Frågan “kommer kunden att lämna” är sämre än frågan “när”. Den första ger ett ja eller nej som saknar tidshorisont. Den andra går att planera efter.
Det som gör tid-till-händelse-data särskild är att de flesta observationer är ofullständiga. Merparten av kundbasen har inte lämnat än. De ska varken kastas bort eller behandlas som om de lämnade idag.
Censurering
En kund som varit med i fjorton månader och fortfarande är kvar bidrar med informationen att livslängden är minst fjorton månader. Överlevnadsanalys använder den informationen fullt ut.
Alternativen är båda dåliga. Kastar man bort dem behåller man bara de som redan lämnat. Det underskattar livslängden systematiskt: de långlivade hinner aldrig komma med. Behandlar man dem som lämnade idag underskattar man den ännu mer.
De vanliga metoderna
Kaplan-Meier ger överlevnadskurvan utan att anta någon form. Utmärkt för att jämföra grupper och för att visa hur bortfallet fördelas över tid.
Cox-regression skattar hur variabler påverkar risken, utan att anta hur grundrisken utvecklas. Vanligast när frågan är vilka faktorer som spelar roll.
Parametriska modeller, ofta med Weibull, antar en form och ger i gengäld prediktioner långt fram i tiden. Det krävs när resultatet ska in i en kundvärdesberäkning.
Varför det hör ihop med kundvärde
Livstidsvärde är i grunden framtida intäkt diskonterad över den förväntade relationens längd. Den längden är precis vad överlevnadsanalys skattar.
En binär churnmodell ger sannolikheten att kunden lämnar inom en period. Den räcker för att välja vem som ska ringas. Den räcker inte för att räkna ut vad kunden är värd, eftersom det kräver hela tidsfördelningen och inte bara en sannolikhet.
Konkurrerande händelser
En kund kan lämna av flera skäl: sagt upp, gått i konkurs, flyttat utomlands. Behandlas de som samma händelse blir skattningarna missvisande om skälen har olika mönster över tid.
Det är en komplikation som ofta kan skjutas upp, men den bör vara ett medvetet val och inte något ingen tittat på.