DAX-流失用户计算

Jackie_Mina

已于 2023-02-09 14:38:21 修改

阅读量315

点赞数

分类专栏： DAX 学习日常文章标签：学习

于 2023-02-08 17:43:53 首次发布

本文链接：https://blog.csdn.net/weixin_36752088/article/details/128937447

版权

学习日常同时被 2 个专栏收录

15 篇文章 0 订阅

订阅专栏

DAX

12 篇文章 1 订阅

订阅专栏

此文档为学习笔记，原课程为佐罗老师的Power BI 自动化用户运营分析

根据行为用户数据，计算流失用户

创建一张日期表(维度表)：

_日期表 = ADDCOLUMNS (
CALENDAR ( date(2022,12,01),date(2023,01,31) )
,"年", YEAR ( [Date] )
,"月", MONTH ( [Date] )
)

_日期表：

Date	年	月
2022/12/1	2022	12
2022/12/2	2022	12
2022/12/3	2022	12
…	…	…
2022/12/31	2022	12
2023/1/1	2023	1
2023/1/2	2023	1
2023/1/3	2023	1
…	…	…
2023/1/31	2023	1

创建一张用户行为表(事实表)：

_用户行为 = 
var tb={
(1,"u001","2022/12/01"),
(2,"u001","2022/12/15"),
(3,"u001","2023/01/02"),
(1,"u002","2023/01/06"),
(3,"u002","2023/01/07"),
(2,"u003","2023/01/01"),
(3,"u004","2023/01/15"),
(1,"u004","2023/01/16"),
(3,"u005","2023/01/11")
}
return selectcolumns(tb,"用户行为key",[Value1],"用户key",[Value2],"日期key",[Value3])

_用户行为:

用户行为key	用户key	日期key
1	u001	2022/12/01
2	u001	2022/12/15
3	u001	2023/01/02
1	u002	2023/01/06
3	u002	2023/01/07
2	u003	2023/01/01
3	u004	2023/01/15
1	u004	2023/01/16
3	u005	2023/01/11

_日期表和_用户行为表的关系是：一对多关系

流失用户模型

流失用户的定义

在t时长无任何有效行为
t时长前有过有效行为
且t时常结束前恰好在[t1,t2]内
[t1,t2]内无有效行为，若存在有效行为，则必须晚于t时常在[t1,t2]中的结束点

如：
①已知用户U002有2次用户行为

用户行为key	用户key	日期key
1	u002	2023/01/06
3	u002	2023/01/07

②定义流失节点是：7天
③2023/1/6的前7+1天(即：2022/12/29-2023/1/5)，未发生有效行为，故流失用户要从2023/1/6后开始算起
PS:7+1=7天后开始算流失
④2023/1/7的前7+1天(即：2022/12/30-2023/1/6)，有发生有效行为，2023/1/7的时间点是活跃用户节点，故流失用户又要从2023/1/7后开始算起
⑤2023/1/7用户行为的后7+1天(即：2023/1/8-2023/1/15)，未发生有效行为，那么流失用户的时间节点就是2023/1/15

日期key	有过用户行为
2022/12/29	-
…	-
2023/1/5	-
2023/1/6	✔
2023/1/7	✔
…	-
2023/1/15	流失时间节点

DAX表达式

以用户u002为例，时间到了2023/1/15

_user_lost_7 = 
//...][t1=days ...days ... t1-1][t1,t2][...
var days=7+1 
var t1=firstdate('_日期表'[date])   //2023/1/15
var t2=lastdate('_日期表'[date])   //2023/1/15
var filter_dates_t1t2=datesbetween('_日期表'[date],t1,t2) // 2023/1/15--2023/1/15
var filter_dates_for_maybe_lost=datesbetween('_日期表'[date],t1 - days,t1 - 1) //可能会流失的时间点：2023/1/7--2023/1/14
var users_maybe_lost=calculatetable(values('_用户行为'[用户key]),filter_dates_for_maybe_lost) //可能会流失的用户  2023/1/7时的u002

var user_lost=filter(
    //从可能会流失的用户中筛选：
    
    users_maybe_lost,//可能会流失的用户
    
    var user=calculatetable(values('_用户行为'[用户key]),all('_日期表')) //用户表  
    
	//在可能会流失的用户中，最近一次有用户行为的时间点：2023/1/7
    var user_last_point_in_days=calculate(lastdate('_用户行为'[日期key]),filter_dates_for_maybe_lost,user)  
   
