajo / en línea]

- - NRR: [X]% — [Qué significa: por encima del 100% = expansión compensa churn; por debajo del 100% = base encogiendo]

+ **Contexto de benchmark:**

+ - Tasa de churn de clientes: [X]% vs. benchmark de industria [Y]% — [arriba / abajo / en línea]

+ - NRR: [X]% — [Lo que significa: arriba del 100% = la expansión compensa el churn; abajo del 100% = base encogida]

---

## Desglose de Churn por Categoría

|---|---|---|---|

| Voluntario — evitable | [N] | [X]% | £/$/€[X] |

| Voluntario — inevitable | [N] | [X]% | £/$/€[X] |

| Involuntario | [N] | [X]% | £/$/€[X] |

| **Total** | **[N]** | **100%** | **£/$/€[X]** |

**Churn evitable como % del churn total:** [X]% — este es el número que realmente podemos influir.

---

- ## Motivos de Churn — Solo Churn Evitable

+ ## Razones de Churn — Solo Churn Evitable

Ordena por frecuencia. Incluye peso de ARR donde los datos lo permitan.

|---|---|---|---|---|

- | [Motivo 1 — ej. "Producto falta característica clave"] | [N] | [X]% | £/$/€[X] | "[Cita]" |

- | [Motivo 2] | [N] | [X]% | £/$/€[X] | "[Cita]" |

- | [Motivo 3] | [N] | [X]% | £/$/€[X] | "[Cita]" |

- | [Motivo 4] | [N] | [X]% | £/$/€[X] | "[Cita]" |

- | Otro | [N] | [X]% | £/$/€[X] | — |

+ | [Razón 1 — p. ej. "Producto carece de característica clave"] | [N] | [X]% | £/$/€[X] | "[Cita]" |

+ | [Razón 2] | [N] | [X]% | £/$/€[X] | "[Cita]" |

+ | [Razón 3] | [N] | [X]% | £/$/€[X] | "[Cita]" |

+ | [Razón 4] | [N] | [X]% | £/$/€[X] | "[Cita]" |

+ | Otros | [N] | [X]% | £/$/€[X] | — |

- **Síntesis temática:** [2–3 oraciones agrupando los principales motivos en 2–3 temas. Ej. "Los tres principales motivos se agrupan en dos temas: brechas de producto en [área] (afectando X% del churn evitable) y fallos de onboarding donde los clientes nunca lograron valor (Y%)."]

+ **Síntesis temática:** [2–3 oraciones agrupando las razones principales en 2–3 temas. P. ej. "Las tres razones principales se agrupan en dos temas: gaps de producto en [área] (afectando X% del churn evitable) y fallos de onboarding donde los clientes nunca lograron valor (Y%)."]

---

## Churn por Segmento

- Identifica qué segmentos tienen churn sobre o bajo el promedio.

+ Identifica qué segmentos sobre- o sub-indexan para churn.

### Por Tier

|---|---|---|---|

| Enterprise | [X]% | +/-[X]pp | |

| Mid-Market | [X]% | +/-[X]pp | |

| SMB | [X]% | +/-[X]pp | |

### Por Cohorte (Año de Adquisición)

| Cohorte | Tasa de churn | Notas |

|---|---|---|

| [Año 1] | [X]% | |

| [Año 2] | [X]% | |

| [Año 3] | [X]% | |

- ### Por Industria / Caso de Uso (si hay datos disponibles)

+ ### Por Industria / Caso de Uso (si los datos están disponibles)

| Segmento | Tasa de churn | Notas |

|---|---|---|

| [Segmento 1] | [X]% | |

| [Segmento 2] | [X]% | |

**Patrón clave:** [Qué segmento tiene la tasa de churn más alta y qué probablemente lo explica]

---

- ## Análisis de Temporalidad

+ ## Análisis de Timing

- **Duración promedio del contrato antes del churn:** [X meses]

- - **Momento de mayor riesgo:** [ej. "Mes 3 — cuando el valor de prueba se ha agotado pero la adopción completa no ha ocurrido"]

