客户留存数据分析与预测(数据科学与大数据技术)

对于任何依赖经常性收 入和重复销售的企业来说， 让客户保持活跃并持续购买 是必不可少的。客户流失（ 或“流失”），这种代价高昂 且令人沮丧的事情是可以预 防的。通过使用本书中介绍 的技术，你可以识别客户流 失的预警信号，并学会在客 户离开之前识别并挽留他们 。 《客户留存数据分析与 预测》向开发人员和数据科 学家传授经过实践证明的技 术与方法，可以在客户流失 发生之前阻止其发生。本书 包含很多来自现实中的示例 ，介绍如何将原始数据转换 为可衡量的行为指标、计算 客户生命周期价值，并使用 人口统计数据改进客户流失 预测。通过遵循Zuora首席 数据科学家Carl Gold的方法 ，你将获得高客户留存率带 来的优势。

Carl Gold是Zuora,Inc.的首席数据科学家。Zuora是一个综合订阅管理平台和新上市的硅谷独角兽公司，在全球拥有1000多家客户。Zuora的客户来自众多行业，包括软件(软件即服务，SaaS)、媒体、旅游服务、消费包装商品、云服务、物联网(Internet of Things，IoT)和电信运营商。Zuora在订阅和经常性收入方面是公认的领导者。Carl于2015年加入Zuora，担任首席数据科学家，并为Zuora的客户分析产品Zuora Insights开发了预测分析系统。

第Ⅰ部分 构建自己的“装备库” 第1章 客户流失 1.1 为什么阅读本书 1.1.1 典型的客户流失场景 1.1.2 本书主要内容 1.2 对抗客户流失 1.2.1 减少客户流失的干预措施 1.2.2 为什么客户流失难以对抗 1.2.3 有效的客户指标：防止客户流失的利器 1.3 本书为何与众不同 1.3.1 实用且透彻 1.3.2 模拟案例研究 1.4 具有重复用户交互性的产品 1.4.1 支付消费品的费用 1.4.2 B2B服务 1.4.3 客户流失与媒体广告 1.4.4 消费者订阅 1.4.5 免费增值商业模式 1.4.6 App内购买模式 1.5 非订阅服务的客户流失场景 1.5.1 将“不活跃”看作“流失” 1.5.2 免费试用转换 1.5.3 upsell和down sell 1.5.4 其他“是/否”客户预测 1.5.5 用户行为预测 1.5.6 其他与客户流失不同的用例 1.6 消费者行为数据 1.6.1 常见客户事件 1.6.2 最重要的事件 1.7 对抗客户流失的案例分享 1.7.1 Klipfolio 1.7.2 Broadly 1.7.3 Versature 1.7.4 社交网络模拟 1.8 使用最佳客户指标进行案例研究 1.8.1 利用率 1.8.2 成功率 1.8.3 单位成本 1.9 本章小结 第2章 测量流失率 2.1 定义流失率 2.1.1 计算流失率和留存率 2.1.2 流失率和留存率的关系 2.2 订阅数据库 2.3 基本的客户流失计算：净留存率 2.3.1 净留存率计算 2.3.2 使用SQL计算净留存率 2.3.3 解释净留存率 2.4 标准流失率计算：基于客户数量的流失 2.4.1 标准流失率定义