电信用户流失分析：基于MySQL的数据洞察

电信用户流失分析：基于MySQL的数据洞察

在通信行业，获客成本持续攀升的今天，维系现有用户远比开拓新市场更具性价比。一个看似不起眼的26%流失率，背后可能意味着每年数千万收入的无声蒸发。更关键的是，这些离开的用户往往不是随机分布的——他们集中在某些特定群体、使用某些特定服务、遵循某种行为模式。

如果我们能提前识别这些“高危信号”，是否就能在用户点击注销按钮前，递上一份恰到好处的挽留方案？本文将带你深入一个真实的电信用户数据集，用MySQL一步步揭开流失背后的结构性动因。没有复杂的建模，只有扎实的查询与洞察，目标明确：从数据中找出那些可干预、可执行的关键节点。

数据准备：让原始记录“活”起来

项目使用的数据来自Kaggle上的《Telco Customer Churn》公开数据集，包含7043条客户记录和21个字段，覆盖了用户属性、服务订阅、账单信息及最终的流失标签（Churn）。整个分析在MySQL 8.0环境中完成，通过Navicat进行交互操作。

字段速览（部分关键字段）

数据清洗：处理那11个“异常”用户

原始数据中，有11条记录的 TotalCharges 为空：

SELECT * FROM telco_churn 
WHERE TotalCharges = '' OR TotalCharges IS NULL;

进一步观察发现，这些用户都有一个共同点：tenure = 0，即当月入网。逻辑上讲，刚入网尚未产生累计消费是合理的。但为了后续分析统一性（尤其是涉及 TotalCharges 的分组计算），我们做如下处理：

• 将 tenure 从0改为1（视为已使用一个月）
• 将 TotalCharges 初始化为 MonthlyCharges

UPDATE telco_churn 
SET tenure = 1, 
    TotalCharges = MonthlyCharges 
WHERE TotalCharges = '' OR TotalCharges IS NULL;

此外，检查主键 customerID 无重复，各分类字段取值规范，数据整体质量良好，可进入分析阶段。

流失全景：谁在离开？为什么？

先看一眼全局情况：

SELECT 
    Churn,
    COUNT(*) AS count,
    ROUND(COUNT(*) * 100.0 / 7043, 2) AS percentage
FROM telco_churn
GROUP BY Churn;

结果清晰：
- 未流失（No）：5174人，占比73.46%
- 已流失（Yes）：1869人，占比26.54%

这个数字不算低。接下来，我们从四个维度层层拆解：用户特征、服务行为、合同支付、消费水平，寻找高流失群体的共性。

用户画像：年龄、家庭比性别更重要

性别影响微乎其微

SELECT 
    gender,
    AVG(CASE WHEN Churn = 'Yes' THEN 1 ELSE 0 END) AS churn_rate
FROM telco_churn
GROUP BY gender;

男女流失率分别为25.7%和27.3%，差异极小。说明在通信服务选择上，性别并非决策关键因素。

老年用户风险突出

SELECT 
    SeniorCitizen,
    COUNT(*) AS cnt,
    AVG(CASE WHEN Churn = 'Yes' THEN 1 ELSE 0 END) AS churn_rate
FROM telco_churn
GROUP BY SeniorCitizen;

• 非老年用户（84%）：流失率23.6%
• 老年用户（16%）：流失率高达41.7%

近一半的老年用户在考察期内流失，这是一个危险信号。可能原因包括：对新技术不适应、客服响应不及时、套餐复杂难理解等。

家庭结构决定稳定性

-- 有无伴侣
SELECT Partner, AVG(Churn = 'Yes') AS churn_rate FROM telco_churn GROUP BY Partner;

-- 有无家属
SELECT Dependents, AVG(Churn = 'Yes') AS churn_rate FROM telco_churn GROUP BY Dependents;

没有伴侣的用户流失率是有的2.5倍；有家属的用户流失率仅为无家属者的一半。这说明社会绑定越强，用户越稳定。家庭责任天然提高了转换成本。

服务使用：光纤快，但人心不稳

入网时长是“黄金指标”

先看平均在网时长：

SELECT AVG(tenure) FROM telco_churn; -- 32.37个月

按是否高于平均值分组：

SELECT 
    CASE WHEN tenure > 32.37 THEN 'High_tenure' ELSE 'Low_tenure' END AS group,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY group;

• 低时长用户（<32月）：流失率47%
• 高时长用户（≥32月）：流失率仅7%

这意味着：新用户的流失风险是老用户的6倍以上。前半年是留存的关键窗口期。

网络类型暴露服务质量短板

SELECT 
    InternetService,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
WHERE InternetService != 'No'
GROUP BY InternetService;

