基于用户行为数据的留存动因分析与预警策略研究

1.1 项目背景

在电商和订阅式商业模式中，用户留存率是衡量产品健康度和商业可持续性的核心指标。获取新用户的成本远高于维护老用户，因此，通过数据分析定位流失原因、预测流失风险并制定留存策略，是数据分析师的核心工作之一。

本项目旨在通过对用户行为、交易记录和画像数据的分析，回答以下业务问题：

• 哪些用户特征最能预示流失风险？

• 会员制度、客服体验、参与度等因素如何影响留存？

• 如何将数据洞察转化为可落地的运营策略？

1.2 数据来源

合成数据的优势：逻辑清晰、结论可验证，适合作为分析项目练习；真实业务中需额外关注数据质量和脏数据处理。

第二部分：分析工具与流程

2.1 工具链

2.2 分析流程

原始数据 → 数据清洗 → 探索性分析(EDA) → SQL取数与分组分析 → 可视化看板 → 业务结论与建议

第三阶段：数据清洗与预处理（Python）

3.1 原始数据情况

• 两个文件通过Customer_ID关联

• 特征表：15列（用户行为 + 画像）

• 标签表：1列（churned：Yes/No）

3.2 清洗步骤

3.3 清洗代码

import pandas as pd import numpy as np import os # ============================================ # 读取数据 # ============================================ features_path = r'D:\Users\qimiao\Desktop\数据分析\archive1\ecommerce_customer_features.csv' targets_path = r'D:\Users\qimiao\Desktop\数据分析\archive1\ecommerce_customer_targets.csv' features = pd.read_csv(features_path) targets = pd.read_csv(targets_path) print("=== 数据读取成功 ===") print(f"特征表: {features.shape}") print(f"标签表: {targets.shape}") print(f"\n特征表列名:\n{features.columns.tolist()}") print(f"\n标签表前5行:\n{targets.head()}") # ============================================ # 合并两个文件 # ============================================ df = features.merge(targets, on='Customer_ID', how='inner') print(f"\n=== 合并完成 ===") print(f"合并后形状: {df.shape}") # ============================================ # 检查缺失值 # ============================================ print("\n=== 缺失值检查 ===") missing = df.isnull().sum() missing_pct = missing / len(df) * 100 missing_df = pd.DataFrame({'缺失数量': missing, '缺失比例(%)': missing_pct}) print(missing_df[missing_df['缺失数量'] > 0]) # ============================================ # 处理缺失值 # ============================================ numeric_cols = df.select_dtypes(include=[np.number]).columns for col in numeric_cols: if df[col].isnull().sum() > 0: df[col].fillna(df[col].median(), inplace=True) print(f"已填充 {col} 的缺失值") categorical_cols = df.select_dtypes(include=['object']).columns for col in categorical_cols: if col != 'Customer_ID' and df[col].isnull().sum() > 0: mode_val = df[col].mode()[0] if len(df[col].mode()) > 0 else 'Unknown' df[col].fillna(mode_val, inplace=True) print(f"已填充 {col} 的缺失值") # ============================================ # 检查异常值 # ============================================ print("\n=== 异常值检查 ===") for col in numeric_cols: min_val = df[col].min() max_val = df[col].max() if col == 'discount_usage_rate' and max_val > 1: print(f"{col}: 最大值 {max_val} > 1，存在异常") if col == 'account_age_months' and max_val > 120: print(f"{col}: 最大值 {max_val} > 120") # 截尾处理（可选） for col in numeric_cols: q99 = df[col].quantile(0.99) q01 = df[col].quantile(0.01) df[col] = df[col].clip(lower=q01, upper=q99) print("已对数值列进行1%-99%截尾处理") # ============================================ # 转换目标变量 # ============================================ df['churned'] = df['churned'].map({'No': 0, 'Yes': 1}) print(f"\n=== 目标变量分布 ===") print(df['churned'].value_counts()) print(f"流失率: {df['churned'].mean():.2%}") # ============================================ # 删除重复值 # ============================================ initial_rows = len(df) df = df.drop_duplicates(subset=['Customer_ID']) print(f"\n删除重复行: {initial_rows - len(df)} 行") # ============================================ # 保存清洗后的数据（保存到你指定的桌面文件夹） # ============================================ output_path = r'D:\Users\qimiao\Desktop\数据分析\cleaned_ecommerce.csv' df.to_csv(output_path, index=False) print(f"\n清洗完成！已保存为: {output_path}") print(f"最终数据形状: {df.shape}") # ============================================ # 快速验证 # ============================================ print("\n=== 快速验证 ===") print(f"1. 剩余缺失值数量: {df.isnull().sum().sum()}") print(f"2. churned 唯一值: {df['churned'].unique()}") print(f"3. 数据前3行:\n{df.head(3)}")

