Churn & Abonnements

Ziggy MCP vous donne une vision precise du churn, nettoyee des faux departs.

Questions types

“Quel est le taux de churn en mai ?”

“Pourquoi les clients resilient ?”

“Combien de churners passifs ce mois-ci ?”

Les breakdowns disponibles

Le churn a plusieurs angles de lecture — la bonne question vous donne le bon angle.

Par scope (type de churn)

“Taux de churn actif seulement en mai ?” ou “Taux de churn polite en avril ?”

Trois scopes disponibles :

• all (defaut) : churn reel total = actif + passif + poli. Cible = 22.57%
• hard : actif (resiliation volontaire) + passif (echec paiement) — exclut les departs polis
• polite : uniquement les resiliations polies (“J’ai trop de stock”) — 73.4% sont vraiment perdus

Par granularite (subscription vs customer)

“Taux de churn par customer en mai ?” ou “Combien de clients distincts ont churne ?”

Deux niveaux :

• subs (defaut) : compte les subscriptions (un client peut avoir plusieurs abonnements)
• customer : compte les clients distincts (un client qui perd 3 abonnements = 1 seul churner)

Par type de churner (actif / passif / poli)

“Combien de churners actifs vs passifs en mars ?”

metric_get_churners donne le breakdown complet :

• Churner actif : resiliation volontaire (le client a clique “annuler”)
• Churner passif : echec paiement silencieux, carte expiree
• Churn poli : motif “J’ai trop de stock” (inclus dans le churn depuis C2)

Par raison de resiliation

“Pourquoi les clients resilient en mai ?” ou “Top 10 motifs de resiliation ?”

metric_get_churn_cancel_reasons classe les raisons par volume. Exemple de reponse :

1. “Mon chat n’aime pas/plus vos produits” — 311 (28%)
2. “J’ai trop de stock” — 245 (22%)
3. “Probleme de livraison” — 89 (8%) …

Ajoutez include_passive: true pour voir aussi les raisons des passifs.

Par score de risque

“Quels abonnements sont a risque critique ?” ou “Score de risque du client 12345 ?”

metric_get_churn_risk_score donne un score 0-100 par subscription, avec 4 tiers :

• low (0-25) : client stable
• medium (25-50) : premiers signaux
• high (50-75) : risque eleve
• critical (75-100) : intervention urgente

Chaque score inclut les contributing_factors (raisons du score).

Diagnostic croise

“Diagnostic churn des clients google/cpc a risque critique ?”

metric_get_churn_diagnostic croise tout : churn_status + risk_score + risk_tier + channel. Vous pouvez filtrer par n’importe quelle combinaison.

Ce que Claude vous repond

Chaque reponse inclut la methodologie : vous savez exactement ce qui est compte et ce qui ne l’est pas.

• admin_reissue (78% des cancelled) est exclu — ce sont des modifications d’abonnement, pas des departs
• churn_polite est inclus depuis l’amendment C2 (73.4% sont vraiment perdus)

Cohorte vs flux

Le taux de churn Ziggy MCP est un taux cohorte (churners de la cohorte / total abonnements crees ce mois). Il est different du taux mensuel flux d’Elise (churners du mois / abonnes actifs fin de mois). Les deux sont corrects — ils mesurent des choses differentes.

Outils sous-jacents

Outil	Breakdown	Parametres cles
metric_get_churn_rate	Par scope, par granularite	period, scope (all/hard/polite), granularity (subs/customer)
metric_get_churners	Par type (actif/passif/poli)	churn_period, limit
metric_get_passive_churners	Passifs par cohorte et canal	cohort_month, channel
metric_get_churn_cancel_reasons	Par raison de resiliation	cohort_month, include_passive
metric_get_churn_diagnostic	Croise status x risk x channel	risk_tier, churn_status, channel
metric_get_churn_risk_score	Par score 0-100, par tier	customer_id, risk_tier, period
metric_get_subscription_lifecycle	Timeline d’un client	customer_id
metric_get_active_subscribers	Abonnes actifs par cohorte	cohort_month

Pour les parametres detailles, consultez le catalogue complet.