电信客户生存分析与LTV测算

1. 项目背景与分析目标

本项目基于IBM电信客户流失数据集，通过生存分析方法，量化评估不同用户特征对客户留存时长的影响，并最终完成客户生命周期价值（LTV）的测算，为电信企业的用户运营、获客成本管控、增值服务推广提供数据支撑。

生存分析是一类专门处理「时间-事件」型数据的统计方法，核心优势是可以处理截尾数据（即分析时仍未流失的在网用户），精准刻画用户随时间变化的流失风险，相比传统的分类模型更适配留存与LTV分析场景。

本项目的核心分析目标：

量化不同用户特征对客户留存时长的影响
验证Cox比例风险模型和AFT加速失效时间模型的适用性，完成模型诊断与优化
将生存概率转化为可落地的商业指标，完成LTV测算

2. 数据预处理与样本筛选

本项目基于IBM Telco Customer Churn数据集，为聚焦核心分析场景，我们对样本进行了精准筛选：

仅保留按月付费（Month-to-month）的用户，排除长期合约用户的干扰
仅保留开通互联网服务的用户，聚焦增值服务对留存的影响
完成缺失值清洗、特征标准化与独热编码，最终纳入分析的有效样本量为3351名用户

核心分析字段说明：

生存时间（Tenure）：用户在网时长（单位：月）
事件（Churn）：是否流失，1=已流失，0=仍在网（截尾数据）
核心协变量：是否有家属（Dependents）、是否使用DSL宽带（InternetService_DSL）、是否开通在线备份（OnlineBackup）、是否开通技术支持（TechSupport）

3. Kaplan-Meier 非参数生存评估

Kaplan-Meier（KM）是生存分析中最常用的非参数方法，无需假设数据分布，即可有效处理截尾数据，绘制用户生存曲线，直观展示随时间变化的留存概率。

3.1 总体用户生存情况

全量用户的生存分析结果显示：

朴素中位数（未处理截尾数据）：用户平均在网时长仅13个月
KM修正后的生存时间中位数：约34个月，远高于朴素均值，验证了截尾数据处理的必要性

生存曲线呈现「前期下降较快、中后期逐渐平缓稳定」的趋势，说明新用户前几个月存在流失高风险期，留存时间长的的用户流失概率会降低。

3.2 单变量组间差异检验

通过对数秩检验（Log-Rank Test）对比不同特征组的生存曲线差异，以Gender和OnlineSecurity两个变量为例进行分析展示：

性别（Gender）：p>0.05，不同性别的留存曲线无统计学显著差异
在线安全服务（OnlineSecurity）：p<0.001，未开通该服务的用户曲线下降斜率极陡，流失速度显著加快
除此之外技术支持、在线备份等增值服务，均对用户留存有显著的正向影响

关键结论：KM分析验证了增值服务、家庭属性等特征对用户留存的显著影响，但仅能完成单变量分析，无法控制多变量的交互影响，因此需要引入多变量回归模型。

4. Cox 比例风险模型多变量分析

Cox比例风险模型是生存分析中最常用的半参数多变量回归模型，无需假设生存时间的分布，即可量化多个协变量对用户流失风险的影响，核心输出为风险比（Hazard Ratio, HR）。

HR < 1：该变量为保护因素，降低用户流失风险，数值越小保护效应越强
HR = 1：该变量对流失风险无显著影响
HR > 1：该变量为危险因素，提升用户流失风险

4.1 模型拟合结果

我们纳入4个核心协变量拟合Cox模型，结果如下：

从结果可以看出，4个变量均为用户留存的显著保护因素，保护效应从强到弱排序为：在线备份 > 技术支持 > 有家属 > DSL宽带。

5. 比例风险(PH)假设检验与模型诊断

Cox模型的核心适用前提是比例风险（Proportional Hazards, PH）假设：即协变量的风险比HR不随时间发生变化。若该假设不满足，模型输出的固定HR会存在偏倚，解读结果会出现误导。