- - **Distribución temporal del churn:**

+ - **Momento de mayor riesgo:** [p. ej. "Mes 3 — cuando el valor del trial se ha agotado pero la adopción completa no ha sucedido"]

+ - **Distribución de timing del churn:**

- | Cuándo ocurrió el churn | % de cuentas perdidas |

+ | Cuándo ocurrió el churn | % de cuentas en churn |

|---|---|

| 0–3 meses | [X]% |

| 3–6 meses | [X]% |

| 6–12 meses | [X]% |

| 12+ meses | [X]% |

---

## Señales de Alerta Temprana

- Basado en las cuentas perdidas, identifica las señales que precedieron al churn (y podrían haber desencadenado intervención anterior):

+ Basándote en las cuentas que hicieron churn, identifica las señales que precedieron al churn (y que hubieran podido disparar una intervención más temprana):

- | Señal | Tiempo de avance antes del churn | Cómo detectarla |

+ | Señal | Tiempo de adelanto antes del churn | Cómo detectarla |

|---|---|---|

- | [Señal 1 — ej. "DAU/MAU cayó por debajo del 15%"] | [~X semanas] | [Dashboard de uso / alerta] |

- | [Señal 2 — ej. "No QBR en 90+ días"] | [~X semanas] | [Flag en CRM] |

- | [Señal 3 — ej. "Defensor de la cuenta se fue"] | [~X semanas] | [Alerta de LinkedIn / seguimiento de CSM] |

+ | [Señal 1 — p. ej. "DAU/MAU cayó por debajo del 15%"] | [~X semanas] | [Dashboard de uso / alerta] |

+ | [Señal 2 — p. ej. "Sin QBR en 90+ días"] | [~X semanas] | [Flag de CRM] |

+ | [Señal 3 — p. ej. "El champion dejó la cuenta"] | [~X semanas] | [Alerta de LinkedIn / tracking de CSM] |

| [Señal 4] | [~X semanas] | [Método de detección] |

---

## Recomendaciones de Intervención

Ordenadas por impacto estimado × viabilidad.

|---|---|---|---|---|

- **Prioridad decidida:** [Cuál es la única intervención que, si se implementa este trimestre, tendría el mayor impacto y por qué]

+ **Decisión de prioridad:** [Cuál es una intervención, si se implementa este trimestre, tendría el mayor impacto y por qué]

---

- ## Lo que No Sabemos (Brechas de Datos)

+ ## Lo Que No Sabemos (Gaps de Datos)

- - [Brecha de datos 1 — ej. "Tasa de respuesta de encuesta de salida es solo 30% — los datos de motivos pueden no ser representativos"]

- - [Brecha de datos 2 — ej. "Sin datos de uso de producto para tier SMB — no se puede confirmar correlación de señal de uso"]

- - [Brecha de datos 3]

+ - [Gap de datos 1 — p. ej. "La tasa de respuesta de encuesta de salida es solo del 30% — los datos de razones pueden no ser representativos"]

+ - [Gap de datos 2 — p. ej. "Sin datos de uso de producto para tier SMB — no se puede confirmar correlación de señal de uso"]

+ - [Gap de datos 3]

---

- ## Anti-patrones

+ ## Anti-Patrones

- - [ ] No mezcles churn evitable e inevitable en planes de intervención — recomendar arreglos de producto para clientes que se fueron debido a cierre de empresa desperdicia recursos

- - [ ] No calcules tasa de churn usando el conteo de clientes de fin de período como denominador — esto subestima el churn; siempre divide clientes perdidos entre la cohorte inicial

- - [ ] No confíes únicamente en datos de encuesta de salida para motivos de churn — las tasas de respuesta típicamente son bajas y el sesgo de autoselección favorece clientes lo suficientemente comprometidos para completar una encuesta

- - [ ] No recomiendes intervenciones sin vincularlas a un motivo de churn específico — intervenciones desconectadas de causas raíz no moverán la retención

- - [ ] No reportes solo churn de ingresos bruto — sin net revenue retention (NRR), un número de retención saludable puede esconder una base de ingresos que se encoge

+ - [ ] No mezcles churn evitable e inevitable en planes de intervención — recomendar fixes de producto para clientes que hicieron churn por cierre de empresa desperdicia recursos