光纤用户流失率是DSL用户的2.3倍！这很反直觉——更快的网络反而留不住人？
深入看附加服务：

SELECT 
    StreamingTV,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
WHERE InternetService != 'No'
GROUP BY StreamingTV;

同样，订购流媒体电视或电影的用户，流失率比未订购者高出15个百分点。
推测：用户因高速网络+丰富内容而来，但实际体验可能未达预期（如卡顿、片源少），导致期望落差更大，反而加速流失。

服务组合揭示用户依赖强度

构建组合变量：

SELECT 
    CASE 
        WHEN PhoneService='Yes' AND InternetService='No' THEN 'Phone Only'
        WHEN PhoneService='No' AND InternetService!='No' THEN 'Internet Only'
        WHEN PhoneService='Yes' AND InternetService!='No' THEN 'Both'
        ELSE 'None'
    END AS combo,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY combo;

纯互联网用户最不稳定。说明仅靠网络服务难以建立强粘性，而语音+网络的捆绑更能锁定用户。

合同与支付：灵活性越高，忠诚度越低

合约周期是“定海神针”

SELECT 
    Contract,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY Contract;

按月付费的用户几乎每两人就走一个，而两年合约用户几乎全员留存。合约长度直接决定了用户去留。

支付方式反映用户习惯

SELECT 
    PaymentMethod,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY PaymentMethod;

使用电子支票的用户流失最严重，而自动扣款（银行转账、信用卡）最为稳定。
解读：需要手动操作的支付方式，用户参与度高，也更容易在缴费时重新评估是否续订；而自动扣款则形成“无感续费”，黏性更强。

无纸账单用户更“善变”

SELECT 
    PaperlessBilling,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY PaperlessBilling;

• 是：33%
• 否：16%

偏好无纸账单的用户更数字化、更灵活，但也意味着更低的心理绑定和更高的转换意愿。

消费行为：价格敏感区在哪里？

月费区间分析

将 MonthlyCharges 分为四段：

SELECT 
    CASE 
        WHEN MonthlyCharges < 34.9 THEN '[0, 34.9)'
        WHEN MonthlyCharges < 64.7 THEN '[34.9, 64.7)'
        WHEN MonthlyCharges < 88.1 THEN '[64.7, 88.1)'
        ELSE '[88.1, max]'
    END AS bracket,
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY bracket
ORDER BY MIN(MonthlyCharges);

64.7–88.1元是流失重灾区。这类用户已脱离低价套餐，但又未达到“高端尊享”级别，最容易产生“性价比不满”。

累计消费验证“时间价值”

按 TotalCharges 四分位分组：

SELECT 
    NTILE(4) OVER (ORDER BY TotalCharges) AS quartile,
    MIN(TotalCharges), MAX(TotalCharges),
    AVG(Churn = 'Yes') AS churn_rate
FROM telco_churn
GROUP BY quartile;

消费越多、在网越久，流失率越低。这再次印证：用户粘性随时间指数级增长，早期留存是长期价值的前提。

从洞察到行动：可落地的运营建议

数据分析的终点不是报表，而是策略。基于上述发现，提出以下五项可立即执行的优化方向：

1. 针对高危人群设计专属方案

• 老年人：推出“银发安心包”——简化界面、优先人工客服、赠送基础医疗咨询，降低使用门槛。
• 单身用户：捆绑视频会员、音乐平台等社交娱乐服务，提升生活陪伴感。

2. 提升高流失服务的实际体验

• 光纤网络：加强高峰时段带宽保障，避免“ advertised fast, actual slow”。
• 流媒体内容：引入更多经典影视剧、纪录片资源，满足家庭观看需求，减少内容落差。

3. 推动短期用户向长期合约转化

• 新用户首年8折 + 免费提速，引导签订一年以上合约。
• 推出“季度缴费送流量”活动，替代月付模式，降低频繁决策带来的流失风险。

4. 引导稳定支付方式

• 对绑定自动扣款的用户赠送话费券或积分，形成正向激励。
• 逐步弱化对Electronic Check的支持，减少该渠道的宣传露出。

5. 建立用户忠诚度体系

• 设立“星级用户”制度，按在网时长与消费总额分级。
• 高等级用户享专属客服、免费设备检修、生日礼包等权益，强化归属感。

用户流失从来不是偶然事件，而是多个风险因素叠加的结果。本次分析通过MySQL的逐层探查，揭示了“新用户+光纤+月付+电子支票”这一高流失组合的存在。更重要的是，它证明了即使不依赖复杂模型，仅靠扎实的SQL分析，也能挖掘出极具业务价值的洞察。

真正的数据驱动，不在于工具多先进，而在于能否把“看到的”变成“做到的”。每一次对流失用户的成功挽留，都是对企业长期价值的一次加固。