用户流失预测：为什么34%的活数据不能扔

「把还在用的客户删掉」——当同事提出这个建议时，作者的第一反应是「这感觉不对」。确实不对。但为什么？

被忽视的34%：删活数据的代价

模拟了1000名客户、观察期24个月的数据后，结果很典型：664人已经流失（66%），336人仍在活跃（34%）。

这34%就是「右删失」（right-censoring）——客户存活了至少8个月，但终点未知。删掉他们，模型只会从「已经离开的人」身上学习，系统性地低估客户生命周期。

作者用PyMC构建了一个加速失效时间（AFT）模型，核心武器是pm.Potential。这个函数让模型能同时处理两类信息：已流失客户的精确时间，以及活跃客户的「至少存活X月」。

代码里藏着一个关键设计：对数时间服从Gumbel分布（极值分布的一种），通过eta + s * W的线性结构，把月消费额（标准化后）和工单数量转化为生存时间的预测因子。

参数设定很有信息量：月消费系数+0.4（花得越多活得越久），工单系数-0.3（找客服越频繁走得越快）。真实业务里，这两个信号的方向基本确定，但贝叶斯方法的价值在于给出不确定性区间，而非点估计。

Weibull vs Log-Logistic：分布选择即假设

原文比较了两种生存分布。Weibull假设风险率随时间单调变化（递增或递减），Log-Logistic则允许先升后降的驼峰形态——某些场景下客户早期风险高，中期稳定，后期再上升。

选择哪个分布，等于对客户行为模式做先验判断。没有放之四海的标准答案，只有对业务场景的理解。

个体生存曲线：从群体模型到单点预测

模型跑完后，最有价值的输出不是参数表，而是个体生存曲线。输入任意客户的消费额和工单历史，能画出「该客户未来12个月的存活概率」。

这对运营动作有直接指导：曲线陡峭下坠的，提前介入挽留；曲线平缓的，减少过度打扰。

作者提供的交互笔记本（badge链接）把全流程串了起来：合成数据→模型拟合→分布比较→可视化。对想落地的人来说，这是可执行的起点。

实用指向

流失预测的真正难点从不是算法，而是对「不完整数据」的尊重。336个活跃客户不是噪音，是信息。PyMC的pm.Potential把这个信息纳入似然函数，贝叶斯框架则天然输出预测的不确定性——这对制定运营预算、评估干预ROI至关重要。如果你正在用传统ML做二分类（流失/不流失），考虑转向生存分析：同样的数据，更多的信息。