PowerBI 超级粘性用户计算 - 原理与实现-轻识

什么是超级粘性用户？

每天都用（买）产品或服务的人数
每周都用（买）产品或服务的人数
每月都用（买）产品或服务的人数

对于某人是不是超级粘性用户，应该怎么判断呢？

例如：

王志远，在6个月内来威尔士健身10次，请问，王志远是超级粘性用户吗？

来分析一下，假设，王志远是心血来潮，连续10天来健身了10次，然后后面不来了，这也是满足在6个月内来健身10次的。

这里定义的超级粘性用户，要满足两个条件：

频率，如：
6个月内来健身6次
分布，如：
每个月至少来一次

因此，超级粘性用户，不仅仅是一种高频的特征，更是一种习惯。

当你养成了某个习惯，那将是真正的超级粘性。

根据超级粘性用户的特点，还可以成为连续留存用户。例如：在连续的6个月内，都有访问的用户数。

超级粘性用户数的计算原理

先来看一个示意图：

很快，可以想到一个原理：

假设：

最近一周来的人员集合是 X1，

最近二周来的人员集合是 X2，

那么，两周都来的人员集合就是 X1 与 X2 的交集。

但问题很快就来了，如果是 N 期呢？

从计算上看，需要做 X1，X2，…，Xn的交集。

这导致在 DAX 无法编写出通用的公式。

另寻他路

根据对计算原理的分析，我们可以确定：

如果要满足通用性，集合算法要求我们对 N 个集合做交集运算，这种是无法在 DAX 中做出通用表达的。这就要求我们必须想出其他的方法。答案显然是可以的。

现在我们考虑另外的方法：

以该图为例：

可以这样设计：

对于每一个人，都针对当前所选日期区间，分别看过去的 N 个周期是否有访问，如果有，则通过；那么，若某人通过检查的次数恰好是 N 则表示他在最近的 N 个周期的每个周期都来过，也就说明他是我们要找的用户之一。

按照这个思路，DAX 公式如下：

UsersViewInContinuPeriods =

VAR _period_number = 5 // 要计算的周期数
VAR _period_list = GENERATESERIES( 0 , _period_number - 1 ) // 周期生成

VAR _user_access_table =
    ADDCOLUMNS( User ,
        "CheckPassTime" ,
        SUMX( _period_list ,
            VAR _x = [Value] // 周期x
            VAR _access_times_for_x =
                CALCULATE( COUNTROWS( UserAction ) , DATESINPERIOD( 'Calendar'[Date] , LASTDATE( DATEADD( 'Calendar'[Date] , - _x , MONTH ) ) , -1 , MONTH ) )
            RETURN ( _access_times_for_x > 0 ) * 1
        )
    )
RETURN COUNTROWS( FILTER( _user_access_table , [CheckPassTime] = _period_number ) )

完毕。