东阳共享电动车用户流失预警评估数据

通过整合用户订单行为、余额变动记录及骑行频次等多维度数据，量化用户流失风险指数，实时计算用户流失评分。当评分超过预设阈值时，自动触发预警机制并推送至运营人员，通过人工回访、定向优惠券发放等方式主动挽留用户，解决传统运营中用户流失滞后发现、干预效率低的问题，提升用户留存率。1、数据来源：从东阳创享汽车服务有限公司的创享出行共享电动车运营平台系统中，采集用户数据（实名用户）、用户骑行订单数据、用户余额变动数据。
2、数据处理：对采集的数据进行数据清洗，剔除异常订单数据（如骑行时长小于1分钟或大于60分钟的订单数据等），剔除异常账户数据（如余额为负的账户）。基于用户唯一标识整合用户、订单和余额数据构建用户行为画像表。
3、数据计算：
（1）提取最近30天的数据，利用count函数计算每个用户最近30天骑行次数，并进一步计算最近30天日均骑行次数=最近30天骑行次数/30。
（2）提取最近7天的数据，利用count函数计算每个用户最近7天骑行次数，并进一步计算最近7天日均骑行次数=最近7天骑行次数/7。
（3）计算活跃衰减得分=8*（最近30天日均骑行次数-最近7天日均骑行次数）/（最近30天日均骑行次数*0.1）（结果若为负数则当做0分）
（4）计算距离最后一次消费的天数=数据截止日期-最后一次消费的日期，进一步利用min函数计算消费停滞得分=min（5*距离最后一次消费的天数/7，30）
（5）根据流失风险评分模型计算流失风险评分【流失风险评分=0.7*活跃衰减度得分+0.3*消费停滞得分】。
4、数据应用：结果数据接入平台，定期对用户流失预警评估数据进行计算，当用户流失分低于阈值时触发预警。

搜集汇总

背景与挑战

背景概述

该数据集包含3001条记录，每周更新，用于评估共享电动车用户的流失风险。通过分析用户骑行行为和消费记录，计算活跃衰减度和消费停滞得分，预测用户流失可能性，并触发预警机制以提升用户留存率。