new_activity_metrics プラグイン

2024-11-23

適用対象: ✅Microsoft Fabric✅Azure データエクスプローラー

New Users のコーホートに対して有用なアクティビティメトリック (個別カウント値、新しい値の個別カウント、リテンション率、チャーンレート) を計算します。 New Users (時間枠に最初に表示されたすべてのユーザー) の各コーホートは、以前のすべてのコーホートと比較されます。比較では、以前のすべての時間枠が考慮されます。たとえば、T2 から T3 のレコードの場合、ユーザーの個別カウントは、T1 と T2 の両方に表示されなかった T3 のすべてのユーザーになります。このプラグインは、evaluate 演算子を使用して呼び出されます。

構文

TabularExpression | evaluate new_activity_metrics(IdColumn, TimelineColumn, Start, End, Window [, Cohort] [, dim1, dim2, ...] [, Lookback] )

構文規則について詳しく知る。

パラメーター

件名	タイプ	Required	説明
TabularExpression	`string`	✔️	アクティビティメトリックを計算する表形式の式。
IdColumn	`string`	✔️	ユーザーアクティビティを表す ID 値を持つ列の名前。
TimelineColumn	`string`	✔️	タイムラインを表す列の名前。
Start	スカラー型	✔️	分析開始期間の値。
End	スカラー型	✔️	分析の終了期間の値。
ウィンドウ	スカラー型	✔️	分析ウィンドウ期間の値。数値、datetime、timespan 値、または `week`、 `month` 、または `year`のいずれかである文字列を指定できます。その場合、すべての期間はそれに応じて startofweek/startofmonth/startofyear になります。 `startofweek`を使用する場合は、開始時刻が日曜日であることを確認します。それ以外の場合、最初のコーホートは空になります (startofweek 以降は日曜日と見なされます)。
グループ	スカラー型		特定のコーホートを示します。指定しない場合、分析の時間枠に対応するすべてのコーホートが計算され、返されます。
dim1, dim2, ...	`dynamic`		アクティビティメトリックの計算をスライスするディメンション列の配列。
ルックバック	`string`		"ルックバック" 期間に属する ID のセットを含む表形式の式。

返品

'from' と 'to' のタイムライン期間の組み合わせごと、および既存の列 (ディメンション) の組み合わせごとに、以下を含むテーブルを返します。

個別カウント値
新しい値の個別カウント
リテンション率
チャーンレート

出力テーブルスキーマは次のとおりです。

from_TimelineColumn	to_TimelineColumn	dcount_new_values	dcount_retained_values	dcount_churn_values	retention_rate	churn_rate	dim1	..	dim_n
型: TimelineColumn 現在	同じ	long	long	倍精度浮動小数点	double	倍精度浮動小数点	..	..	..

from_TimelineColumn - 新しいユーザーのコーホート。このレコードのメトリックは、この期間に最初に表示されたすべてのユーザーを示しています。 最初の表示に対する決定では、分析期間内の以前のすべての期間が考慮されます。
to_TimelineColumn - 比較対象の期間。
dcount_new_values - from_TimelineColumn 以前のすべての期間に表示されていない to_TimelineColumn の個別ユーザーの数。
dcount_retained_values - from_TimelineColumn に最初に表示されたすべての新規ユーザーのうち、to_TimelineCoumn に表示された個別ユーザーの数。
dcount_churn_values - from_TimelineColumn に最初に表示されたすべての新規ユーザーのうち、to_TimelineCoumn に表示されていない個別ユーザーの数。
retention_rate - コーホート外の dcount_retained_values の割合 (最初に from_TimelineColumn に表示されたユーザー)。
churn_rate - コーホート外の dcount_churn_values の割合 (最初に from_TimelineColumn に表示されたユーザー)。

Note

Retention Rate と Churn Rate の定義については、activity_metrics プラグインのドキュメントの「メモ」セクションを参照してください。

例

次のサンプルデータセットは、どのユーザーがどの日に表示されたかを示しています。テーブルは、次のようにソースの Users テーブルに基づいて生成されました。

Users | summarize tostring(make_set(user)) by bin(Timestamp, 1d) | order by Timestamp asc;

