用户流失分析模型：基于年龄、消费与投诉数据的实战指南

1. 项目背景与核心价值

用户流失分析是企业客户关系管理中的关键环节。传统方法往往依赖主观经验判断，而基于客观数据的分析能显著提升预测准确性。这个项目通过三个最具代表性的用户特征维度——年龄、消费金额和投诉次数，构建了一套可量化的流失风险评估模型。

在实际业务场景中，这三个指标的组合能揭示用户生命周期中的关键转折点。比如年轻用户可能因价格敏感流失，高消费用户可能因服务体验不佳离开，而投诉次数直接反映了用户不满程度。将这些数据维度交叉分析，可以识别出高风险用户群体，为精准营销和客户挽留提供数据支撑。

2. 数据准备与特征工程

2.1 数据收集规范

原始数据需要包含以下字段：

• 用户ID（唯一标识）
• 年龄（建议采集实际年龄而非年龄段）
• 近6个月消费总金额
• 历史累计投诉次数
• 用户状态（活跃/流失，作为标签数据）

注意：数据时间窗口建议统一为最近6个月，确保所有用户行为数据的时间跨度一致。消费金额应扣除退款金额，投诉次数只统计已确认的有效投诉。

2.2 特征标准化处理

不同量纲的特征需要标准化：

1. 年龄：直接使用原始值（18-80岁）
2. 消费金额：取自然对数处理，消除极端值影响

   python复制import numpy as np
   df['log_consumption'] = np.log(df['consumption'] + 1)  # 加1防止零值
   

3. 投诉次数：分段离散化处理
   • 0次 = 等级0
   • 1-2次 = 等级1
   • 3-5次 = 等级2

   • 5次 = 等级3

2.3 特征组合创新

创建交叉特征提升模型表现：

• 高消费高投诉组合：消费金额前20%且投诉≥3次
• 年轻低消费组合：年龄<30岁且消费金额后30%
• 老年沉默用户：年龄>60岁且投诉次数=0

3. 分析模型构建

3.1 逻辑回归模型

基础模型采用逻辑回归，因其可解释性强：

python复制from sklearn.linear_model import LogisticRegression

model = LogisticRegression(
    penalty='l2',
    C=0.1,
    cla