简短回答：您可以建立一个模型来预测购买 (0/1) 并收工。创建一个统计过去购买次数的功能，以控制回头客。但是如果你想专门处理时间组件（这当然更有趣）......

TTE 模型：您应该查看 Time-to-Event 模型（加速时间故障模型等）。通常，事件 (0/1) 通常被表述为负面结果（如死亡或贷款违约），但这是只是因为这些模型源于的研究领域。您没有理由不能将您的结果重新定位为购买事件。

注意：处理数据中的审查。看这里

发挥创造力，我不能在这里评论很多细节，因为你没有对你的确切数据集有感觉，但你可以尝试将你的因变量处理成更具体的东西，例如，第一次看到客户和第一次看到之间的时间购买，或最近 2 次购买之间的时间。

考虑购买时间分布。从本质上讲，在给定一些条件（客户任期、总购买量等）的情况下，开始考虑参数化购买时间分布的方法。当您扩展这种思路时，您会遇到有用的方法。对于（一个简单的）示例，使用 EM 估计各种购买时间条件分布的参数。

希望这可以帮助！