零售行业客户流失预警分析数据

本数据来源于公司在电商平台的订单客户消费行为数据，采集范围涵盖订单提交时间、消费金额、购买频次、消费渠道、收货区域等多维度核心数据。 通过构建沉睡风险、消费衰退、活跃衰退、客户粘性四维流失预警评估模型与流失风险等级标注，将客户分为安全客户、低流失风险、中流失风险、高流失风险四级：安全客户实施常规维护策略；低流失风险客户实施轻度触达策略；中流失风险客户实施主动召回策略；高流失风险客户实施紧急挽留策略。 该数据集解决零售行业客户流失识别滞后、流失原因缺乏量化分析、客户维护资源分配无数据支撑、复购趋势变化难以追踪等核心痛点，帮助企业从被动流失转向主动预警，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流失风险标注规范经过标准化处理，可为零售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加AI预警演进。该数据集合可横向复用至电商会员管理、餐饮客户运营、SaaS订阅续费预警等领域。 原始数据来源于公司电商平台订单管理系统中的订单记录，经按主订单编号去重、过滤无效省份后提取客户首次消费日期、末次消费日期、累计消费金额、累计消费频次等基础特征，以客户为粒度聚合计算沉睡天数、消费衰退率、活跃衰退率等衍生指标，客户编号经MD5 哈希加密算法生成，以 C 为前缀拼接 13 位十六进制哈希值。 消费周期_天 = 末次消费日期 - 首次消费日期。 沉睡天数 = 分析日期 - 末次消费日期。 消费衰退率 = IF(累计消费频次<=1, IF(沉睡天数>90,1,0), IF(消费周期_天<=90,0,ROUND(1-近期消费金额/(累计消费金额*90/消费周期_天),4)))。 活跃衰退率 = IF(累计消费频次<=1, IF(沉睡天数>90,1,0), IF(消费周期_天<=90,0,ROUND(1-近期消费频次/(累计消费频次*90/消费周期_天),4)))。 沉睡风险得分 = 沉睡天数：≤30得100分，＞30且≤90得80分，＞90且≤180得60分，＞180且≤365得40分，＞365得20分。 消费衰退得分 = 消费衰退率：≤0得100分，＞0且≤0.3得80分，＞0.3且≤0.6得60分，＞0.6且≤1得40分，＞1得20分。 活跃衰退得分 = 活跃衰退率：≤0得100分，＞0且≤0.3得80分，＞0.3且≤0.6得60分，＞0.6且≤1得40分，＞1得20分。 客户粘性得分 = 累计消费频次与消费周期：频次≥10且周期≥365得100分，频次≥5且周期≥180得80分，频次≥3且周期≥90得60分，频次≥2得40分，频次=1得20分。 综合流失风险指数 = 沉睡风险得分×0.30+消费衰退得分×0.25+活跃衰退得分×0.25+客户粘性得分×0.20。 流失风险等级 = 综合流失风险指数：≥80为安全客户，≥60且＜80为低流失风险，≥40且＜60为中流失风险，＜40为高流失风险。 权重分配依据GB/T 19001-2016质量管理体系及客户关系管理实务要求，沉睡风险权重0.30因其为流失预警的首要判定指标，消费衰退与活跃衰退权重各0.25反映消费行为变化的波动程度，客户粘性权重0.20体现长期客户关系的稳定性。

搜集汇总

背景与挑战

背景概述

该数据集为零售行业客户流失预警分析数据，包含7435条订单客户消费行为记录，涵盖消费周期、金额、频次及沉睡天数等特征，并基于沉睡风险、消费衰退、活跃衰退和客户粘性四个维度构建流失风险指数，将客户划分为安全、低、中、高流失风险四个等级。数据旨在帮助企业实现主动预警与精准维护，降低流失率并提升客户生命周期价值，同时为零售客户流失预测AI模型提供标准化训练样本，可扩展至电商会员管理等领域。