伴随着我国家庭汽车保有量的提高,家用车售后服务迎来了新的机遇。汽车售后服务包括车辆销售后的质量保障、索赔、维修、保养服务、汽车零配件供给、维修技术培训、技术咨询及指导、市场信息反馈等一系列内容。在整车利润空间受到挤压的情况下,汽车售后服务将成为汽车产业链上的一个新的利润增长点。与机遇一同到来的还有挑战,一方面,汽车销售领域为了推销新车,往往给出非常大的折扣,甚至做“赔本买卖”,汽车经销商势必从尝试从售后找回利润。另一方面,4S店自身的管理能力有限,服务缺少针对性。两方面因素造成4S店面临严重的客户流失问题。为此,利用更加精确的手段,对4S客户售后数据进行分析尤为必要。随着统计学的发展与计算机技术的提高,可供建模分析的数据与日俱增,客户流失领域自然也不例外。与客户数据膨胀相应的,无论是传统统计方法还是新兴的机器学习方法,越来越多的理论被应用于研究于客户流失问题。但是,在以往研究中,往往使用较为主观的方法为客户流失现象确立一个标签。所有的训练和测试都围绕标签进行。另一方面,很多研究也忽视了客户反复到店,同一客户拥有多条记录的现象,大量的信息没有被合理地利用。为了规避分析中的主观性,以及有效利用客户反复到店的数据特点,本文基于复发事件分析,一种从生存分析中衍生出的方法,通过客户到店的规律,对汽车4S店客户售后数据进行了建模分析。分别建立了两种风格的比例风险模型,首先是固定效应的Andersen-Gill模型。之后,我为该模型加入了随机效应,将其拓展为一个半参数脆弱模型,在脆弱分布的设置上,我使用了三种PVF分布以及对数正态分布,而后对多个模型进行了对比。建模结果表明,在用于建模的25个变量中,有7个变量影响最大,分别为该次到店是否为定期保养、客户购买保险的次数、到店维修保养平均支付价格、客户享受到的平均折扣、客户到店时间的平均时间间隔,以及维修保养所消耗的最长时间与平均时间。同时,为模型引入正稳定随机效应最佳。分析的结果表明,购保次数、平均支付价格、平均折扣与最长维修时间4个变量与流失的可能呈负相关,而定期保养,平均时间间隔与平均维修时间呈正相关。为此,4S店定期保养较多,出现的时间间隔较长的客户应保持更高的关注。同时4S店应适度加快维修保养,尤其是小保养的节奏,同时给予客户适当的折扣以降低客户流失的可能。