基于R语言的通用月度客户留存率(CRR)计算方案问询

首先咱们先解决你提到的跨年CRR异常问题，再给出适配任意时长数据的通用计算逻辑。

异常原因分析 #

你遇到的每年1月CRR重置为0的问题，大概率是原方案在关联月份时，只提取了纯月份数字（比如把"2018 Dec"当成12，"2019 Jan"当成1），完全没结合年份判断先后顺序。程序会误以为1月的上一个月不存在（因为1 < 12），导致无法匹配到去年12月的留存客户，最终算出错误的0值。

通用解决方案（R语言） #

核心思路是：先把年月转换成带年份的标准日期格式，确保跨年度的月份能正确关联；再基于每个客户的首次出现时间区分新增/留存客户，最后套用CRR公式计算。

步骤1：加载依赖包并预处理数据 #

我们用lubridate处理日期，dplyr做数据聚合：

library(dplyr)
library(lubridate)

# 你的示例数据
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)
df <- data.frame(customer_id, year_mon)

# 将year_mon转换为当月第一天的日期，解决跨年月份关联问题
df <- df %>%
  mutate(month_date = ymd(paste0(year_mon, " 01")))

步骤2：计算每个月的核心CRR指标 #

我们需要先获取：

• 当月客户总数（EC）
• 当月新增客户数（NC：首次在当月出现的客户）
• 上月客户总数（SC）

# 1. 标记每个客户的首次出现月份
customer_first_month <- df %>%
  group_by(customer_id) %>%
  summarise(first_month = min(month_date)) %>%
  ungroup()

# 2. 聚合每个月的核心数据并计算CRR
monthly_metrics <- df %>%
  group_by(month_date) %>%
  summarise(
    EC = n_distinct(customer_id),  # 期末客户数
    # 计算当月新增客户数：首次出现月份等于当前月份的客户数量
    NC = sum(customer_id %in% filter(customer_first_month, first_month == month_date)$customer_id)
  ) %>%
  ungroup() %>%
  arrange(month_date) %>%  # 按时间顺序排序，确保月份关联正确
  mutate(
    SC = lag(EC),  # 关联上月客户总数（取上一行的EC值）
    # 计算CRR，第一个月无上月数据，设为NA
    CRR = ifelse(!is.na(SC), ((EC - NC)/SC)*100, NA)
  ) %>%
  # 转回原年月格式，方便阅读
  mutate(year_mon = format(month_date, "%Y %b")) %>%
  select(year_mon, SC, EC, NC, CRR)

步骤3：查看计算结果 #

运行上述代码后，monthly_metrics会输出清晰的月度CRR数据：

print(monthly_metrics)
#   year_mon   SC EC NC      CRR
# 1 2018 Nov   NA  5  5       NA
# 2 2018 Dec    5  3  0  60.0000
# 3 2019 Jan    3  2  0  66.6667
# 4 2019 Feb    2  3  1 100.0000

咱们验证几个关键节点：

• 2018 Dec：上月（Nov）有5个客户，当月留存3人（无新增），CRR=3/5*100=60%，符合预期。
• 2019 Jan：上月（Dec）有3个客户，当月留存2人（无新增），CRR≈66.67%，完美解决了跨年异常问题。
• 2019 Feb：上月（Jan）有2个客户，当月留存1人、新增2人，EC-NC=3-1=2，CRR=2/2*100=100%，计算正确。

关键细节说明 #

• 日期格式转换：这是解决跨年问题的核心，用ymd()把年月转换成带年份的日期对象，程序就能正确识别2018-12的下一个月是2019-01，不会因为月份数字1<12而出错。
• 通用适配：不管你的数据有3个月还是30个月，只要年月格式统一，这个方案都能自动按时间顺序计算每个月的CRR，完全不需要硬编码月份。
• 边界处理：第一个月没有上月数据，所以CRR设为NA，你可以根据需求调整为0或者其他值。

内容的提问来源于stack exchange，提问作者ThomasPepperz