随着国家“携号转网”政策的推行、5G网络的普及以及运营商所推出的产品愈发同质化,客户的流失成本越来越小。由此引发的日益严重的流失现象对运营商的经营业绩和声誉都造成了不良影响。在此情况下,利用运营商所收集的客户相关数据进行分析,识别客户流失的影响因素,建立客户流失预测模型显得尤为重要。其实,对客户流失的预测,本质上是对分类问题的研究。本文在神经网络模型的基础上,结合生存分析方法中的比例风险模型,构造出一个新的组合模型。该模型的构建思路是:先将数据进行极值归一化预处理,再将标准化处理后的属性变量数据进行比例风险回归系数变换,最后用BP神经网络模型进行分类。模拟实验结果表明,与单一模型——比例风险模型、Logistic模型以及BP神经网络相比,新模型的预测精度有一定的提升;除个别情况外,新模型在预测准确度、F1分数和AUC值上均有不同程度的提高。在实证分析中,本文选取观测期为25个月的客户流失真实数据。通过观察Kaplan-Meier图以及使用比例风险模型拟合数据,发现自变量中的套餐金额、关联购买、服务合约和额外流量这四项因素属于客户流失危险因素。进一步,使用组合模型和单一模型分别进行分类,对比结果表明组合模型的解释性有所增强,预测准确率和模型的性能都有所提高。其原因在于,一方面,组合模型利用比例风险回归系数对原数据进行转化,赋予属性变量不同的权重以强调数据的生存时间性;另一方面,利用神经网络模型处理数据的非线性使得对于数据的信息提取更加充分。最后,基于实证结果,本文从客户关系管理以及战略营销层面对运营商提出相关建议。