+ - [ ] No calcules la tasa de churn usando el recuento de clientes de fin de período como denominador — esto subestima el churn; siempre divide clientes en churn por la cohorte inicial

+ - [ ] No confíes únicamente en datos de encuesta de salida para razones de churn — las tasas de respuesta son típicamente bajas y el sesgo de auto-selección sesgará la muestra hacia clientes lo suficientemente comprometidos para completar una encuesta

+ - [ ] No recomiendes intervenciones sin vincularlas a una razón de churn específica — intervenciones desconectadas de causas raíz no moverán la retención

+ - [ ] No reportes solo churn de ingresos bruto — sin net revenue retention (NRR), un número de retención saludable puede ocultar una base de ingresos encogida

- ## Controles de Calidad

+ ## Materiales Más Profundos

- - [ ] Tasa de churn se calcula correctamente (perdidos ÷ cohorte inicial, no total de fin de período)

- - [ ] Churn evitable e inevitable están separados — intervenciones solo dirigen al churn evitable

- - [ ] Motivos de churn son reportados por cliente, no asumidos internamente

- - [ ] Análisis de segmento identifica qué segmentos sobre-indexan — no solo promedios

- - [ ] Señales de alerta temprana son específicas y detectables, no genéricas ("bajo engagement")

- - [ ] Intervenciones vinculan directamente a los principales motivos de churn — sin recomendaciones sin emparejamiento de causa raíz

+ Este skill viene con archivos de soporte — úsalos cuando estén disponibles:

+ - **`references/avoidability-calls.md`** — ¿Evitable o No? Los Judgment Calls en Clasificación de Churn. Aplícalo mientras produces el output; lleva la calibración y los judgment calls que el resumen del método anterior comprime.

+ - **`templates/churn-report.md`** — una versión rellenable del deliverable con los quality gates en línea. Ofrécela cuando el usuario quiera trabajar el documento ellos mismos en lugar de tenerlo generado.

+ ## Rúbrica de Scoring (0–40)

+ Puntúa cualquier output de este skill antes de entregarlo; 32+ es de calidad ship.

+ | Dimensión | 0 | 5 | 10 |

+ |---|---|---|---|

+ | Integridad de matemática de tasa | Churn computado en recuento de fin de período; sin NRR | Denominador correcto pero solo churn bruto | Denominador correcto, churn bruto y neto lado a lado, contexto de benchmark que interpreta en lugar de decorar |

+ | Separación de evitabilidad | Todo churn tratado como un pool | Categorías tabuladas pero las intervenciones aún abordan el pool completo | División evitable/inevitable/involuntaria llevada a través de cada sección downstream; intervenciones tocan solo la parte evitable |

+ | Insight de segmento & timing | Solo promedios | Tabla de segmento presente pero sin lectura de sobre-índice | Nombra la celda de sobre-índice específica (tier × cohorte) y el momento de mayor riesgo, con el "por qué" |

+ | Linkage de intervención | Las recomendaciones flotan libres de causas | Cada intervención nombra una razón pero el impacto no está dimensionado | Cada intervención mapea a una razón ordenada con cuentas/ARR estimados recuperados, y la llamada de prioridad justifica su secuenciación |

+ ## Quality Checks

+ - [ ] La tasa de churn se calcula correctamente (churn ÷ cohorte inicial, no total de fin de período)

+ - [ ] El churn evitable e inevitable están separados — las intervenciones solo tocan el churn evitable

+ - [ ] Las razones de churn son reportadas por clientes, no asumidas internamente

+ - [ ] El análisis de segmento identifica qué segmentos sobre-indexan — no solo promedios

+ - [ ] Las señales de alerta temprana son específicas y detectables, no genéricas ("bajo engagement")

+ - [ ] Las intervenciones se vinculan directamente a las razones principales de churn — ninguna recomendación sin un match de causa raíz

+ ## Frases de Trigger de Ejemplo

+ - "Investigar por qué se van los clientes."

+ - "Calcular net revenue retention."

+ - "Construir un plan de intervención de retención."