生存分析：电信客户流失预测（KM + Cox + AFT + CLV）
Q2 生存分析实验报告
学生姓名： 傅航
学号： 12310527
提交日期： 2026年4月26日
数据集： IBM Telco Customer Churn
分析方法： Kaplan-Meier、Cox 比例风险模型、AFT 模型、CLV 计算
1. 实验背景与目标
客户流失（Churn）预测是电信行业的核心业务问题。传统分类模型（如逻辑回归）只能预测”是否流失”，而生存分析能进一步回答”何时流失”，为客户保留策略提供时间维度的洞察。
本实验基于 Databricks Survival Analysis Solution Accelerator 教程，使用 lifelines 库实现三种生存分析方法：
- Kaplan-Meier：非参数方法，估计生存概率曲线
- Cox 比例风险模型：半参数方法，多变量分析
- AFT（加速失效时间）模型：全参数方法，直接建模生存时间
- CLV（客户生命周期价值）：基于 Cox 生存概率的 NPV 计算
2. 数据集说明
- 数据集名称：IBM Telco Customer Churn
- 原始记录数：7,043 条，21 列
- 筛选条件：Month-to-month 合同 + 有互联网服务
- Silver 表记录数：3,351 条
- 流失率：46.43%
- 生存时间（tenure）：客户在网月数（1–72 个月）
3. 方法论
3.1 Kaplan-Meier 估计
非参数方法，直接从观测数据估计生存函数：
\[S(t) = P(T > t)\]使用 Log-rank 检验判断不同组之间的生存曲线是否有显著差异。
3.2 Cox 比例风险模型
半参数模型，对风险函数建模：
\[h(t|X) = h_0(t) \cdot \exp(\beta_1 X_1 + \cdots + \beta_n X_n)\]- $\exp(\beta) > 1$：增加流失风险
- $\exp(\beta) < 1$：降低流失风险
3.3 AFT 模型（Log-Logistic）
全参数模型，对生存时间的对数建立线性回归：
\[\log(T) = \beta_0 + \beta_1 X_1 + \cdots + \beta_n X_n + \sigma \varepsilon\]- $\beta > 0$：延长生存时间
- $\beta < 0$：缩短生存时间
4. 实验结果
4.1 Kaplan-Meier 分析
中位生存时间：34 个月（50% 的月付费客户在 34 个月内流失）
Log-rank 检验结果（部分）：
| 协变量 | p 值 | 显著性 |
|---|---|---|
gender |
0.7232 | ns |
partner |
< 0.001 | *** |
dependents |
< 0.001 | *** |
internetService |
< 0.001 | *** |
onlineBackup |
< 0.001 | *** |
techSupport |
< 0.001 | *** |
paymentMethod |
0.8041 | ns |
4.2 Cox 比例风险模型
- Concordance Index：0.64
- Partial AIC：22639.90
| 协变量 | coef | exp(coef) | p 值 | 解读 |
|---|---|---|---|---|
dependents_Yes |
-0.33 | 0.72 | <0.005 | 流失风险降低 28% |
internetService_DSL |
-0.22 | 0.80 | <0.005 | 流失风险降低 20% |
onlineBackup_Yes |
-0.78 | 0.46 | <0.005 | 流失风险降低 54% |
techSupport_Yes |
-0.64 | 0.53 | <0.005 | 流失风险降低 47% |
所有系数均为负值且高度显著，表明这些因素都能显著降低流失风险。
4.3 AFT 模型（Log-Logistic）
- Concordance Index：0.73（优于 Cox 的 0.64）
- AIC：13698.72
- 中位生存时间：135.51 个月
关键系数（alpha_ 参数，均为正值，表示延长生存时间）：
| 协变量 | coef | exp(coef) |
|---|---|---|
onlineSecurity_Yes |
0.86 | 2.37 |
onlineBackup_Yes |
0.81 | 2.25 |
paymentMethod_Credit card (automatic) |
0.80 | 2.22 |
multipleLines_Yes |
0.66 | 1.94 |
techSupport_Yes |
0.69 | 1.99 |
partner_Yes |
0.68 | 1.97 |
internetService_DSL |
0.38 | 1.47 |
4.4 客户生命周期价值（CLV）
假设场景： 有技术支持、DSL 互联网、有在线备份，月利润 $30，IRR 10%（年化）
| 时间周期 | 累计净现值（NPV） |
|---|---|
| 12 个月 | $320.30 |
| 24 个月 | $589.49 |
| 36 个月 | $818.84 |
5. 模型对比
| 模型 | 类型 | Concordance | 优点 | 缺点 |
|---|---|---|---|---|
| Kaplan-Meier | 非参数 | — | 无分布假设，直观 | 仅单变量分析 |
| Cox PH | 半参数 | 0.64 | 多变量分析，无需指定基线风险 | 依赖比例风险假设 |
| AFT (Log-Logistic) | 全参数 | 0.73 | 系数解读直观，预测性能最佳 | 需要指定分布形式 |
结论： AFT 模型在本数据集上表现最佳（Concordance = 0.73），且系数解读更符合业务直觉。
6. 业务建议
- 增值服务捆绑：在线安全、技术支持、在线备份是降低流失的关键因素，建议作为标准套餐
- DSL vs Fiber 优化：DSL 客户流失风险更低，需调查 Fiber optic 高流失率的原因
- 留存时间窗口：在客户在网 20–30 个月时（接近中位生存时间）实施保留计划
- CLV 驱动定价：根据客户特征预测 CLV，指导营销预算分配（CAC 上限 = CLV）
7. 参考资料
- Databricks Survival Analysis Solution Accelerator
- Lifelines Documentation
- IBM Telco Customer Churn Dataset