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 设置中文显示（避免图表乱码） plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'Arial Unicode MS'] plt.rcParams['axes.unicode_minus'] = False # ============================================ # 读取清洗后的数据 # ============================================ df = pd.read_csv(r'D:\Users\qimiao\Desktop\数据分析\cleaned_ecommerce.csv') print("=== 数据加载成功 ===") print(f"数据形状: {df.shape}") print(f"列名: {df.columns.tolist()}\n") # ============================================ # 1. 目标变量分布（流失 vs 未流失） # ============================================ print("=== 1. 目标变量分布 ===") churn_counts = df['churned'].value_counts() churn_pct = df['churned'].value_counts(normalize=True) print(f"未流失(0): {churn_counts[0]} 人, 占比 {churn_pct[0]:.2%}") print(f"流失(1): {churn_counts[1]} 人, 占比 {churn_pct[1]:.2%}") # 可视化 fig, axes = plt.subplots(1, 2, figsize=(10, 4)) df['churned'].value_counts().plot(kind='bar', ax=axes[0], color=['green', 'red']) axes[0].set_title('流失用户分布') axes[0].set_xticklabels(['未流失', '流失'], rotation=0) axes[0].set_ylabel('用户数') df['churned'].value_counts(normalize=True).plot(kind='pie', ax=axes[1], autopct='%1.1f%%', colors=['green', 'red']) axes[1].set_title('流失用户占比') plt.tight_layout() plt.savefig(r'D:\Users\qimiao\Desktop\数据分析\1_churn_distribution.png', dpi=150) plt.show() # ============================================ # 2. 数值特征统计摘要 # ============================================ print("\n=== 2. 数值特征统计摘要 ===") numeric_cols = df.select_dtypes(include=[np.number]).columns numeric_cols = [col for col in numeric_cols if col != 'churned'] print(df[numeric_cols].describe()) # ============================================ # 3. 流失用户 vs 未流失用户 特征对比 # ============================================ print("\n=== 3. 流失 vs 未流失 特征均值对比 ===") compare_df = df.groupby('churned')[numeric_cols].mean().T compare_df.columns = ['未流失', '流失'] compare_df['差异'] = compare_df['流失'] - compare_df['未流失'] compare_df['差异百分比'] = (compare_df['差异'] / compare_df['未流失']) * 100 print(compare_df.sort_values('差异', ascending=False)) # 可视化：Top 5 差异最大的特征 fig, ax = plt.subplots(figsize=(12, 6)) top_features = compare_df['差异'].abs().sort_values(ascending=False).head(8).index diff_plot = compare_df.loc[top_features, ['未流失', '流失']] diff_plot.plot(kind='bar', ax=ax, color=['green', 'red']) ax.set_title('流失 vs 未流失 用户特征对比（差异最大的8个特征）') ax.set_ylabel('均值') ax.set_xlabel('特征') ax.legend(['未流失', '流失']) ax.tick_params(axis='x', rotation=45) plt.tight_layout() plt.savefig(r'D:\Users\qimiao\Desktop\数据分析\2_feature_comparison.png', dpi=150) plt.show() # ============================================ # 4. 相关性矩阵分析 # ============================================ print("\n=== 4. 特征与流失的相关性 ===") correlations = df[numeric_cols + ['churned']].corr()['churned'].sort_values(ascending=False) print(correlations) # 可视化热力图 plt.figure(figsize=(14, 10)) corr_matrix = df[numeric_cols + ['churned']].corr() mask = np.triu(np.ones_like(corr_matrix, dtype=bool)) sns.heatmap(corr_matrix, mask=mask, annot=True, fmt='.2f', cmap='RdBu_r', center=0, square=True, linewidths=0.5) plt.title('特征相关性热力图', fontsize=14) plt.tight_layout() plt.savefig(r'D:\Users\qimiao\Desktop\数据分析\3_correlation_heatmap.png', dpi=150) plt.show() # ============================================ # 5. 关键特征的分组分析 # ============================================ print("\n=== 5. 关键特征分析 ===") # 5.1 账号年龄 vs 流失 print("\n5.1 不同账号年龄段的流失率:") df['age_group'] = pd.cut(df['account_age_months'], bins=[0, 3, 6, 12, 24, 120], labels=['0-3月', '4-6月', '7-12月', '13-24月', '24月以上']) age_churn = df.groupby('age_group')['churned'].agg(['count', 'mean']) age_churn.columns = ['用户数', '流失率'] print(age_churn) # 5.2 会员 vs 非会员 print("\n5.2 会员与非会员的流失率:") loyalty_churn = df.groupby('loyalty_member')['churned'].agg(['count', 'mean']) loyalty_churn.columns = ['用户数', '流失率'] print(loyalty_churn) # 5.3 客服工单数 vs 流失 print("\n5.3 不同客服工单数的流失率:") ticket_churn = df.groupby('customer_support_tickets')['churned'].agg(['count', 'mean']) ticket_churn.columns = ['用户数', '流失率'] print(ticket_churn) # 可视化：年龄分组流失率 fig, axes = plt.subplots(1, 3, figsize=(15, 4)) # 年龄分组 age_churn['流失率'].plot(kind='bar', ax=axes[0], color='coral') axes[0].set_title('不同账号年龄段的流失率') axes[0].set_xlabel('账号年龄') axes[0].set_ylabel('流失率') axes[0].tick_params(axis='x', rotation=45) # 会员 vs 非会员 loyalty_churn['流失率'].plot(kind='bar', ax=axes[1], color=['green', 'red']) axes[1].set_title('会员 vs 非会员 流失率') axes[1].set_xlabel('是否会员') axes[1].set_ylabel('流失率') axes[1].set_xticklabels(['会员(Yes)', '非会员(No)'], rotation=0) # 客服工单数 ticket_churn['流失率'].plot(kind='bar', ax=axes[2], color='steelblue') axes[2].set_title('不同客服工单数的流失率') axes[2].set_xlabel('客服工单数') axes[2].set_ylabel('流失率') plt.tight_layout() plt.savefig(r'D:\Users\qimiao\Desktop\数据分析\4_key_features_analysis.png', dpi=150) plt.show() # ============================================ # 6. 流失用户的画像总结 # ============================================ print("\n=== 6. 流失用户画像总结 ===") churned_users = df[df['churned'] == 1] retained_users = df[df['churned'] == 0] print("流失用户的典型特征（与未流失用户对比）:") for col in numeric_cols: churned_mean = churned_users[col].mean() retained_mean = retained_users[col].mean() diff_pct = (churned_mean - retained_mean) / retained_mean * 100 direction = "↑ 更高" if diff_pct > 0 else "↓ 更低" if abs(diff_pct) > 5: # 只显示差异超过5%的特征 print(f" {col}: {direction} ({diff_pct:+.1f}%)") # ============================================ # 保存分析结果 # ============================================ # 将对比结果保存为CSV compare_df.to_csv(r'D:\Users\qimiao\Desktop\数据分析\feature_comparison.csv') print("\n分析完成！图表和结果已保存到桌面数据分析文件夹")

