更多商業數據分析案例(原理，完整代碼，數據集)、統計學、SQL、網絡爬蟲詳見公衆號 " 數據分析與商業實踐 "
引言
同期羣分析的目的在於透過現象找到結果，以時間維度建立同期羣，除按時間維度考慮，也可以對來源渠道等維度建立同期羣。是一個很不錯的數據分析思路與方法。
通過查看用戶的後續活躍、留存、訪問內容等相關數據，找出有效用戶的影響因素。
同期分析作用一覽
實際案例：9月份新增用戶10萬人，10月份新增用戶15萬人，但9月份新增用戶的30日留存用戶爲1萬人，10月份新增用戶的30日留存用戶也爲1萬人，哪個月的運營業績更好呢？我的這次促銷是否有提前透支口碑呢？同期分析結果需要結合業務實際，一些業務思維的培養放在了文末鏈接，本篇專注於用 Python 來實現同期分析，儘管目前有工具可專門實現，但用 Python 也來一次，可以訓練代碼手感和思路，往下看吧。
通過橫向對比，能夠對客戶留存和生命週期有初步的認識。基於縱向觀察，可以發現不同期客戶，留存情況的差異，以反推該期引入的客戶是否精準。
數據清洗
構建同期分析表
以單獨的一個時間爲例，爲後續構建大循環做準備
循環構建
看似很簡單，只是把剛纔的示例結合起來罷了，但中間也有值得注意的地方
輸出結果，有了等於號線和橫槓線配合換行的確會整潔不少
動態數據可視化&結果分析
-
橫向觀察，次月流失嚴重，表現最好的月份次月留存也只有12%，隨後平穩降低，穩定在6%左右。
-
縱向對比，2019年當月新增客戶最少，僅有2042位，但人羣相對精準，留存率表現優於其他月份。
關鍵代碼呈現
# 存儲每月新增的客戶數
monthly_increase = {} # 用字典存儲，格式輸出漂亮些，也有助於添加進 DataFrame 中
# 由上面的時間可知，範圍爲：2019-09 ~ 2020-02：最多也就加五個月
# 循環對每個月進行上述相同的求解操作，注意第一個月不需要進行操作
## 注：在進行大小循環的過程中，可以跟之前的樣本數據結果進行比對，簡單驗證一下
for i in range(len(month_list)):
print(f'正在對{month_list[i]}進行操作...')
print('-'*50)
# 求解該月的訂單數量和客戶數量
orders = df[df['付款時間'] == month_list[i]]
# 將客戶分組，即把多次下單的同一個客戶算爲一個客戶：根據暱稱來 groupby
customers = orders.groupby('客戶暱稱')['支付金額'].sum().reset_index()
print(f'{month_list[i]}的訂單數量爲：{len(orders)}，客戶數量爲：{len(customers)}')
# --------------------- 計算每月新增客戶數 -------------------------------
# 如果是第一個月份，則跳過，畢竟不需要和歷史數據驗證是否爲新客戶
# 這也是 for 循環的 range() 中爲什麼不是month_list而是添加了長度的len(month_list)
if i == 0:
print('該月是數據集中的第一個月份，不需要和歷史數據驗證是否爲新客戶')
# 這裏的新增只是爲了格式上一致，畢竟第一個月算什麼新增
monthly_increase[month_list[i]] = len(customers)
else: # 如果不是，需要找到之前的歷史訂單
# print('該月不是數據集中的第一個月份，正在匹配歷史數據...')
print(f'該月({month_list[i]})的歷史年月爲：{", ".join(month_list[:i])}')
# 歷史訂單，從原始數據集中進行比對
history = df[df['付款時間'].isin(month_list[:i])]
# 新增客戶：未在歷史訂單中出現過的客戶
new_customers = customers[~customers['客戶暱稱'].isin(history['客戶暱稱'])]
print(f'本月新增客戶數爲：{len(new_customers)}')
monthly_increase[month_list[i]] = len(new_customers)
# --------------------- 計算每月留存客戶數 -------------------------------
print('正在計算', ", ".join(month_list[i+1:]), '中每個月份的客戶留存數...')
print('-'*50)
for j in range(i+1, len(month_list)):
# print(f'正在計算{month_list[j]}的留存客戶數...')
next_month = df[df['付款時間'] == month_list[j]]
retention_c=customers[customers['客戶暱稱'].isin(next_month['客戶暱稱'])]
print(f'{month_list[j]}的留存客戶數：{len(retention_c)}')
print('='*50 + '\n')
學會提問 | 個人爆發式成長 | 尋找零售密碼
一句話成爲心上人特別的存在
參考
大神極簡實現