Weibull används när frågan är när, inte om. Hur länge håller komponenten, hur länge stannar kunden, hur lång tid går till nästa köp.
Den har två parametrar, och den intressanta är formparametern. Den avgör hur risken utvecklas över tid:
| Formparameter | Betyder | Exempel |
|---|---|---|
| Under 1 | Risken avtar med tiden | Nya kunder churnar mest i början |
| Lika med 1 | Konstant risk | Slumpmässiga haverier, minneslöst |
| Över 1 | Risken ökar med tiden | Slitage, åldrande utrustning |
Varför formparametern är svaret
I ett abonnemangsföretag är den frågan ofta viktigare än den skattade livslängden. Är formparametern under ett innebär det att den som överlevt de första månaderna är väsentligt mindre benägen att lämna, och då ska retentionsarbetet koncentreras till början av relationen.
Är den över ett är läget det motsatta: risken byggs upp över tid, och långvariga kunder är inte tryggare utan mer utsatta. Det är ovanligare men förekommer, till exempel när ett avtal närmar sig sitt slut eller när produkten växer ur kunden.
Ett enda tal svarar alltså på var insatsen ska läggas. Det är ovanligt effektivt.
Censurerade observationer
Det som gör tid-till-händelse-data speciell är att många kunder inte har lämnat än. De ska inte kastas bort och de ska inte behandlas som om de lämnade i dag: de bidrar med informationen “överlevde minst så här länge”.
Att hantera det korrekt är hela poängen med överlevnadsanalys, och det är den vanligaste anledningen till att en enkel churnmodell underskattar livslängden.
Weibull eller exponential
Exponentialfördelningen är specialfallet där formparametern är exakt ett, alltså konstant risk. Den är enklare och används ofta som utgångspunkt.
Men just antagandet om konstant risk är nästan alltid fel för kunder. Att gå från exponential till Weibull kostar en parameter och ger tillbaka svaret på var i kundlivscykeln bortfallet faktiskt sker.