用Python做早教机构学员留存预测从特征工程到XGBoost模型的完整实操
背景早教托管机构的学员留存有特殊性决策者是家长使用者是2到6岁的孩子续费周期通常为3到6个月。跟K12不同早教学员没有成绩作为续费依据留存更多取决于家长的感受和体验。帮一个早教客户做留存分析时发现他们的整体续费率只有54%低于行业平均的65%。通过建立留存预测模型提前识别高流失风险学员并干预三个月后续费率提升到了67%。今天分享完整的建模过程。一、数据准备与特征工程import pandas as pdimport numpy as npfrom datetime import datetime, timedelta# 加载数据enrollment pd.read_csv(enrollment.csv) # 报名记录attendance pd.read_csv(attendance.csv) # 考勤记录communication pd.read_csv(communication.csv) # 家校沟通记录payment pd.read_csv(payment.csv) # 缴费记录# 定义标签报名后180天内是否续费enrollment[renewed] (enrollment[next_enroll_date].notna() (pd.to_datetime(enrollment[next_enroll_date]) -pd.to_datetime(enrollment[enroll_date])).dt.days 180).astype(int)特征工程是早教留存预测最关键的一步。经过多轮筛选最终使用了四大类共23个特征。第一类学员基础特征features enrollment[[student_id, age_at_enrollment, gender, course_type]].copy()# 年龄分组早教阶段年龄影响大features[age_group] pd.cut(features[age_at_enrollment],bins[0, 2, 3, 4, 5, 6],labels[0-2, 2-3, 3-4, 4-5, 5-6])第二类出勤行为特征这是预测力最强的一类特征。早教学员的出勤模式直接反映家长的参与度和满意度。# 计算每个学员的出勤统计attendance[date] pd.to_datetime(attendance[date])attendance_stats attendance.groupby(student_id).agg(total_sessions(date, count),attended(status, lambda x: (x present).sum()),absent(status, lambda x: (x absent).sum()),leave(status, lambda x: (x leave).sum()),first_date(date, min),last_date(date, max)).reset_index()attendance_stats[attendance_rate] (attendance_stats[attended] / attendance_stats[total_sessions])# 出勤率变化趋势最近4周vs之前4周def calculate_trend(group, student_id, current_date):recent group[(group[student_id] student_id) (group[date] current_date - timedelta(weeks4)) (group[date] current_date)]previous group[(group[student_id] student_id) (group[date] current_date - timedelta(weeks8)) (group[date] current_date - timedelta(weeks4))]recent_rate (recent[status] present).mean() if len(recent) 0 else 0previous_rate (previous[status] present).mean() if len(previous) 0 else 0return recent_rate - previous_rateattendance_stats[attendance_trend] attendance_stats.apply(lambda row: calculate_trend(attendance, row[student_id], row[last_date]), axis1)# 连续缺课天数强流失信号def max_consecutive_absent(group, student_id):student_records group[group[student_id] student_id].sort_values(date)max_streak 0current_streak 0for status in student_records[status]:if status absent:current_streak 1max_streak max(max_streak, current_streak)else:current_streak 0return max_streakattendance_stats[max_absent_streak] attendance_stats[student_id].apply(lambda sid: max_consecutive_absent(attendance, sid))第三类家校沟通特征# 家长主动沟通次数反映关注度comm_stats communication.groupby(student_id).agg(parent_initiated(initiator, lambda x: (x parent).sum()),teacher_initiated(initiator, lambda x: (x teacher).sum()),total_comm(initiator, count),avg_response_time(response_minutes, mean),last_comm_days_ago(date, lambda x: (datetime.now() - pd.to_datetime(x).max()).days)).reset_index()# 沟通频率变化comm_stats[comm_frequency] comm_stats[total_comm] / ((pd.to_datetime(now) - enrollment.set_index(student_id)[enroll_date]).dt.days).reindex(comm_stats[student_id]).values第四类付费行为特征payment_stats payment.groupby(student_id).agg(total_paid(amount, sum),payment_count(amount, count),avg_payment(amount, mean),last_payment_days_ago(date, lambda x: (datetime.now() - pd.to_datetime(x).max()).days)).reset_index()# 课时消耗速度payment_stats[burn_rate] payment_stats[total_paid] / (attendance_stats.set_index(student_id)[attended].reindex(payment_stats[student_id]).values 1)二、模型训练from xgboost import XGBClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import classification_report, roc_auc_score# 合并所有特征model_data features.merge(attendance_stats, onstudent_id) \.merge(comm_stats, onstudent_id, howleft) \.merge(payment_stats, onstudent_id, howleft)model_data model_data.fillna(0)# 划分训练集和测试集X model_data.drop([student_id, renewed], axis1, errorsignore)y enrollment.set_index(student_id).reindex(model_data[student_id])[renewed]# 处理类别变量X pd.get_dummies(X, columns[age_group, course_type, gender])X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42)model XGBClassifier(n_estimators200,max_depth5,learning_rate0.1,subsample0.8,colsample_bytree0.8,scale_pos_weightlen(y_train[y_train0]) / len(y_train[y_train1]))model.fit(X_train, y_train)y_pred model.predict(X_test)y_prob model.predict_proba(X_test)[:, 1]print(classification_report(y_test, y_pred))print(fAUC: {roc_auc_score(y_test, y_prob):.4f})模型AUC达到0.82在早教留存预测领域算是不错的水平。三、特征重要性分析from xgboost import plot_importanceimport matplotlibmatplotlib.use(Agg)importance model.feature_importances_feat_df pd.DataFrame({feature: X.columns, importance: importance})feat_df feat_df.sort_values(importance, ascendingFalse).head(10)最重要的5个特征分别是连续缺课天数、出勤率变化趋势、最近沟通天数、出勤率、课时消耗速度。这个结果跟行业经验高度一致早教学员流失不是突然发生的而是有一个渐进过程。先是出勤率下降然后家长沟通减少最后直接不来了。模型的价值在于能在出勤率刚开始下降的时候就发出预警。四、业务落地模型不是用来预测完就结束的关键是把预测结果转化为运营动作。# 按流失风险分级risk_scores model.predict_proba(X)[:, 1]model_data[risk_score] risk_scoresmodel_data[risk_level] pd.cut(risk_scores,bins[0, 0.3, 0.6, 1.0],labels[低风险, 中风险, 高风险])# 高风险学员自动触发干预high_risk model_data[model_data[risk_level] 高风险]for _, row in high_risk.iterrows():create_intervention_task(student_idrow[student_id],risk_scorerow[risk_score],suggested_actionsgenerate_intervention_suggestions(row))干预建议根据风险因素自动生成如果是出勤率下降导致的建议老师主动联系家长了解情况如果是沟通减少导致的建议安排一次课堂观摩让家长看到孩子的进步如果是课时消耗过快导致的建议提前沟通续费方案。五、总结早教学员留存预测的核心不在模型算法有多复杂而在特征工程是否贴合业务实际。出勤率、沟通频率、课时消耗速度这些特征看似简单但组合起来对流失风险的识别力非常强。模型上线后客户机构的续费率从54%提升到67%核心价值是让老师能在家长还没决定不续费的时候就主动介入而不是等家长来退费了才发现问题。

