本案数据集表示来自电商网站的每月订阅数据的样本。涵盖的时间是2010年至2014年。其中标签字段代表了基于价值细分的三组用户：年轻，经典和高级。
本案分析的目的是计算客户的CLV（客户生命周期价值），并基于这些数据估算一些KPI，例如客户的保留率或客户流失的时间。
具体的设置和步骤将会在知识星球里分享，这里对分析结果做一些说明。下表显示的第一个结果是每段的平均CLV，最低的是年轻细分市场。
下图显示每个细分的估计客户流失率和保留率：
可以看到，高级客户忠诚度最低，而年轻细分市场的忠诚度最高，每月保留率高达97.15％。因此，在这一点上，我们可以假设那些花钱最多的人不是最忠诚的人。
进一步，我们可以估算出客户离职前的时间以及相关图表：
上面的结果有助于我们看到一半的高级客户在订购的第一年年底之前取消了订购。
下表的敏感性分析测量保留率增加对CLV的影响，考虑的差异是估计保留率的5％增量。
通过上表可以看到，高级细分的保留率提高5％会使该细分的平均CLV从804.55元增加到3537.73元。这证实了先前的结果，该结果建议采取措施提高该细分市场的客户保留率。
下一张表格是CLV预测。它包含对最后记录的客户流失日期后的6个月内数据库中剩余客户的平均CLV值的模拟。
