【数据分析新手请教贴】保险的客户留存如何选变量/逻辑回归/随机森林

目前个人分析如下：

years insured 小于两年的留存率明显低于其他时间段，往后留存率在90%以上且平稳上升，说明第一年的用户体验对于客户选择去留最为关键。逻辑回归，年龄，价格变化，以及是否有客户邮箱都可以作为因变量。

年龄 – 20至35岁，留存率上升很快，说明随着年龄增长，对于保险的需求有所增加，也可能是因为随着年龄增大对于尝试新产品的兴趣减小了，更倾向于使用同种产品。35岁以上，留存率稳定在95%左右，客户群比较稳定了，55岁以上，留存率有下降趋势。可以把年龄变量分成四组：20-至29，30-39，40-59，60-75+

价格敏感 – 总体而言，留存率与价格变动呈现负相关，在0-5%范围内留存率最高。提高0%-10%的价格，留存率只有大概1%的下降，加价15%与降价5%范围内留存率相当，具体收益变化需要结合人口计算客户的终生价值，可以提升价格牺牲留存率来增大利润。留存率分为9个组。

Years insured – 分为两类，两年为分界线。

有无邮箱 – 电子推广对于客户留存的影响显著，约10%的差异，二分变量。

其他变量：两年内有无索赔发生，业主性别，是否其他家人也够买了该保险，是否购买了该公司其他保险比如车险，购买服务的种类数目例如房屋险个人责任险等，是否够买了健康险。如果想考虑的变量很多可以用随机森林。

输出

逻辑回归 – 通过变量系数解释不同种类客户间留存率如何变化

随机森林 – 通过feature importance output可以看到不同因素对于留存的影响大小