Как создать проактивный агент для предотвращения оттока клиентов с помощью интеллектуального наблюдения и формирования стратегии

Как создать проактивный агент для предотвращения оттока клиентов с помощью интеллектуального наблюдения и формирования стратегии

В этом руководстве мы создадим полностью функционального агента по предотвращению оттока клиентов, который проактивно выявляет пользователей из группы риска и составляет персонализированные письма для повторного вовлечения до того, как они отменят подписку. Вместо того чтобы ждать, пока произойдёт отток, мы разработаем агентскую петлю, в которой будем наблюдать за неактивностью пользователей, анализировать поведенческие паттерны, планировать стимулы и генерировать готовые к отправке письма с помощью Gemini.

Настройка среды и библиотек

Мы настроим нашу среду, импортируем все необходимые библиотеки и убедимся, что Gemini доступен для использования. Мы сделаем инициализацию минимальной, чтобы остальная часть системы загружалась чисто. По мере выполнения мы подготовим основу для следующего агентского рабочего процесса.

```python

import os

import time

import json

import random

from datetime import datetime, timedelta

from typing import List, Dict, Any

import textwrap

try:

import google.generativeai as genai

except ImportError:

!pip install -q -U google-generativeai

import google.generativeai as genai

from google.colab import userdata

import getpass

```

Определение функции для настройки Gemini

```python

def setup_gemini():

print("--- Security Check ---")

try:

apikey = userdata.get('GEMINIAPI_KEY')

except:

print("Please enter your Google Gemini API Key:")

api_key = getpass.getpass("API Key: ")

if not api_key:

raise ValueError("API Key is required to run the agent.")

genai.configure(apikey=apikey)

return genai.GenerativeModel('gemini-2.5-flash')

```

Создание фиктивной базы данных клиентов

```python

class MockCustomerDB:

def init(self):

self.today = datetime.now()

self.users = self.generatemock_users()

def generatemock_users(self) -> List[Dict]:

profiles = [

{"id": "U001", "name": "Sarah Connor", "plan": "Enterprise",

"lastlogindaysago": 2, "topfeatures": ["Reports", "Admin Panel"], "total_spend": 5000},

{"id": "U002", "name": "John Smith", "plan": "Basic",

"lastlogindaysago": 25, "topfeatures": ["Image Editor"], "total_spend": 50},

{"id": "U003", "name": "Emily Chen", "plan": "Pro",

"lastlogindaysago": 16, "topfeatures": ["API Access", "Data Export"], "total_spend": 1200},

{"id": "U004", "name": "Marcus Aurelius", "plan": "Enterprise",

"lastlogindaysago": 45, "topfeatures": ["Team Management"], "total_spend": 8000}

]

return profiles

def fetchatriskusers(self, thresholddays=14) -> List[Dict]:

return [u for u in self.users if u['lastlogindaysago'] >= thresholddays]

```

Создание агента по предотвращению оттока клиентов

```python

class ChurnPreventionAgent:

def init(self, model):

self.model = model

def analyzeandstrategize(self, user: Dict) -> Dict:

print(f" ... Analyzing strategy for {user['n...

Читать далее