Как посчитать Frequency в SQL

Зачем Frequency

Продакт смотрит retention 35% — кажется хорошо. Аналитик добавляет покупательскую frequency: повторные покупатели делают в среднем 1,8 покупок за квартал. Конкурент в той же категории — 4,2. Значит, юзер возвращается, но мало покупает. CAC окупается медленно.

Frequency — компаньон retention: первая показывает «вернулся», вторая — «насколько активно». В RFM-анализе frequency определяет ценность сегмента. В статье — SQL для расчёта и подводные камни.

Что такое Frequency

Purchase Frequency — среднее число покупок одного пользователя за период.

Frequency = Total orders / Unique buyers (за период)

В RFM F — это позиция пользователя в распределении frequency, обычно через NTILE(5).

Базовый расчёт

Данные: orders(user_id, order_id, total, status, created_at).

SELECT
    COUNT(*) AS total_orders,
    COUNT(DISTINCT user_id) AS unique_buyers,
    COUNT(*)::NUMERIC / NULLIF(COUNT(DISTINCT user_id), 0) AS avg_frequency
FROM orders
WHERE status = 'paid'
  AND created_at >= '2026-01-01'
  AND created_at <  '2026-04-01';

Важно: делите orders на unique buyers (тех, кто хоть раз купил), а не на all users (которые могли не покупать). Иначе frequency занижено.

Frequency в RFM

WITH user_frequency AS (
    SELECT
        user_id,
        COUNT(*) AS purchases,
        MAX(created_at) AS last_purchase,
        SUM(total) AS monetary
    FROM orders
    WHERE status = 'paid'
      AND created_at >= CURRENT_DATE - INTERVAL '365 days'
    GROUP BY user_id
)
SELECT
    user_id,
    purchases AS frequency,
    EXTRACT(DAY FROM CURRENT_DATE - last_purchase) AS recency_days,
    monetary,
    NTILE(5) OVER (ORDER BY purchases DESC) AS f_score,
    NTILE(5) OVER (ORDER BY last_purchase DESC) AS r_score,
    NTILE(5) OVER (ORDER BY monetary DESC) AS m_score
FROM user_frequency;

NTILE(5) делит пользователей на 5 квинтилей. F=1 — топ 20% по частоте.

Frequency по сегментам

По acquisition channel

WITH user_freq AS (
    SELECT
        o.user_id,
        u.acquisition_channel,
        COUNT(*) AS purchases
    FROM orders o
    JOIN users u ON u.user_id = o.user_id
    WHERE o.status = 'paid'
      AND o.created_at >= CURRENT_DATE - INTERVAL '90 days'
    GROUP BY o.user_id, u.acquisition_channel
)
SELECT
    acquisition_channel,
    COUNT(*) AS buyers,
    AVG(purchases) AS avg_frequency,
    PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY purchases) AS median_frequency
FROM user_freq
GROUP BY acquisition_channel
ORDER BY avg_frequency DESC;

Медиана важна: канал с одним «китом» (10 покупок) и 9 случайными (1 покупка) даст avg = 1,9, но median = 1.

Распределение frequency

WITH user_freq AS (
    SELECT user_id, COUNT(*) AS purchases
    FROM orders
    WHERE status = 'paid' AND created_at >= CURRENT_DATE - INTERVAL '90 days'
    GROUP BY user_id
)
SELECT
    purchases,
    COUNT(*) AS users,
    COUNT(*) * 100.0 / SUM(COUNT(*)) OVER () AS pct
FROM user_freq
GROUP BY purchases
ORDER BY purchases;

В e-com обычно 60-70% — 1 покупка, 15-20% — 2-3, остальные — 4+. «Хвост» из активных — самые ценные.

Visit Frequency vs Purchase Frequency

Visit frequency обычно в 5-15 раз выше purchase frequency. Conversion rate ≈ purchase / visit frequency × number of visitors.

WITH sessions_per_user AS (
    SELECT user_id, COUNT(DISTINCT session_id) AS visits
    FROM events
    WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
    GROUP BY user_id
),
purchases_per_user AS (
    SELECT user_id, COUNT(*) AS purchases
    FROM orders
    WHERE status = 'paid' AND created_at >= CURRENT_DATE - INTERVAL '30 days'
    GROUP BY user_id
)
SELECT
    AVG(s.visits) AS avg_visit_freq,
    AVG(p.purchases) AS avg_purchase_freq,
    AVG(p.purchases)::NUMERIC / NULLIF(AVG(s.visits), 0) AS visit_to_purchase_ratio
FROM sessions_per_user s
LEFT JOIN purchases_per_user p ON p.user_id = s.user_id;

Частые ошибки

Ошибка 1. Делить orders на all users

COUNT(orders) / COUNT(DISTINCT users) где users — все зарегистрированные. Получите frequency 0,2 — но это не frequency, а conversion × frequency. Делите только на тех, кто купил.

Ошибка 2. Не отсекать pending / cancelled

Корзины и отменённые заказы не должны идти в frequency. Только status = 'paid' или 'delivered'.

Ошибка 3. Frequency на коротком периоде

7 дней → почти все юзеры с frequency = 1. Нужно ≥ 30-90 дней для содержательных значений.

Ошибка 4. Avg вместо median

Один «кит» с 50 покупками сдвигает avg на 30%. Показывайте median рядом или используйте NTILE / percentile.

Ошибка 5. Frequency без сегментации

Total frequency 1,9 говорит мало. Frequency по сегментам (B2B vs B2C, repeat-cohort, регион) показывает реальную динамику.

Ошибка 6. Путать с frequency капы в маркетинге

В рекламе «frequency cap» — это другое понятие (макс. показов на пользователя). В аналитике frequency — про действия пользователя.

Связанные темы

• Как посчитать повторные покупки в SQL
• Как посчитать AOV в SQL
• RFM-анализ
• Как посчитать LTV в SQL

FAQ

Какая frequency считается хорошей?

Зависит от категории. Продукты (FMCG) — 4-8/мес. Одежда — 1-3/квартал. Электроника — 0,3-0,8/год. Доставка еды — 5-15/мес. Сравнивайте с конкурентами в категории.

Frequency или Retention — что показывать?

Retention — про возврат. Frequency — про активность вернувшихся. Идеально вместе: retention 35% при frequency 2 = лоялисты. Retention 35% при frequency 1,1 = «зомби-аккаунты», заходят редко.

Frequency считать по календарю или по cohort age?

Зависит от вопроса. Календарный (последние 90 дней) — для оперативного отчёта. Cohort age (первые 90 дней после регистрации) — для onboarding-анализа.

Что делать, если frequency низкая?

Декомпозиция: барьеры (товара нет / должно быть лучше), pricing (дороже конкурентов), retention (юзеры не возвращаются), product-market fit. Часто работает: cross-sell, лояльность, push на возврат.

Как считать frequency для подписочного бизнеса?

В подписке frequency обычно не используется — там есть active months или churn. Frequency релевантен для transactional бизнеса с дискретными покупками.