客户流失预警
—— 能不能提前知道谁要走？
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
一、情景导入（小林的故事）
周一早会，运营总监脸色铁青地展示了数据：“上个月我们有20%的活跃客户突然不来了。这意味着什么？按照每人年均消费800元计算，我们一年要损失将近200万！”
老板转向小林：“你能不能提前知道哪些客户要走了？在他们离开之前，我们做点什么？”
小林回想起上周自己分析的数据——那些流失的客户其实在离开前就已经有了“蛛丝马迹”：购买间隔变长、浏览量下降、客服投诉增加……只是当时没人注意到这些信号。
如果能在客户离开之前就识别出风险，我们就能主动挝留。这就是“流失预警”的核心价值。
二、核心知识点
什么是客户流失？
客户流失（Customer Churn）是指客户停止与企业的业务往来。
流失的类型：
| 类型 | 定义 | 示例 |
|---|---|---|
| 主动流失 | 客户主动选择离开 | 卸载APP、取消会员、转向竞品 |
| 被动流失 | 因客观原因停止 | 搬家、破产、需求消失 |
| 自然衰退 | 逐渐减少互动直到沉默 | 购买频次从每月1次变为每半年1次 |
关键认知：不是所有流失都能预防，但大部分流失都有预警信号。
流失的预警信号
| 信号类型 | 具体表现 | 风险等级 |
|---|---|---|
| 购买行为变化 | 购买间隔明显变长 | 高 |
| 消费金额下降 | 客单价持续降低 | 中 |
| 互动减少 | 不再浏览、不点推送 | 高 |
| 投诉增加 | 近期有客服投诉记录 | 中高 |
| 优惠依赖 | 只在有优惠时才购买 | 中 |
| 购买品类变化 | 从多品类变为单品类 | 中 |
简单流失评分方法
给每个客户打一个“流失风险分”（0-100分），分数越高，流失风险越大。
评分维度：
| 维度 | 权重 | 评分规则（0-100） |
|---|---|---|
| 购买频率变化 | 30% | 近3个月购买次数 vs 前3个月 |
| 最近一次购买 | 25% | 距今天数越久，分数越高 |
| 消费金额趋势 | 20% | 近3个月消费额 vs 前3个月 |
| 互动活跃度 | 15% | APP打开次数、页面浏览量 |
| 投诉/售后 | 10% | 近期是否有投诉记录 |
流失风险分 = Σ（各维度得分 × 权重）
AI辅助流失预警
将客户行为数据整理好，让AI帮你识别流失模式
AI可以发现人容易忽略的复杂信号组合
你来设定预警阈值和制定挝留策略
关键思维：AI负责“预警”，你负责“挝留”。
三、实操指南：构建流失预警方案
步骤一：定义“流失”
先明确：什么情况算“流失”？
30天未登录？60天未购买？90天无互动？
不同行业标准不同
步骤二：识别流失信号
分析已流失客户的历史行为，找出共性特征
步骤三：建立评分模型
设定评分维度和权重，计算每个客户的流失风险分
步骤四：设定预警阈值
风险分 > 80：紧急干预
风险分 60-80：重点关注
风险分 40-60：持续观察
风险分 < 40：正常维护
步骤五：设计挝留策略
| 风险等级 | 挝留策略 | 示例 |
|---|---|---|
| 紧急（>80分） | 人工一对一联系 | 客服电话关怀 + 专属回归礼包 |
| 重点关注（60-80） | 个性化触达 | 定制化推荐 + 限时优惠 |
| 持续观察（40-60） | 常规维护 | 定期推送 + 积分提醒 |
示例：潮玩星球的流失预警
| 客户 | 购买频率变化 | 最近购买 | 消费趋势 | 互动活跃度 | 投诉 | 风险总分 | 等级 |
|---|---|---|---|---|---|---|---|
| 小A | 85 | 90 | 70 | 80 | 0 | 78 | 重点关注 |
| 小B | 30 | 20 | 25 | 40 | 0 | 27 | 正常 |
| 小C | 95 | 85 | 90 | 70 | 80 | 87 | 紧急 |
| 小D | 60 | 75 | 55 | 30 | 50 | 58 | 持续观察 |
四、课堂练习
练习1：识别流失信号
以下是一位电商客户的近6个月行为数据，请判断是否存在流失风险：
| 月份 | 购买次数 | 消费金额 | APP打开次数 |
|---|---|---|---|
| 1月 | 4次 | 600元 | 28次 |
| 2月 | 3次 | 450元 | 20次 |
| 3月 | 2次 | 280元 | 12次 |
| 4月 | 1次 | 120元 | 5次 |
| 5月 | 0次 | 0元 | 2次 |
| 6月 | 0次 | 0元 | 1次 |
请回答：
该客户表现出哪些流失信号？
如果你是运营，会在几月份开始预警？为什么？
练习2：设计挝留策略
针对练习1中的客户，请设计一个包含3个阶段的挝留方案：
预防阶段（3月发现趋势时）
干预阶段（5月确认风险时）
挝回阶段（6月已流失时）
五、课后作业
P2-3 流失预警方案
使用课程提供的数据集，完成以下任务：
定义你所在行业的“流失”标准
识别至少5个流失预警信号
建立流失评分模型（设定维度和权重）
对数据集中的客户进行流失风险评分
针对不同风险等级设计挝留策略
使用AI工具辅助分析和验证
提交要求：
方案需包含流失定义、信号清单、评分模型、客户风险清单、挝留策略表。
📊 本课数据
本课练习可使用以下数据集：
| 数据集 | 说明 | 下载 |
|---|---|---|
| 流失预警评分数据 | 流失预警评分数据，用于风险分析 | 下载 |
| 客户行为数据 | 客户行为数据，用于行为分析 | 下载 |
使用建议
下载 CSV 文件后，可导入 Kimi/ChatGPT 进行 AI 辅助分析，或用 Excel/Power BI 进行可视化。