面对居高不下的电子商务客户流失率,如何有效降低客户的流失意愿对电子商务企业来说意义重大。虽然投放大量广告或不断优化产品是简单易行的保留措施,但这种毫无针对性的客户保留会使企业面临浪费资源的风险,甚至会导致客户不满意而加速客户流失。大数据时代的到来使得客户数据更易被记录搜集,利用数据建立模型分析客户的流失行为,对潜在流失客户采取科学的挽留策略,为电子商务企业更有效率地理解客户消费行为与应对市场需求变化提供了新的路径。本文针对电子商务客户流失事件的随机特征,基于2037个真实客户数据,建立电子商务客户流失的生存分析模型。本文还对客户挽留过程中所涉及到的是否挽救、挽救次序、挽救成本、挽救比例等决策问题建立数学模型求解,并结合样本数据验证模型的可操作性和有效性,帮助企业避免犯“挽留一个不该挽留的人”、“未挽留一个该挽留的人”两种错误。通过研究,本文得到以下结论:（1）生存分析方法能够有效处理本文样本数据的删失性,简单删除删失数据或直接将删失数据当成完全数据都是不恰当的处理方式,均会低估电子商务客户的生存率。不同消费特征下客户生存时间的分布差异是显著的,具有经常购买、关注微店、在省内、参与过优惠活动、有过订单留言、有过退货维权等消费特征的客户,拥有更高的生存率或更长的生存时间。（2）本文所构建的三个Cox模型对影响客户流失风险的“危险因素”和“保护因素”的判断完全一致。客户购买次数、客户属地、订单留言、退货维权、消费金额波动对客户流失风险具有良好的预后效果,而关注微店、参与优惠活动对延长客户生存时间有利,能减少客户流失的风险,充分说明引导客户关注微店和对客户优惠让利仍是电子商务企业的有效营销手段。特别地,平均购买间隔对客户流失风险的影响效应不是固定的常数,会随着时间的变化而变化,其变化形式为β₉（t）=-0.21+0.03log（t）。（3）企业开展流失管理的最终目的是实现挽留利润最大化,客户个体给企业带来的挽救利润是异质的,每个个体的挽救利润与流失概率、客户价值、客户接受挽救的可能性、挽救成本密切相关,企业整体的挽救利润还与挽救比例相关。与传统根据客户流失概率确定挽救次序相比,本文以挽留利润增量作为挽救次序的排序指标,可以在不增加成本的情况下,为企业带来更多的挽救收益,从而验证本文所提出的挽救模型是有效的。