本项目通过两种方法完成PH假设检验：Schoenfeld残差检验、对数-对数生存曲线平行性检验。

5.1 PH假设检验

Schoenfeld残差是Cox模型专属的诊断方法，核心逻辑：若PH假设成立，残差随时间变化无系统性趋势，拟合线应水平围绕0线波动；若拟合线有明显倾斜/弯曲，说明HR随时间变化，违反PH假设。

检验结果如下：

协变量	检验方法	检验统计量	p值	PH假设检验结论
dependents_Yes	km变换	1.48	0.22	✅ 满足PH假设
dependents_Yes	rank变换	0.81	0.37	✅ 满足PH假设
internetService_DSL	km变换	20.98	<0.005	❌ 不满足PH假设
internetService_DSL	rank变换	26.71	<0.005	❌ 不满足PH假设
onlineBackup_Yes	km变换	17.80	<0.005	❌ 不满足PH假设
onlineBackup_Yes	rank变换	17.47	<0.005	❌ 不满足PH假设
techSupport_Yes	km变换	8.09	<0.005	❌ 不满足PH假设
techSupport_Yes	rank变换	13.76	<0.005	❌ 不满足PH假设

5.2 检验结果解读

核心结论：仅dependents_Yes满足PH假设，其余3个增值服务相关变量均不严格满足PH假设，说明这些变量的保护效应并非固定不变，而是随时间发生变化。

本项目中，DSL宽带、在线备份、技术支持均不严格满足PH假设，标准Cox模型输出的固定HR仅能作为整个周期的「时间加权平均风险比」，可能无法精准刻画效应的时间动态变化。

6. 加速失效时间(AFT)模型方案

为解决Cox模型PH假设不满足的问题，我们引入全参数的加速失效时间（Accelerated Failure Time, AFT）模型，该模型无需满足PH假设，直接建模用户生存时间，输出变量对用户生命周期的拉伸/缩短倍数。对数分布下，系数 > 0代表该因素会延长客户的留存时间（即“减慢”了失效的过程），系数 < 0代表该因素会缩短留存时间。

6.1 模型拟合与诊断

本项目采用适配用户流失长尾分布的Log-Logistic分布拟合AFT模型，核心结果如下：

核心结论：AFT 直接衡量变量对客户生存时间的“加速或减速”乘数效应。本环节纳入了支付方式、多线网络、是否有伴侣等 9 个虚拟变量。结果所有变量都在 0 的右侧。在对数分布下，这意味着这些因素全都能显著延长客户的寿命。AFT模型预测的全量用户中位生存时间约为21个月

模型诊断结果：以onlineSecurity和techSupport两个特征为例，绘制该模型组别间的对数几率曲线 (Log-Odds Plots)。发现数据整体符合Log-Logistic分布的线性要求（Log-Odds Plots大致呈现直线），但亦存在轻微的分布偏离；两组直线也不完全平行，也未能严格满足AFT恒定加速的假设。

7. 客户生命周期价值(LTV)量化测算

基于Cox生存模型输出的用户留存概率，将统计结果转化为可落地的商业指标——客户生命周期价值（LTV，即累计净现值NPV），为企业获客成本、运营投入提供盈亏平衡基准。

7.1 测算假设

单用户每月预期贡献利润：$30
企业内部年化贴现率：10%（折算为月贴现率约0.797%）
测算对象：开通所有增值服务、有家属、使用DSL宽带的高价值用户群组

7.2 测算结果

核心商业洞察：用户留存时长与LTV呈强正相关。增值服务不仅直接带来收入，更通过拉长用户生命周期，带来可观的LTV增量。高价值用户群组的生存时间中位数超过6年，全生命周期累计LTV超过1600美元，为企业的获客成本划定了清晰的盈亏平衡点。

8. 项目总结

8.1 分析结论

增值服务（在线备份、技术支持）是提升用户留存的核心抓手，可将用户生命周期大幅延长，是具很高性价比的运营手段
新用户需重点推广在线备份、技术支持等增值服务，降低首年流失高风险

8.2 模型优化方向

后续可通过引入时间依存协变量Cox模型、拆分时间窗分阶段建模，进一步精准刻画变量效应的时间动态变化；同时可纳入更多用户行为特征，提升模型的预测精度与业务价值。

电信客户留存与生命周期价值(LTV)生存分析

文章目录