用户研究里的流失分析正在从是否流失转向何时流失、流失速度如何变化，生存分析的用法随之增多。调研生存分析方法对数据的要求与常规问卷不同，设计阶段不介入，回收后很难补救。本文追踪删失处理、模型选择与检验步骤上的变化，并说明这些变化对样本招募与指标口径的新要求。本文也说明这些变化对随访型样本招募提出的新要求。
从是否流失转向何时流失
分析对象正从状态转向时长，常见议题包括会员续费间隔、设备换机周期、服务使用间隔、优惠券核销时长等。这一转向让生存分析从医学与工程领域进入消费与会员研究，也让结论从比例描述变成速度描述。时长类议题的问卷设计，与状态类题目存在明显差别。时长类题目建议配日历辅助回忆，减少填答误差。
变化带来两个直接影响。其一是问卷设计需要采集时间点而非状态，其二是样本需要可追踪，单次横截面无法支撑。调研生存分析方法应在前期设计阶段介入，明确随访窗口与关键事件时点的记录方式。随访窗口的长度应在项目启动前确定，中途不宜变更。
删失数据的处理变化
生存分析的关键在于删失，即观察期结束时事件尚未发生或样本中途失联。右删失较为常见，处理方式是保留样本并把观测时长记为下限。早期项目中直接剔除删失样本的做法会明显低估留存时长，近期这一做法已逐步减少。剔除删失样本会造成偏差，这一点需要写进分析说明。保留删失样本的前提，是观测时长字段完整可用。
删失机制需要与失联原因联动判断。若失联与事件风险相关，属于信息性删失，标准方法会带偏差。样本库在交付时应附失联样本的时间点与原因分类，便于分析方判断是否需要做敏感性分析，而不是把失联记录直接丢弃。失联原因的分类建议在问卷回访阶段同步采集。
Cox模型的应用趋势
Cox模型因不指定基准风险形式而使用广泛，适合初步判断协变量对风险的影响方向。应用趋势上，分层Cox与时变协变量的用法增多，前者处理不满足比例风险假设的分层变量，后者处理随时间变化的因素，如促销接触与客服介入。分层变量的选取应基于实际业务结构，不宜随意设置。
比例风险假设的检验被更多项目纳入常规步骤。常用做法是检验舍恩菲尔德残差是否随时间变化，不满足时对相应变量做分层或改用时变形式。跳过这一步会让系数解释失真，这是复核意见里出现频率较高的一条。时变因素的记录方式，需要在问卷设计阶段提前安排。时变因素的采集频率应与随访周期保持一致。
参数法与离散时间模型
参数法指定基准风险的分布形式，常用指数、威布尔与对数逻辑分布。当需要预测具体时点的生存概率时，参数法比半参数法更方便，因为它可以直接给出生存函数，近期多用于需要外推预测的场景。残差检验的结果应附在交付材料里，便于复核与追溯。
离散时间模型的运用也在增加。当时间被记录为月度或季度而非连续值时，用离散时间风险模型更贴合数据生成方式，且可以直接纳入时间固定效应。模型选择的判断顺序逐步统一为：先看时间记录精度，再看是否需要预测，最后看假设是否满足。外推预测的场景应说明假设条件与适用的时间范围。
对样本招募的启示
招募条件从静态属性转向可追踪行为。除常规人口与消费属性外，需要采集起始时点、关键事件时点与随访窗口。建议条件为：能明确说出首次使用或首次购买的月份、同意参与后续至少两次随访、接受在随访中回答状态变化题。时间精度不足时，改用离散模型的损失相对较小。精度不足时也可考虑按周记录，再在分析阶段聚合。
配额上，按入组时长分层，短于三个月、三到六个月、六个月以上各取三成左右，保证风险集在各时点都有样本。随访保留率是关键约束，建议设置提醒机制与阶段性礼金，把两期保留率维持在七成以上，低于六成时需做敏感性处理。模型选择的判断顺序，建议写进分析方案模板。
指标口径与交付规范
建议固定三类口径：生存函数用卡普兰迈耶估计并注明风险集人数；中位生存时间定义为生存概率降到一半的时点，若未降到一半需说明；风险比来自Cox模型并附置信区间与比例风险检验结果。三类口径在跨期追踪时保持一致。随访时点与事件时点应分两个字段记录，避免混淆。两个字段的记录格式需统一，便于直接计算间隔。
交付物除系数表外，建议附生存曲线与风险表，并说明删失比例与失联原因构成。调研生存分析方法的结论高度依赖随访质量，把随访执行情况一并交付，能让委托方判断结果可外推的程度与残余不确定性。生存曲线与风险表应随系数表一并交付给委托方。交付前建议做一次缺失字段自查，补齐关键时点。