Un Claude Skill que toma una cuenta que hizo churn y produce un análisis de causa raíz estructurado: evento disparador, factores contribuyentes, desviación del success plan, señales que se dejaron pasar y una recomendación de prevención. La salida es consistente entre CSMs, así que RevOps puede agregar causas raíz trimestralmente sin recodificar notas en texto libre.

Qué necesitas

Claude.ai o Claude Code
HubSpot o tu CRM con el registro de churn (close-lost reason, fecha de churn)
Gainsight o tu plataforma de CS para health scores y eventos del timeline
Opcional: snippets de calls de Gong de los últimos 180 días
Una taxonomía de churn (5-10 categorías de causa raíz que tu equipo haya acordado)

Setup

Define la taxonomía. Edita references/churn-taxonomy.md con tus categorías de nivel uno (por ejemplo, product-gap, champion-departure, pricing, consolidation, service-failure). El Skill fuerza cada análisis a una categoría primaria y hasta dos contribuyentes de esta lista.
Instala el Skill. Coloca churn-analysis.skill en ~/.claude/skills/. Define HUBSPOT_TOKEN y GAINSIGHT_TOKEN en el entorno.
Ejecuta sobre el churn. analyze_churn(account_id="...", churn_date="2026-04-15"). El Skill jala el timeline, calls y notas, y luego produce un análisis de una página.
Revisa con el CSM. El CSM dueño de la cuenta corrige errores factuales y confirma la categorización de causa raíz. RevOps guarda el documento final en una carpeta compartida de Notion o Drive.

Cómo funciona

El Skill construye un timeline de 180 días con eventos del CRM, cambios de health score, support cases y calls de Gong. Busca puntos de inflexión — una caída súbita de health, un cambio de sponsor, un QBR perdido — y los ranquea por proximidad a la fecha de churn.

Luego corre un análisis de Claude en dos pasadas. La primera extrae evidencia: citas de calls de Gong, patrones de support tickets, caídas de uso. La segunda clasifica el churn contra tu taxonomía y produce el output estructurado. Crucialmente, el Skill se rehúsa a asignar una causa raíz si la evidencia es delgada — devuelve “datos insuficientes” en lugar de adivinar, lo que mantiene honesta la vista trimestral agregada.

La recomendación de prevención es la parte accionable: qué cambio de proceso, alerta o actualización de playbook habría detectado esto antes.

A tener en cuenta

Sesgo retrospectivo. Es fácil construir una narrativa limpia después del hecho. Cruza el output del Skill con la experiencia vivida del CSM — si el CSM disiente, su criterio gana.
Crecimiento de la taxonomía. No dejes que la taxonomía pase de 10 categorías. El punto entero es la agregación; si cada churn es único, no puedes ver patrones.
Atribución a champion-departure. Es fácil sobre-atribuir a esta categoría. Exige evidencia (una fecha de salida en LinkedIn o un registro de cambio de contacto en CRM) antes de que el Skill la asigne.

Stack

HubSpot — registro de churn e historial de contactos
Gainsight — health scores, eventos de timeline, success plans
Claude — síntesis del timeline y clasificación de causa raíz