数据分析
统计分析
所有图表都由数据库中的真实核实记录自动计算,样本不足的节点会明确标注,不使用任何虚构数据。
进入存活分析的订单
0笔
已激活 0 笔,其中 0 笔因缺少核实记录被排除
已确认掉订阅事件
0笔
其中 0 笔为区间删失(仅知发现日期)
已报告掉订阅占比
暂无
分子 0 / 分母 0(已激活订单)
中位存活天数
暂未观测到
尚无足够掉订阅样本,50% 失效时间尚未出现
数据库当前为空。图表会在管理员录入真实订单与核实记录后自动生成,不使用任何虚构数据填充。
图表一 · 累计订单增长趋势
按成交日期累计订单数量,同时显示每日新增订单数。
暂无成交数据
数据点 0 个,累计订单 0 笔(不含归档订单)。
图表二 · 订阅状态分布
按当前记录状态统计订单数量与占已激活订单的比例。
暂无数据
分母为已激活订单(0 笔)。占比是“已报告占比”,不等同于真实掉订阅概率。
图表三 · 掉订阅时间分布
已确认掉订阅的订单,在激活后多少天被发现失效。
暂无已确认掉订阅的样本
仅统计已经被管理员确认掉订阅的订单;“仅知发现日期”的记录属于区间估计,不是精确失效时间。
图表四 · 会员存活情况(Kaplan-Meier)
第 7 / 30 / 60 / 90 / 180 天节点的存活估计,使用生存分析正确处理右删失与区间内失效。
| 时间节点 | 在险订单数 | 该节点前已确认掉订阅数 | 存活估计 | 95% 置信区间 | 数据是否充足 |
|---|---|---|---|---|---|
| 7 天 | 0 | 0 | 100.0% | 100.0% ~ 100.0% | 不足(在险 < 5) |
| 30 天 | 0 | 0 | 100.0% | 100.0% ~ 100.0% | 不足(在险 < 5) |
| 60 天 | 0 | 0 | 100.0% | 100.0% ~ 100.0% | 不足(在险 < 5) |
| 90 天 | 0 | 0 | 100.0% | 100.0% ~ 100.0% | 不足(在险 < 5) |
| 180 天 | 0 | 0 | 100.0% | 100.0% ~ 100.0% | 不足(在险 < 5) |
已激活订单 0 笔,其中 0 笔进入生存分析,0 笔因缺少核实记录被排除;已确认掉订阅 0 笔,区间删失 0 笔,右侧删失 0 笔。
存活曲线为 Kaplan–Meier 估计;95% 置信区间(阴影带)已计算,具体数值见上方表格与悬浮提示。
7、30、60、90、180 天节点数据不足(在险订单数 < 5),不作为结论。
尚未观察到掉订阅事件,曲线保持 100%。
统计口径与局限
阅读图表前请先了解以下约束,避免把“已报告占比”或不足样本的估计误读为真实存活率。
已报告掉订阅占比
= 0 / 0 = 暂无数据
分母为「已激活订单数」,即已确认激活并进入观察的订单。这是「已报告占比」,不等同于真实掉订阅概率。
观察天数 ≠ 已确认存活天数
观察天数是从激活日期到今天的自然天数;已确认存活天数只算到最后一次核实“会员正常”的日期, 在无新核实记录前不会自动延长。
已激活但缺少核实记录的订单共 0 笔,这些订单不会被假定为正常,也不会计入存活率。
- 样本量:已激活订单 0 笔,其中 0 笔进入生存分析,0 笔因缺少核实记录被排除。
- 存活订单只在“最后一次确认会员正常”的日期做右侧删失,不做任何外推,因此结果偏保守。
- 仅知道发现日期的掉订阅按区间删失处理,曲线使用(最后一次确认正常日期 ~ 发现日期)的中点近似,属于估计值。
- 在险订单数少于 5 笔的时间节点标记为“数据不足”,不作为结论。
- 已确认掉订阅占比 = 已确认掉订阅数 / 已激活订单数,是“已报告占比”,不等同于真实掉订阅概率。
- 最长已确认存活天数:暂无数据;最快掉订阅天数:暂无数据。