3.4 清洗后数据概览

关键字段示例：'Customer_ID', 'account_age_months', 'avg_order_value', 'total_orders', 'days_since_last_purchase', 'discount_usage_rate', 'return_rate', 'customer_support_tickets', 'loyalty_member', 'browsing_frequency_per_week', 'cart_abandonment_rate', 'product_review_score_avg', 'engagement_score', 'satisfaction_score', 'price_sensitivity_index', 'churned'

清洗结论：数据质量良好，无缺失值、无重复行，可直接用于分析。

第四阶段：探索性数据分析（EDA，Python）

4.1 流失用户对比分析

通过对比流失组(churned=1)和留存组(churned=0)的特征均值，识别关键差异：

4.2 相关性分析

EDA结论：参与度评分和距上次购买天数是预测流失的最强信号。

第五阶段：SQL分组分析与Cohort分析（DBeaver）

5.1 分析目标

在 DBeaver 中对清洗后的数据执行分组聚合，回答四个核心业务问题。

5.2 核心SQL查询与结果

查询1：整体流失率

SELECT COUNT(*) AS total_users, SUM(churned) AS churned_users, ROUND(CAST(SUM(churned) AS FLOAT) / COUNT(*) * 100, 2) AS churn_rate_pct FROM cleaned_ecommerce;

