內容大鋼
對於任何依賴經常性收入和重複銷售的企業來說，讓客戶保持活躍並持續購買是必不可少的。客戶流失（或「流失」），這種代價高昂且令人沮喪的事情是可以預防的。通過使用本書中介紹的技術，你可以識別客戶流失的預警信號，並學會在客戶離開之前識別並挽留他們。
《客戶留存數據分析與預測》向開發人員和數據科學家傳授經過實踐證明的技術與方法，可以在客戶流失發生之前阻止其發生。本書包含很多來自現實中的示例，介紹如何將原始數據轉換為可衡量的行為指標、計算客戶生命周期價值，並使用人口統計數據改進客戶流失預測。通過遵循Zuora首席數據科學家Carl Gold的方法，你將獲得高客戶留存率帶來的優勢。
作者介紹
(美)卡爾·戈爾德|責編:王軍|譯者:殷海英
卡爾·戈爾德，是Zuora, Inc.的首席數據科學家。Zuora是一個綜合訂閱管理平台和新上市的矽谷獨角獸公司，在全球擁有1000多家客戶。Zuora的客戶來自眾多行業，包括軟體（軟體即服務，SaaS）、媒體、旅遊服務、消費包裝商品、雲服務、物聯網（Internet of Things，IoT）和電信運營商。Zuora在訂閱和經常性收入方面是公認的領導者。Carl于2015年加入Zuora，擔任首席數據科學家，併為Zuora的客戶分析產品Zuora Insights開發了預測分析系統。
目錄
第Ⅰ部分 構建自己的「裝備庫」
第1章 客戶流失
1.1 為什麼閱讀本書
1.1.1 典型的客戶流失場景
1.1.2 本書主要內容
1.2 對抗客戶流失
1.2.1 減少客戶流失的干預措施
1.2.2 為什麼客戶流失難以對抗
1.2.3 有效的客戶指標：防止客戶流失的利器
1.3 本書為何與眾不同
1.3.1 實用且透徹
1.3.2 模擬案例研究
1.4 具有重複用戶交互性的產品
1.4.1 支付消費品的費用
1.4.2 B2B服務
1.4.3 客戶流失與媒體廣告
1.4.4 消費者訂閱
1.4.5 免費增值商業模式
1.4.6 App內購買模式
1.5 非訂閱服務的客戶流失場景
1.5.1 將「不活躍」看作「流失」
1.5.2 免費試用轉換
1.5.3 upsell和down sell
1.5.4 其他「是/否」客戶預測
1.5.5 用戶行為預測
1.5.6 其他與客戶流失不同的用例
1.6 消費者行為數據
1.6.1 常見客戶事件
1.6.2 最重要的事件
1.7 對抗客戶流失的案例分享
1.7.1 Klipfolio
1.7.2 Broadly
1.7.3 Versature
1.7.4 社交網路模擬
1.8 使用最佳客戶指標進行案例研究
1.8.1 利用率
1.8.2 成功率
1.8.3 單位成本
1.9 本章小結
第2章 測量流失率
2.1 定義流失率
2.1.1 計算流失率和留存率
2.1.2 流失率和留存率的關係
2.2 訂閱資料庫
2.3 基本的客戶流失計算：凈留存率
2.3.1 凈留存率計算
2.3.2 使用SQL計算凈留存率
2.3.3 解釋凈留存率
2.4 標準流失率計算：基於客戶數量的流失
2.4.1 標準流失率定義
2.4.2 用於計算流失率的外連接
2.4.3 使用SQL計算標準流失率
2.4.4 何時使用標準流失率
2.5 基於事件的非訂閱產品流失率
2.5.1 通過事件確定活躍客戶和流失客戶
……
第Ⅱ部分 動手實踐
第Ⅲ部分 特殊技巧與方法
[