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。 主要内容 ● 计算流失指标 ● 通过客户行为预测客户流失 ● 使用客户细分策略减少客户流失 ● 将客户流失分析技术应用于其他业务领域 ● 使用人工智能技术进行准确的客户流失预测

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。

序 言 对于每家提供在线产品或服务的公司来说，客户流失和客户互动(也称为客户契合)都是生死攸关的问题。随着数据科学和分析技术的广泛应用，现在的标准做法是聘请数据专家来帮助企业减少客户流失。但是“客户流失”有许多其他数据应用程序中没有的挑战和陷阱，而且直到现在，还没有一本书可以帮助数据专家(或学生)入门这一领域。 在过去的6年里，我为几十种产品和服务做过客户流失分析工作，并在一家名为Zuora的公司担任首席数据科学家。Zuora为客户提供了一个平台来管理它们的产品、运营和财务，你将在整本书的案例研究中看到一些Zuora的客户。在此期间，我尝试用不同的方法分析流失率，并将结果反馈给那些与流失率做斗争的公司员工。我在之前的工作中犯了很多错误，也走了不少弯路，于是萌生了写《客户留存数据分析与预测》的想法，希望其他人避免重蹈我的覆辙。 本书是从数据处理人员的角度来写的：任何人都希望获得原始数据，并提出有建设性的见解，从而减少客户流失。数据处理人员可能是数据科学家、数据分析师或机器学习工程师。或者，他们可能是对数据和代码略知一二的人，被临时要求填补这些职缺。本书主要使用Python和SQL，所以我假设本书的读者是程序员。尽管我提倡使用电子表格来表示和共享数据(我在书中详细介绍了如何实现这一想法)，但不建议尝试在电子表格中执行主要的分析工作，因为许多任务必须按顺序执行，其中一些任务非常重要。此外，可能还需要多次对数据进行清洗和转换。这种工作流程非常适合使用简短的程序，但在电子表格和图形工具中往往难以实现。 因为本书是为数据人员编写的，所以没有详细介绍通过产品和服...