Ted & Poppy 是一家面向亚洲市场的宠物食品订阅平台,近期出现订阅用户流失率上升的趋势。我对企业提供的订阅行为、客户反馈和交易数据进行了深入挖掘,旨在构建精准的流失预测模型,并为企业制定有效的客户保留策略,降低流失、提高忠诚度。
建立标准化数据处理流程,对 20 万+ 条用户数据(含地区、支付、优惠、支持记录等字段)进行清洗、特征提取与分组分析;
使用可视化图表识别高风险客户群体特征(如支持工单密集、未收到优惠、支付失败等);
构建多个分类模型(Logistic 回归、LightGBM、XGBoost),并评估其准确率、敏感度与 NPV,选择最优模型;
基于模型结果设计精细化客户运营策略,包括个性化优惠、主动客服介入、支付方式多样化、区域定向激励等;
输出完整项目汇报及图文分析报告,供业务决策方参考实施。
在该项目中,我主要负责数据清洗、模型训练与策略输出工作:
使用 Pandas 和 Scikit-learn 完成数据预处理与特征工程;
实施多模型训练与性能评估,通过混淆矩阵分析模型精度与风险控制能力;
梳理变量重要性,识别影响流失的关键因素如地区偏好、支付失败、用户活跃度等;
配合组员输出图表与展示材料,最终将模型成果以数据故事形式呈现给客户;
最优模型(Logistic 回归)实现了 91% 的敏感度与 98% 的负预测值,有效支持后续客户留存策略落地。