mysql怎么分组计算逾期率_Tableau分享第一篇：如何计算分组留存率（Cohort Analysis)！...

衡量一款产品是否健康，用户的留存率是一个关键的指标，常见的有7日留存率，14天留存率，30天留存率，60天留存率等等。今天Tay哥先讲一下如何用Tableau做Cohort Analysis ，中文一般译为分组留存率。上面提到的留存率，可以通过分组留存率进一步计算出来。

如何做分组留存率？

分组留存率计算起来比较简单，对用户进行分组，先维度分，再粒度分。

什么是维度？以Tableau自带的超市数据为例，如果按用户的首次购买时间对用户进行分组，购买时间就是维度；所谓粒度，就是时间维度是按日、周、月、季度，还是按年为分析的颗粒度？也即粒度上的差异。维度也可以是新增用户的渠道，那么新增的来源产品，还是来源的具体网址，这也属于粒度上的差异。通过这两方面的分组可以将对比的差异值逐级锁定，寻找数据表象差异背后的原因。

通常来讲，对于用户的留存分析有两个比较常用的的分组方向：

** 从用户的获取角度分组

** 从用户的行为角度分组

从用户获取的角度分组

如果按用户购买的时间分，粒度可选日、周、月、季度等，我们就可以分析后看出，各个时间段获取的客户在留存率表现上是不是有差异，例如在一个时间段内留存曲线是收敛并趋于稳定，还是强烈。通过留存率分析我们能够对流失的用户做用户画像分析，并在流失率高的时间段进行适当的干预。

在获取用户的角度，还可以对获客渠道进行划分，分析不同渠道的用户后续的留存情况。通过渠道维度的分析也可以判定不同渠道表现的优劣情况 ，好的渠道可以加大促销或者广告投入，差的渠道可