供应链客户流失预警分析数据

本数据来源于供应链平台销售订单管理系统中客户交易数据采集，采集范围涵盖订单时间、支付金额、购买频次、购买周期等多维度核心字段。 通过构建"活跃度衰减-频次下降-金额衰减-周期偏离"四维评估模型与客户流失风险等级标注，将客户分为高风险/中风险/低风险/稳定四级：高风险客户实施紧急挽回+专属优惠+一对一触达策略；中风险客户实施定向关怀+优惠券召回+需求调研策略；低风险客户实施常规维护+会员权益+定期互动策略；稳定客户实施长期合作+批量折扣+优先服务策略。 该数据集解决供应链行业客户流失发现滞后、挽回时机错过、流失原因不明、挽回成本高等核心痛点，帮助企业从"事后补救"转向"事前预警"，降低客户流失率，提升客户生命周期价值。 同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为供应链领域的客户流失预测AI模型提供结构化训练样本，推动行业从"经验判断"向"数据驱动+AI"演进。该评估体系可横向复用至零售、电商、SaaS、金融等领域，为全行业建立统一的客户流失预警标准。 本数据集通过供应链平台销售订单管理系统采集客户交易数据，按客户编号进行聚合，计算客户级流失预警指标，通过加权评分算法进行客户流失风险分级，客户编号脱敏为哈希格式。 算法规则： 活跃度衰减率 = 距今天数 / 平均间隔天数 × 100。 活跃度衰减评分 = 活跃度衰减率：≥300=100 分，≥200 且<300=80 分，≥100 且<200=60 分，≥50 且<100=40 分，<50=20 分； 频次下降率 = (前 3 月订单数 - 近 3 月订单数) / (前 3 月订单数 + 1) × 100。 频次下降评分 = 频次下降率：≥60=100 分，≥40 且<60=80 分，≥20 且<40=60 分，≥10 且<20=40 分，<10=20 分； 金额衰减率 = (前 3 月消费金额 - 近 3 月消费金额) / (前 3 月消费金额 + 1) × 100。 金额衰减评分 = 金额衰减率：≥80=100 分，≥60 且<80=80 分，≥40 且<60=60 分，≥20 且<40=40 分，<20=20 分； 周期偏离度 = (最近一次间隔 - 历史平均间隔) / 历史平均间隔 × 100。 周期偏离评分 = 周期偏离度：≥100=100 分，≥75 且<100=80 分，≥50 且<75=60 分， ≥25 且<50=40 分，<25=20 分； 综合评分 = 活跃度衰减评分 × 0.30 + 频次下降评分 × 0.25 + 金额衰减评分 × 0.25 + 周期 偏离评分 × 0.20。 流失风险等级 = 综合评分：≥80=高风险，≥60 且<80=中风险，≥40 且<60=低风险，<40= 稳定。 权重分配依据AHP层次分析法及客户生命周期管理理论，活跃度衰减权重30%因其为客户流失的最直接信号，频次下降权重25%反映客户购买意愿变化，金额衰减权重25%反映客户价值变化，周期偏离权重20%反映客户购买规律性变化。

搜集汇总

背景与挑战

背景概述

该数据集来源于供应链平台销售订单管理系统，涵盖订单时间、支付金额、购买频次、购买周期等多维度客户交易数据，共计30646条，并采用哈希脱敏处理客户编号。通过构建“活跃度衰减-频次下降-金额衰减-周期偏离”四维评估模型，结合AHP层次分析法确定权重，计算综合评分并划分客户为高、中、低风险及稳定四个等级，为不同等级客户提供差异化的挽回与维护策略。该数据集旨在解决客户流失发现滞后、挽回时机错过等问题，同时其标准化特征工程与分级标注规范适用于供应链及零售、电商、SaaS、金融等领域的客户流失预测AI模型训练，推动行业从经验判断向数据驱动转型。