R中的月度客户保留率

Question

我正在尝试使用包含 390k 行的大型数据集来计算月度客户保留率的方法。基本上，我想知道一个月内出现在上个月的客户的百分比。

因此，如果上个月，客户 a、b 和 c 购买了产品。本月，客户 b、c 和 d 进行了购买。上个月的三位客户中有两位在本月进行了购买。请注意，d 上个月没有购买，因此本月不考虑，但下个月会考虑。

我在下面有一个简单但有代表性的数据框。

year_mon = c("2018 Nov", "2018 Nov", "2018 Nov", "2018 Nov", "2018 Nov", "2018 Dec", "2018 Dec", "2018 Dec", "2019 Jan", "2019 Jan", "2019 Feb", "2019 Feb", "2019 Feb")

customer_id = c(1, 2, 3, 4, 5, 2, 3, 4, 3, 4, 1, 2, 3)

data.frame(customer_id, year_mon)

无论我有多少个月，我如何计算 CRR？也就是说，我不想要这种硬编码。如果我有连续 30 个月的数据或连续 3 个月的数据，我想要一个计算 CRR 的解决方案。

来自https://www.bitrix24.com/glossary/what-is-customer-retention-rate-definition.php：

客户保留率 = ((EC-NC)/SC)*100，其中：

• EC - 一段时期结束时的客户数量
• NC - 在此期间的新客户数量
• SC - 期间开始时的客户数量

假设您发布了一款手机游戏。 9 月 1 日，你有 1000 名玩家。到 9 月 30 日，您有 500 名新玩家，但有 200 名玩家停止玩游戏。因此，在一个时期结束时（在我们的例子中是一个月），您有 1300 名游戏客户。我们来计算留存率：

((1300-500)/1000)*100=80 

因此，您设法留住了 80% 的客户。每个行业都有自己的“好”和“坏”保留率。不用说，每家公司都试图保留最大比例的客户。

编辑 @r2evans 这里你提供的解决方案似乎在这两年的一月都有“重置”，这很奇怪。我证实在 12 月也有客户在 1 月出现，因此 CRR 不应该为零。我想知道是否有任何解释可以解释这一点。

Answer 1

这是看待它的一种方式：

dat2 <- dat %>%
  mutate(
    Date = as.Date(paste0(dat$year_mon, "01"), format = "%Y %b %d")
  ) %>%
  select(-year_mon) %>%
  arrange(Date) %>%
  group_by(customer_id) %>%
  mutate(
    stayed = c(FALSE, diff(as.POSIXlt(Date)$mon) %in% c(1L, -11L)),
    notnew = c(FALSE, rep(TRUE, n() - 1))
  ) %>%
  ungroup()
dat2
# # A tibble: 13 x 4
#    customer_id Date       stayed notnew
#          <dbl> <date>     <lgl>  <lgl> 
#  1           1 2018-11-01 FALSE  FALSE 
#  2           2 2018-11-01 FALSE  FALSE 
#  3           3 2018-11-01 FALSE  FALSE 
#  4           4 2018-11-01 FALSE  FALSE 
#  5           5 2018-11-01 FALSE  FALSE 
#  6           2 2018-12-01 TRUE   TRUE  
#  7           3 2018-12-01 TRUE   TRUE  
#  8           4 2018-12-01 TRUE   TRUE  
#  9           3 2019-01-01 TRUE   TRUE  
# 10           4 2019-01-01 TRUE   TRUE  
# 11           1 2019-02-01 FALSE  TRUE  
# 12           2 2019-02-01 FALSE  TRUE  
# 13           3 2019-02-01 TRUE   TRUE  

这告诉我们：客户是否从上个月到本月继续服务，如果没有，他们是否不是新客户（即间隔 1 个月或更长时间）。

例如...

dat2 %>%
  group_by(Date) %>%
  summarize(
    n_customers = n(),
    n_stayed = sum(stayed),
    n_new = sum(!notnew),
    n_returned = sum(notnew)
  ) %>%
  mutate(
    prev_n_customer = lag(n_customers),
    CRR = 100 * n_stayed / prev_n_customer
  )
# # A tibble: 4 x 7
#   Date       n_customers n_stayed n_new n_returned prev_n_customer   CRR
#   <date>           <int>    <int> <int>      <int>           <int> <dbl>
# 1 2018-11-01           5        0     5          0              NA  NA  
# 2 2018-12-01           3        3     0          3               5  60  
# 3 2019-01-01           2        2     0          2               3  66.7
# 4 2019-02-01           3        1     0          3               2  50  

鉴于您提供的数据，我怀疑 CRR 是正确的。 （此流程假设您拥有的数据是月份连续的，没有数据间断。如果此 dat2 可能有一个完全不在数据中的间断月份，那么我们需要将 lag(...) 逻辑修改为自加入。也许很小，我认为如果你有“可靠”的数据不太可能。）

更新以修复 12 月到 1 月的过渡（之前已重置）。

---

数据：

year_mon = c("2018 Nov", "2018 Nov", "2018 Nov", "2018 Nov", "2018 Nov", "2018 Dec", "2018 Dec", "2018 Dec", "2019 Jan", "2019 Jan", "2019 Feb", "2019 Feb", "2019 Feb")
customer_id = c(1, 2, 3, 4, 5, 2, 3, 4, 3, 4, 1, 2, 3)
dat <- data.frame(customer_id, year_mon)