用途：生成结构化流失分析，超越单一流失率，识别客户离开原因、最易流失的客群，以及影响留存最高的干预措施。
主要能力：先对流失分类，再分析。类别包括：自愿-可避免（产品缺口、引导失败、关系问题）、自愿-不可避免（预算削减、被收购、公司关闭）、非自愿（支付失败、误未续约、管理错误）。输出含标题数字（期初客户数、流失客户数、客户流失率、期初ARR、流失ARR、毛收入流失率、扩张ARR、净收入留存NRR及基准对比）、按类别流失拆分、仅针对可避免流失的原因排名（含频次、占比、ARR损失、代表性引述与主题归纳）、按层级/队列/行业分群的流失率与超指数识别、时间分析（平均合同长度、最高风险时刻、流失时间分布）、早期预警信号（信号、提前期、检测方式）、按影响×可行性排序的干预建议（对应原因、预计减少流失、工作量、负责人、优先判断）、数据缺口与反模式。
使用方式：若存在professional-brain（brain/），先读取context.md、knowledge/及相关segment实体，运行python3 ../professional-brain/scripts/brain_query.py ./brain "churn"并保留来源标签；产出后可提议将留存发现写入knowledge/、决策写入decisions/、风险驱动写入hypotheses/，经确认后用../professional-brain/scripts/brain_write.py … --commit写入（默认dry-run、仅追加）。需向用户索取时间范围、期初与流失客户数、ARR损失、流失原因数据、客群、当前留存率及近期变化。附带references/avoidability-calls.md与templates/churn-report.md，可按需使用。
适用场景：客户流失调查、留存策略制定、客群风险识别。
限制：不混用可避免与不可避免流失制定干预；流失率分母须为期初队列而非期末客户数；不单靠退出调查；干预须关联具体原因；须同时报告毛流失与NRR。评分0–40，32分以上为可交付。缺失事实暂未提供。