目录

• 一、同期群分析的定义

• 二、SQL 步骤

  • 1. 查看数据

  • 2. 根据 uid 、年月聚合用户人数

  • 3. 计算年月的差额（天数）

  • 4. 计算年月的差额（月数）

  • 5. 透视（根据 uid 、首次付费年月去透视年月差额的用户人数）

  • 6. 计算留存率

一、同期群分析的定义

「同期群分析」（Cohort Analysis）是一种通过“纵横”结合对用户分群的细分类型分析的方法：

• 「横向上」——分析同期群随着周期推移而发生的变化

• 「纵向上」——分析在生命周期相同阶段的群组之间的差异

「同期群」指的是同一时期的群体，可以是同一天注册的用户、同一天第一次发生付费行为的用户等。

「周期的指标变化」是指用户在一定周期内的留存率、付费率等指标。

同期群分析包含三个核心的元素：

• 「客户首次行为时间」：这是划分同期群体的基点

• 「时间周期维度」：比如 N 日留存率、N 日转化率中的 N 日，一般即为 +N 日、+N 月

• 「变化的指标」：比如注册转化率、付款转化率、留存率等指标

同期群分析给到更加细致的衡量指标，可以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，避免“被平均”的虚荣数据。

二、SQL 步骤

下面我使用 PostgreSQL 拆分步骤来实现基于首单日期的用户留存率同期群报表，「每一步骤都是在前一步骤的基础上进行再加工」，这在代码中的子查询中也得到体现，理清了思路就会发现其实很简单。

重点有以下几点：

• 统计出每个用户的「首单时间」

• 计算首单时间和实际下单时间的「日期差」

• 对于付费用户数需要「去重统计」

• 注意字段「格式的转换」

1. 查看数据

-- 0. 查看数据SELECT * FROM "日志" LIMIT 10;

2. 根据 uid 、年月聚合用户人数

-- 1. 根据 uid 、年月聚合用户人数SELECT"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' ) AS 年月,min(to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )) OVER(PARTITION BY "日志".uid) AS 首次付费年月
FROM"日志"
GROUP BY"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )ORDER BY "日志".uid;

3. 计算年月的差额（天数）

-- 2. 计算年月的差额（天数）SELECT *,to_date(t.年月,'YYYY-MM') - to_date(t.首次付费年月,'YYYY-MM') AS 天数差额
FROM (SELECT"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' ) AS 年月,min(to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )) OVER(PARTITION BY "日志".uid) AS 首次付费年月
FROM"日志"
GROUP BY"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )ORDER BY "日志".uid) AS t;

4. 计算年月的差额（月数）

-- 3. 计算年月的差额（月数）SELECT t.*,
(case when t."天数差额" <= 30 then '首月' when t."天数差额" <= 60 then '+1月'when t."天数差额" <= 90 then '+2月' when t."天数差额" <= 120 then '+3月'when t."天数差额" <= 150 then '+4月'else NULLEND)  AS 月差额
FROM (SELECT *,to_date(t.年月,'YYYY-MM') - to_date(t.首次付费年月,'YYYY-MM') AS 天数差额
FROM (SELECT"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' ) AS 年月,min(to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )) OVER(PARTITION BY "日志".uid) AS 首次付费年月
FROM"日志"
GROUP BY"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )ORDER BY "日志".uid) AS t) AS t;

5. 透视（根据 uid 、首次付费年月去透视年月差额的用户人数）

-- 4. 透视（根据 uid 、首次付费年月去透视年月差额的用户人数）SELECT t.首次付费年月,
count(distinct case when t.年月差额 = 0 then t.uid else NULL end) AS 首月,
count(distinct case when t.年月差额 = 1 then t.uid else NULL end) AS "+1月",
count(distinct case when t.年月差额 = 2 then t.uid else NULL end) AS "+2月",
count(distinct case when t.年月差额 = 3 then t.uid else NULL end) AS "+3月",
count(distinct case when t.年月差额 = 4 then t.uid else NULL end) AS "+4月"
FROM (SELECT * FROM (SELECT *,round((to_date(t.年月,'YYYY-MM') - to_date(t.首次付费年月,'YYYY-MM')) / 30,0) AS 年月差额
FROM (SELECT"日志".uid:: text,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' ) AS 年月,min(to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )) OVER(PARTITION BY "日志".uid) AS 首次付费年月
FROM"日志"
GROUP BY"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )ORDER BY "日志".uid) AS t) AS t) AS tGROUP BY t.首次付费年月;

6. 计算留存率

-- 5. 计算留存率SELECT t.首次付费年月,t.首月,
round((t."+1月"::numeric / t.首月::numeric) * 100,2)::text || '%' AS "1月后",
round((t."+2月"::numeric / t.首月::numeric) * 100,2)::text || '%' AS "2月后",
round((t."+3月"::numeric / t.首月::numeric) * 100,2)::text || '%' AS "3月后",
round((t."+4月"::numeric / t.首月::numeric) * 100,2)::text || '%' AS "4月后"
FROM(SELECT t.首次付费年月,
count(distinct case when t.年月差额 = 0 then t.uid else NULL end) AS 首月,
count(distinct case when t.年月差额 = 1 then t.uid else NULL end) AS "+1月",
count(distinct case when t.年月差额 = 2 then t.uid else NULL end) AS "+2月",
count(distinct case when t.年月差额 = 3 then t.uid else NULL end) AS "+3月",
count(distinct case when t.年月差额 = 4 then t.uid else NULL end) AS "+4月"
FROM (SELECT * FROM (SELECT *,round((to_date(t.年月,'YYYY-MM') - to_date(t.首次付费年月,'YYYY-MM')) / 30,0) AS 年月差额
FROM (SELECT"日志".uid:: text,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' ) AS 年月,min(to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )) OVER(PARTITION BY "日志".uid) AS 首次付费年月
FROM"日志"
GROUP BY"日志".uid,to_char( to_date( "日志"."日期", 'YYYY-MM' ), 'YYYY-MM' )ORDER BY "日志".uid) AS t) AS t) AS tGROUP BY t.首次付费年月) AS t;

- END -

对比Excel系列图书累积销量达15w册，让你轻松掌握数据分析技能，可以点击下方链接进行了解选购：