比起客戶生命周期模型和客戶RFM價值模型，客戶存留模型相對簡單，它衡量我們留住新客戶的能力，不過簡單可不意味著用處少！在適合的場景下也可以發(fā)揮很好的分析作用。所以，沒有低級的模型，用得好才是關(guān)鍵。
一、數(shù)據(jù)集準(zhǔn)備：以Tableau軟件自帶的超市數(shù)據(jù)進行分析。
二、客戶存留分析模型
1、每年新客戶的數(shù)量
首先查看每年新客戶的數(shù)量，可以明顯看出，新客戶的數(shù)量一年比一年少。這里要注意，因為數(shù)據(jù)是從2013年開始統(tǒng)計的，所以506個并不全是2013年的新客戶數(shù)量，其中有一部分是之前積累下來的客戶數(shù)量。
2、創(chuàng)建客戶存留模型
如圖，例如2014年有202個新客戶，到了2015年只剩下168個，到2016年還有177個（相比前一年又回來了9個客戶），所以2015年留存率為168/202，2016年的留存率為44/52，但在表格上是斜對著，我們可以將訂單日期改為相對時間，將能變成豎著對齊了。
計算客戶的訂單日期相對于第一次購買的時間，將訂單日期替換為逝去的時間，如下圖。
如上所示，利用快速表計算里的合計百分比，即可得上圖?？梢郧逦每闯雒磕甑目蛻舸媪袈?，如2014年的新客戶，到2015年的存留率為83%，再往下一年就是88%，有所變好。
這里需要注意的是，該數(shù)據(jù)集其實并不適合用來做客戶存留分析模型，因為在之前的過程中我們知道，2016年的產(chǎn)品購買次數(shù)最大值是8，且大部分客戶的購買次數(shù)都在4以下，而客戶存留分析模型適用的條件是需要有一定頻率的購買行為。
在上圖中，如果我們按照季度或月份來看的話，可以發(fā)現(xiàn)有很多地方顯示客戶流失，但僅是因為客戶沒有在該季度或月份有購買產(chǎn)品，但我們的客戶本身購買頻率就不高，因此這并不能說明客戶已經(jīng)流失。但如果以年為單位構(gòu)建客戶存留模型，數(shù)據(jù)的時效性就很差，等到一年后再來分析客戶的存留率，客戶已經(jīng)走了，已然沒有挽留的余地，很明顯意義不大。綜上所述，這是該數(shù)據(jù)集所帶來的不適用問題。
3、創(chuàng)建參數(shù)-時間間隔
創(chuàng)建參數(shù)后，就可以用參數(shù)控件來對逝去的時間進行選擇，有利于進行靈活分析。
4、應(yīng)用場景和注意事項
（1)在實際的業(yè)務(wù)場景中，購買行為可以用其他更適合的行為靈活代替，例如APP中的登陸上線。
（2)該模型只適用于高頻率的場景，而且客戶行為的停止意味著客戶的流失。
（3)所選的時間間隔應(yīng)該符合客戶的購買頻率，如果某類客戶一周不購買就可以當(dāng)作流失，那么時間間隔應(yīng)該設(shè)置為周。
