Task Plan: 用户流失因素分析

Task Plan: 用户流失因素分析

【免费下载链接】planning-with-filesPersistent file-based planning for AI coding agents and long-running tasks. Crash-proof markdown plans, session recovery after /clear and compaction, per-turn re-injection against context rot, deterministic completion gate. Manus-style. Install from npm, the Claude Code plugin marketplace, or npx skills. Codex, Cursor, OpenCode, 60+ agents.项目地址: https://gitcode.com/GitHub_Trending/pl/planning-with-files

使用本文件作为本次数据分析会话的持久化路线图，随分析推进保持阶段状态实时更新。

Goal

找出驱动 SaaS 用户 90 天流失率的关键可操作因素，并量化各因素的效应。

Current Phase

Phase 2

Phases

仅使用pending、in_progress、complete作为状态。

Phase 1: Data Discovery

• 连接用户库与行为事件库
• 在 findings.md 记录 schema 与字段说明
• 评估数据质量（空值、重复、异常值、日期范围）
• 估算数据集规模与查询性能
• Status:complete

Phase 2: Exploratory Analysis

• 计算关键变量汇总统计量
• 可视化流失组与非流失组的分布差异
• 识别异常值与离群点
• 将初步模式记录到 findings.md
• Status:in_progress

Phase 3: Hypothesis Testing

• 由探索阶段形式化假设
• 选择适当的统计检验
• 运行检验并把结果记录到 findings.md
• 用留出数据或替代方法验证发现
• Status:pending

Phase 4: Synthesis & Reporting

• 汇总带证据支撑的关键发现
• 制作最终可视化
• 撰写结论与建议
• 注明局限与后续调查方向
• Status:pending

Hypotheses

1. 注册后前 7 天活跃频次与 90 天流失率显著负相关（对数秩检验，α=0.05）
2. 支持工单响应时间超过 24 小时的用户流失率显著更高（卡方检验）

Decisions Made

Decision	Rationale
仅保留 2025 年注册且至少有 30 天观察窗口的用户	保证观察期完整，避免右删失偏差
对会话时长 >12h 的样本标记为异常值单独分析	疑似机器人或挂机会话，混入会扭曲分布

Errors Encountered

Error	Attempt	Resolution
事件表时间戳含 1970 年脏数据	1	增加时间范围过滤后重跑 schema 校验
流失定义与业务侧不一致	2	与业务确认口径后写入 findings.md 并更新 Goal 相关描述

Notes

• 状态随进度推进：pending→in_progress→complete。
• 重大分析决策前重读 Goal 与 Current Phase。
• 及时记录错误，避免重复失败的方法。
• 查询结果与可视化证据记录到 findings.md。

【免费下载链接】planning-with-filesPersistent file-based planning for AI coding agents and long-running tasks. Crash-proof markdown plans, session recovery after /clear and compaction, per-turn re-injection against context rot, deterministic completion gate. Manus-style. Install from npm, the Claude Code plugin marketplace, or npx skills. Codex, Cursor, OpenCode, 60+ agents.项目地址: https://gitcode.com/GitHub_Trending/pl/planning-with-files