查询2：会员 vs 非会员流失率

SELECT loyalty_member, COUNT(*) AS user_count, ROUND(AVG(churned) * 100, 2) AS churn_rate_pct FROM cleaned_ecommerce GROUP BY loyalty_member;

会员流失率比非会员低约 7.9个百分点。

查询3：客服工单数 vs 流失率

SELECT customer_support_tickets, COUNT(*) AS user_count, ROUND(AVG(churned) * 100, 2) AS churn_rate_pct FROM cleaned_ecommerce GROUP BY customer_support_tickets ORDER BY customer_support_tickets;

工单≥3次的用户，流失率是平均水平的 2倍以上。

查询4：账号年龄分组流失率（Cohort）

SELECT CASE WHEN account_age_months <= 3 THEN '0-3月' WHEN account_age_months <= 6 THEN '4-6月' WHEN account_age_months <= 12 THEN '7-12月' WHEN account_age_months <= 24 THEN '13-24月' ELSE '24月以上' END AS age_group, COUNT(*) AS user_count, ROUND(AVG(churned) * 100, 2) AS churn_rate_pct FROM cleaned_ecommerce GROUP BY age_group;

流失最高峰出现在注册后4-12个月，而非新手期。

查询5：参与度评分 vs 流失率（最重要发现）

SELECT CASE WHEN engagement_score <= 2 THEN '低(0-2)' WHEN engagement_score <= 4 THEN '中低(2-4)' WHEN engagement_score <= 6 THEN '中(4-6)' WHEN engagement_score <= 8 THEN '中高(6-8)' ELSE '高(8-10)' END AS engagement_level, COUNT(*) AS user_count, ROUND(AVG(churned) * 100, 2) AS churn_rate_pct FROM cleaned_ecommerce GROUP BY engagement_level;

参与度评分≤2的用户几乎必流失，≥6的用户几乎不流失。 这是整个项目中最具预测力的留存指标。

第六阶段：Tableau可视化看板

6.1 看板组成

6.2 看板截图

订阅用户留存与流失分析 | Tableau Public

项目延伸：A/B 测试方案

——验证“低参与度用户激活策略”对留存的影响

一、测试背景（基于项目核心发现）

本报告已发现：

参与度评分 < 4 的用户，留存率不足 50%；评分 < 2 的用户几乎必流失。

这说明：

• 低参与度用户是流失的高危人群

• 对这些用户进行早期干预，是提升留存的潜在杠杆

为此，设计如下 A/B 测试。

二、实验假设

• 原假设 H₀：对低参与度用户进行干预，不会显著提升留存率

• 备择假设 H₁：干预能显著提升 14 日留存率

三、实验对象与分组

四、实验组干预策略（可执行方案）

针对实验组用户在以下三个时间点，触发自动化干预：

所有动作均可通过现有运营系统自动化完成。

五、核心指标

六、实验结果判断标准

使用Z 检验 / 卡方检验，显著性水平 α = 0.05：

第七阶段：核心业务结论

基于以上分析，得出 4条核心结论：

结论1：参与度是留存的“前置预警指标”

参与度评分<4的用户，留存率低于50%；评分<2的用户，留存率接近0%。 建议：设定参与度<3.5为自动激活阈值（Push/优惠券/任务引导）。

结论2：会员身份对留存有独立正向影响

会员留存率91% vs 非会员83%，且在同龄段中差异依然显著。 建议：新用户注册流程中强化会员权益展示，对高价值非会员定向推送会员试用。

结论3：客服工单是“流失放大器”

工单≥3次的用户，留存率下降15–23个百分点。 建议：对高频投诉用户建立主动回访机制，产品侧减少用户求助场景。

结论4：流失最高峰在注册后4–12个月

该阶段留存率最低（82.2%），并非“新手期”。 建议：在第3/6/9个月设计系统化的留存干预动作。

第八部分：可落地业务建议汇总

第九部分：局限性与改进方向

9.1 当前局限

• 数据为合成数据，缺乏真实业务的“脏乱”特征

• 缺少时序数据，无法分析行为变化趋势

9.2 改进方向

• 对接真实业务数据，增加数据清洗复杂度

• 构造时序特征（如参与度下降速度、购买间隔变化趋势）