本文目录：
- 前言
- 项目准备
- 同期群分析的概念
- 数据概览
- 数据清洗
- 单月实现（单行数据）
- 遍历合并，最终实现同期群
一、前言
如今，拉新的成本越来越高，如何增加用户留存、提升用户的复购次数、增加用户的付费金额等变得尤为重要。同期群分析，是解决这些问题的一个非常重要的分析方法。
尽管有很多同期群分析的概念和思路的文章，但是就如何通过工具实现，很难找到自己合适的。基于此，本文将简单的介绍一下同期群分析的概念，并用 Python 实现同期群分析。
本文所涉及的完整实战数据和代码等，详见百度云网盘链接：
链接：https://pan.baidu.com/s/1_CTwkdzFbXNH9iZPoYm2bw
提取码：maz8
Ps：本文重代码工具实现，分析的思路及结论暂不涉及！
二、项目准备
Python
- 版本：3.6
- IDE：pycharm
- 库：pandas、pymysql
本文所用的数据集来源于：上一篇中，《Python读取Excel数据，插入到MySQL》的数据。
Dima：Python 读取 Excel 数据，并插入到MySQLzhuanlan.zhihu.com数据集一共只包含6个字段，详见下图：
三、同期群分析的概念
3.1 同期群分析的含义
同期群，即相同时间内具有相似或特定属性 、行为的群体。核心要素为：时间 + 特定属性，如：把9月份注册APP的用户，划分为一个群组。
同期群分析，指将用户进行同期群划分后，对比不同同期群用户的相同指标。我们常说的留存率，就是同期群分析的其中一种。
同期群分析的核心：关注新增与留存。
同期群分析包含了3个重要元素：
- 客户首次行为时间，这是我们划分同期群的依据；
- 时间维度，如：+N月或者N日留存率中的N日；
- 指标，如：注册转化率、付款转化率、留存率等等。
3.2 同期群分析的意义
同期群分析，给到更加细致的衡量指标，帮助我们实时监控真实的用户行为、衡量用户价值，并为营销方案的优化和改进提供支撑；
横向比较：观察同一同期群在不同生命周期下的行为变化，推测相似群体的行为随时间的变化；
纵向比较：观察不同的同期群在同一个生命周期下的行为变化，验证业务行为是否取得预期效果。
其他《同期群》相关，可参考：
李启方：数据分析里经常听到的同期群，究竟是个啥？zhuanlan.zhihu.com
3.3 实现用户同期群的思路
如上图，这张表的每一行，代表一个同期群，而他们的本质逻辑是一样的。
首先，计算出当月新增的客户数，并记录客户昵称；
其次，拿这部分客户，分别去和后面每个月购买的客户做匹配，并统计有多少客户出现复购（留存）；
最后，我们计算出每个月的新增客户和对应留存情况，把这些数据拼接在一起，就得到了同期群留存表。
四、数据概览
首先：拿到数据的第一步，自然是了解数据的情况。针对本次同期群分析，我们可能需要用到的字段有：
- nick_name：客户昵称
- pay_time：付款时间
- order_status：订单状态，含：交易失败/交易成功
- pay_amount：支付金额
- purchase_quantity：购买数量
通过多次计算，可以发现付款时间中缺失值所在行的订单状态均为“交易失败”，那么下文中，都需要将订单状态为“交易失败”的行全部剔除。
针对此份数据，有3个分析方向可以选择：
- 留存率或付款率
- 人均付款金额
- 人均购买次数
本文中，我们选择其中最经典，也是数分面试中最常考的留存率作为例子，需要用到的字段有：
- nick_name：客户昵称
- pay_time：付款时间
- order_status：订单状态，含：交易失败/交易成功
- pay_amount：支付金额
在本次的分析中，留存率的具体计算方式为：+N月留存率=（+N月付款用户数/首月付款用户数）*100%。
特别注意：公式中的+N月存在歧义，会有两种计算方法：
- 第一种：以自然月作为月份偏移的依据。即所有首次行为在9月的用户，只要10月有付款行为，都计算进+1月留存
- 第二种：以每30天作为月份偏移的依据。即9月30日首次付款的用户，在10月30日-11月29日之间有付款行为，才计算进+1月留存
本文采用第一种计算方法来实现，后面的文章中会采用第二种来实现。
五、数据清洗
六、单月实现（单行数据）
实现后的效果，是一个单行的数据。如下图所示：
此处，先用一个单月实现，详细阐述一下，同期群实现的底层原理及方法。只需要实现一个月的计算逻辑，其他月份套用即可。
由于原始数据中，订单日期是不是月份，我们先处理一下订单日期；
查看订单源数据，可知是从2019年9月开始，到2020年2月。此处，我们以2019年10月的数据为样板，实现单行的同期群分析。
接下来，我们要计算的是每个月的新增客户数，这个新增，是需要和之前的月份遍历匹配来验证的，2019年10月之前的客户就是2019年9月的数据：
然后，把2019-10 之后每个月产生订单的客户昵称，与 2019-10 的客户昵称进行匹配，计算出每个月的留存情况：
最后，把最开始的当月（2019-10）的新增客户，加入到列表：
至此，我们以2019年10月为样板月，匹配出当月纯新增客户，接着再以月的维度，对后续每个月的客户进行遍历，验证客户留存数量。
我们其他月份的新增和留存计算分析逻辑，也是如此。
七、遍历合并，最终实现同期群
大多数情况下，数据是以留存率的形式体现，再稍做加工即可：
前文中，两处标红位置，我第一次做的时候，也是绕了很久，这里详细说明一下：
由上可知：len(month_list) = 6，则：range(len(month_list)-1)，即 range(5)，range是左包右不包。则是[0,1,2,3,4]。
第一次for循环，i = 0。for 循环内部嵌套的 for 循环，是 range(1, 6) 和 range(0, 5) 组合；即：1 0 、2 1 、3 2 、4 3 、5 4。
i=0，则是起始月 2019-09，for 循环内部的for循环，要依次循环寻找下一个月，直到找到最后一月为止。由数据源可知：到2020-02，依次计算下一个月，后面还有5个月。因此 order 的取数参数 j 需要的是第一个range(1, 6)。因为 0 是起始月，所以后面每次循环，都需要不断的+1！
上图中，在i=0的情况下，而range(0,5) 请看第一行，[0,1,2,3,4]就分别对应 +1月、+2月、+3月、+4月、+5月。在i=1或 i>1 后，后面就会出现有些月份是没有数据的，就全部为0！
第二次for循环，i = 1。for 循环内部嵌套的 for 循环，是 range(2, 6) 和 range(0, 5) 组合；即：2 0 、3 1 、4 2 、5 3。
i=1，则是起始月 2019-10，for 循环内部的for循环，要依次循环寻找下一个月，直到找到最后一月为止。由数据源可知：到2020-02，依次计算下一个月，后面还有4个月。因此 order 的取数参数 j 需要 range(2, 6)。
...
最后一次for循环，i = 4。for 循环内部嵌套的 for 循环，是 range(5, 6) 和 range(0, 5) 组合；即 5 0；......
这里的核心在于：zip 两个range 函数，第一个是order 取数的位置参数，第二个是往count中插入留存用户数据的位置参数，比较精髓，需要仔细深入理解一下！
第二个标注为红色的位置：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