相关新闻

3步搭建CATIA曲面法线自动生成管线:PyCATIA批量处理实战手记

3步搭建CATIA曲面法线自动生成管线:PyCATIA批量处理实战手记

3步搭建CATIA曲面法线自动生成管线:PyCATIA批量处理实战手记 【免费下载链接】pycatia python module for CATIA V5 automation 项目地址: https://gitcode.com/gh_mirrors/py/pycatia 去年秋天,我接手一个离心叶轮叶片曲面的流体分析前处理任务。…

2026/10/21 21:15:35 阅读更多 →
监督学习 vs 聚类

监督学习 vs 聚类

监督学习 vs 聚类 核心一句话:聚类属于无监督学习,不是监督学习。 1、监督学习(Supervised Learning) ✅有标签(label),数据包含「输入特征 + 标准答案」。 模型学习:输入 →预测标签。 分为两类: 分类:输出离散类别 例:猫狗识别、判断图片是不是人脸; 算法:SVM…

2026/10/20 8:07:02 阅读更多 →
Agent 系统完整解析

Agent 系统完整解析

以 Hermes 为例,从 0 到 1 理解 Agent 的组成、原理与设计方法 面向工程实践的 Agent 系统通俗讲解 AI AGENT Agent(智能体)是 AI 领域近年来最重要的概念之一。简单来说,Agent 是一个能理解你的意图、拆解任务、调用工具、执…

2026/10/20 14:22:28 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/10/22 10:18:38 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/10/22 11:01:53 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/10/22 9:44:47 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/10/22 10:42:00 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/10/22 10:40:08 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/10/22 10:56:37 阅读更多 →

日新闻

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/22 1:47:45 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/22 21:33:42 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/22 5:12:39 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/22 22:56:44 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/22 22:56:12 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/22 19:06:46 阅读更多 →