渠道也需要做留存率的預估，這時候我們除了簡單的留存率根據冪函式擬合的方式預估之外，還可以考慮的就是用stl分解後用arima預估
首先考慮了下這個產品是否有周期性，週期性一般是季節性比如說12個月，或者說7天這樣的。
遊戲產品星期1～星期天的留存率彙總看了下確實是存在7日的變動規律。
STL的季節拆解，是說一段時間序列的資料，可以拆分為trend+seasonal+residuals。
透過STL的拆解，可以把原始資料剔除季節性因素，將剔除後的結果再套入arima模型裡面去做預估，之後再把季節性的因素加回來。
再使用autoarima去擬合模型（data-seasonal）
透過model.summary()檢查模型效果
在同時用stlforcast來最佳化arima模型。