数据分析案例：浅谈生存分析在用户流失中的应用

共 2375字，需浏览 5分钟

· 2021-12-20

导读：生存分析（Survival analysis），是医学领域常见的分析方法，直白点说，就是分析“因素”和“生存”是否相关，能够直接将研究的因子和患者最终的预后表型关联起来，其重要性可想而知。目前，生存分析已经广泛应用于社会科学和商业领域，今天我们将从用户流失的视角来谈谈它的应用。

前言

生存分析可以简单概括为：研究特定事件的发生与时间的关系的回归。这里特定事件可以是：病人死亡、病人康复、用户流失、商品下架等。

以用户流失为例：

将用户下首单日期当做“出生”时刻，用户注销（或长时间不下单）当做“死亡”时刻(用户流失），两者相减即为用户的生存时间。

当研究用户流失与时间的关系时我们往往会在意，什么样性别年龄的客户、在什么样消费力水平下、面对什么样促销力度诱惑、结合什么样的召回手段，会产生什么样的"生存时间"？带着这些疑问，继续看下去，生存分析能够给我们答案。

介绍到这里可能有同学会问：为什么上述场景不能用普通的线性回归呢？

仔细回顾这个场景，我们将2020年1月1日当做观察开始时间，将2021年6月30日当做观察截止时间，用户在这期间下首单的日期为该用户出生时时刻，注销日期为该用户死亡时刻。

有一类用户，在这1年半期间完成了下首单（出生）到注销（死亡）的流程，可以算出来他们准确的生存时间；但是还有另外一类用户，在这期间下首单之后不断购买，未注销（未死亡），这部分用户的生存时间还有多久？并不清楚！

生存分析中将这部分用户的生存数据称为删失数据，结合删失数据与完整数据来研究用户的生存时间，这是普通的线性回归难以实现的。

案例介绍

为了使大家有个直观的感受，下面以一个特殊的案例简要介绍该方法在用户流失中的应用（本案例数据纯属模拟生成，仅用于本节生存分析案例的使用介绍）。

1. 定义

观察起始时间：2020年1月1日-2021年6月30日
用户出生时刻：用户第一次下单时间
用户死亡时刻：用户注销时间（或者用户超X个月未下单），为了表述方便，这里使用用户注销当做用户流失
生存时间(Y)：对于在观察期间注销用户来说：生存时间=用户注销时间-用户第一次下单时间；对于到观察期截止，仍未注销的用户来说：生存时间=观察截止日期-用户第一次下单时间
是否死亡(N)：观察期截止，用户是否注销
影响因素(X)：影响用户生存时间长短的因素，比如性别、年龄、是否会员、最大消费金额、是否评论、最大购买间隔天数等

2. 数据格式化

需要的原始数据格式如下：