留存率预估

渠道也需要做留存率的预估，这时候我们除了简单的留存率根据幂函数拟合的方式预估之外，还可以考虑的就是用stl分解后用arima预估

首先考虑了下这个产品是否有周期性，周期性一般是季节性比如说12个月，或者说7天这样的。
游戏产品星期1～星期天的留存率汇总看了下确实是存在7日的变动规律。

STL的季节拆解，是说一段时间序列的数据，可以拆分为trend+seasonal+residuals。

通过STL的拆解，可以把原始数据剔除季节性因素，将剔除后的结果再套入arima模型里面去做预估，之后再把季节性的因素加回来。

再使用autoarima去拟合模型（data-seasonal）

通过model.summary()检查模型效果

在同时用stlforcast来优化arima模型。