    //最终流失的时间点=最近一次有用户行为的时间+（7+1）：2023/1/15
    var user_lost_point_in_t1t2=user_last_point_in_days + days   
    
    //取用户在当前时间内首次用户行为：无
    var user_first_point_in_t1t2=calculate(firstdate('_用户行为'[日期key]),filter_dates_t1t2,user)  //无
	
	//如果最终流失的时间点在当前时间区间内，且用户在当前时间内首次行为时间为空 或 晚于 最终流失的时间点，则算为流失
    return 
        (user_lost_point_in_t1t2>=t1 && user_lost_point_in_t1t2<=t2) &&
        (user_first_point_in_t1t2 =blank() || user_first_point_in_t1t2 > user_lost_point_in_t1t2)
)
return countrows(user_lost)

下图所示：u002的用户行为时间点及流失时间点
在这里插入图片描述

使用参数

①新建参数表

_参数_流失天数_阈值_ = 
var tb=GENERATESERIES(1,60,1)
return SELECTCOLUMNS(tb,"param",[Value])

参数_流失天数_阈值:

param
1
2
3
…
60

②新建度量值
SELECTEDVALUE返回_参数_流失天数_阈值_[param]唯一引用值，默认值是7
_参数_流失天数_阈值_ = SELECTEDVALUE('_参数_流失天数_阈值_'[param],7)

③流失用户的DAX表达式：

_user_lost_7 = 
//...][t1=days ...days ... t1-1][t1,t2][...
var days=[_参数_流失天数_阈值_] + 1  //引用参数
var t1=firstdate('_日期表'[date])   //2023/1/15
var t2=lastdate('_日期表'[date])   //2023/1/15
var filter_dates_t1t2=datesbetween('_日期表'[date],t1,t2) // 2023/1/15--2023/1/15
var filter_dates_for_maybe_lost=datesbetween('_日期表'[date],t1 - days,t1 - 1) //可能会流失的时间点：2023/1/7--2023/1/14
var users_maybe_lost=calculatetable(values('_用户行为'[用户key]),filter_dates_for_maybe_lost) //可能会流失的用户  2023/1/7时的u002

var user_lost=filter(
    //从可能会流失的用户中筛选：
    
    users_maybe_lost,//可能会流失的用户
    
    var user=calculatetable(values('_用户行为'[用户key]),all('_日期表')) //用户表  
    
	//在可能会流失的用户中，最近一次有用户行为的时间点：2023/1/7
    var user_last_point_in_days=calculate(lastdate('_用户行为'[日期key]),filter_dates_for_maybe_lost,user)  
   
    //最终流失的时间点=最近一次有用户行为的时间+（7+1）：2023/1/15
    var user_lost_point_in_t1t2=user_last_point_in_days + days   
    
    //取用户在当前时间内首次用户行为：无
    var user_first_point_in_t1t2=calculate(firstdate('_用户行为'[日期key]),filter_dates_t1t2,user)  //无
	
	//如果最终流失的时间点在当前时间区间内，且用户在当前时间内首次行为时间为空 或 晚于 最终流失的时间点，则算为流失
    return 
        (user_lost_point_in_t1t2>=t1 && user_lost_point_in_t1t2<=t2) &&
        (user_first_point_in_t1t2 =blank() || user_first_point_in_t1t2 > user_lost_point_in_t1t2)
)
return countrows(user_lost)

下图所示：当参数选择15天，那么流失点是2023/1/23
在这里插入图片描述