解读

面试官问的不是“流失天数定多少”，而是“如何把品类的天然复购节奏翻译成可落地的流失阈值”。
在国内电商/新零售/本地生活场景下，不同品类的决策链路长度、库存消耗速度、促销敏感度差异极大，若直接用行业通用“90天未购即流失”会严重失真：

• 母婴奶粉 30 天即需补货，90 天早已转牌；
• 大家电 3 年才换代，90 天算“刚下单”。
  因此，流失天数必须动态锚定“品类复购周期”，并兼顾用户分层、活动节奏、供应链日历三大中国本土变量，才能既不过度打扰，也不漏掉真实流失。

知识点

1. 品类复购周期（Category Repurchase Cycle, CRC）
   指同一用户在同一品类发生两次购买的中位间隔天数，需剔除大促当天订单后计算，避免“双十一脉冲”扭曲。
2. 流失阈值 = CRC × 衰减系数 α
   α 由品类保质期、促销密度、品牌忠诚度决定，国内经验值：
   • 生鲜/乳制品：α＝1.2
   • 美妆/个护：α＝1.5
   • 服装：α＝2.0
   • 3C 数码：α＝3.0
3. 分层修正
   对价格敏感型用户再×0.8，会员/订阅型用户再×1.3，确保高价值人群不提前被判流失。
4. 中国大促日历校准
   618、双 11、年货节前后 15 天不计入间隔，防止“伪流失”。
5. 动态更新机制
   每月滚动 12 个月数据，用指数加权方式更新 CRC，确保新品、季节因子及时反映。

答案

示范回答（可直接用于面试）：
“我会分四步把品类复购周期变成流失天数：
第一步，用近 12 个月订单算品类 CRC，剔除大促当天并做 7 天平滑，得到中位复购间隔；
第二步，根据品类属性选衰减系数 α，例如奶粉 α=1.2，面膜 α=1.5；
第三步，用用户分层修正，普通用户按 α 计算，高等级会员乘以 1.3 防止过度营销；
第四步，每月自动回刷，一旦 CRC 变化>10% 即触发阈值更新，并同步到 CRM 标签，确保短信、优惠券在真实流失临界点前 3 天触达。
按这套方法，我曾把某母婴品牌奶粉线的流失判定从 60 天缩短到 38 天，召回转化率提升 42%，同时减少 15% 无效短信费用。”

拓展思考

1. 若品类复购极度离散（如奢侈品），CRC 中位数失效，可改用生存分析中的 80% 未购概率临界点替代。
2. 在社区团购场景，还需把“团长更换”作为删失数据，防止用户因团长流失而被误判为品类流失。
3. 未来可引入深度学习序列模型，把浏览、加购、直播停留等行为一起编码，动态输出个人级流失概率，实现“千人千日”的流失阈值，而不再依赖品类统一天数。