出力

タイムスタンプ	set_user
2019-11-01 00:00:00.0000000	[0,2,3,4]
2019-11-02 00:00:00.0000000	[0,1,3,4,5]
2019-11-03 00:00:00.0000000	[0,2,4,5]
2019-11-04 00:00:00.0000000	[0,1,2,3]
2019-11-05 00:00:00.0000000	[0,1,2,3,4]

元のテーブルのプラグインの出力は次のとおりです。

let StartDate = datetime(2019-11-01 00:00:00);
let EndDate = datetime(2019-11-07 00:00:00);
Users 
| evaluate new_activity_metrics(user, Timestamp, StartDate, EndDate-1tick, 1d) 
| where from_Timestamp < datetime(2019-11-03 00:00:00.0000000)

出力

R	from_Timestamp	to_Timestamp	dcount_new_values	dcount_retained_values	dcount_churn_values	retention_rate	churn_rate
1	2019-11-01 00:00:00.0000000	2019-11-01 00:00:00.0000000	4	4	0	1	0
2	2019-11-01 00:00:00.0000000	2019-11-02 00:00:00.0000000	2	3	1	0.75	0.25
3	2019-11-01 00:00:00.0000000	2019-11-03 00:00:00.0000000	1	3	1	0.75	0.25
4	2019-11-01 00:00:00.0000000	2019-11-04 00:00:00.0000000	1	3	1	0.75	0.25
5	2019-11-01 00:00:00.0000000	2019-11-05 00:00:00.0000000	1	4	0	1	0
6	2019-11-01 00:00:00.0000000	2019-11-06 00:00:00.0000000	0	0	4	0	1
7	2019-11-02 00:00:00.0000000	2019-11-02 00:00:00.0000000	2	2	0	1	0
8	2019-11-02 00:00:00.0000000	2019-11-03 00:00:00.0000000	0	1	1	0.5	0.5
9	2019-11-02 00:00:00.0000000	2019-11-04 00:00:00.0000000	0	1	1	0.5	0.5
10	2019-11-02 00:00:00.0000000	2019-11-05 00:00:00.0000000	0	1	1	0.5	0.5
11	2019-11-02 00:00:00.0000000	2019-11-06 00:00:00.0000000	0	0	2	0	1

出力のいくつかのレコードの分析を次に示します。

レコード R=3、from_TimelineColumn = 2019-11-01、to_TimelineColumn = 2019-11-03:
- このレコードで考慮されるユーザーはすべて、11/1 に表示される新しいユーザーです。これは最初の期間であるため、これらはそのビン内のすべてのユーザーです - [0,2,3,4]
- dcount_new_values – 11/1 に表示されていない 11/3 のユーザーの数。これには、1 人のユーザー (5) が含まれます。
- dcount_retained_values – 11/1 のすべての新規ユーザーのうち、11/3 まで保持されたユーザー数は何人ですか? 3 つの値 ([0,2,4]) がありますが、count_churn_values は 1 (ユーザー 3) です。
- retention_rate = 0.75 – 11/1 で最初に表示された 4 人の新規ユーザーのうち 3 人の保持されたユーザー。
レコード R=9、from_TimelineColumn = 2019-11-02、to_TimelineColumn = 2019-11-04:
- このレコードは、11/2 に最初に表示された新規ユーザー (ユーザー 1 と 5) に焦点を当てています。
- dcount_new_values – すべての期間 T0 .. from_Timestamp を通じて表示されていない 11/4 のユーザーの数。つまり、11/4 に表示されたが、11/1 または 11/2 のどちらにも表示されていないユーザー (そのようなユーザーは存在しません) です。
- dcount_retained_values – 11/2 ([1,5]) のすべての新規ユーザーのうち、11/4 まで保持されたユーザー数は何人ですか? そのようなユーザーは 1 人 ([1]) で、while count_churn_values は 1 (ユーザー 5) です。
- retention_rate は 0.5 - 11/2 の 2 人の新規ユーザーのうち 11/4 に保持された 1 人のユーザー。

週単位のリテンション率とチャーンレート (1 週間)

次のクエリでは、New Users のコーホート (最初の週に表示されたユーザー) を対象に、前週比のリテンション率とチャーンレートが計算されます。

クエリを実行する

// Generate random data of user activities
let _start = datetime(2017-05-01);
let _end = datetime(2017-05-31);
range Day from _start to _end step 1d
| extend d = tolong((Day - _start) / 1d)
| extend r = rand() + 1
| extend _users=range(tolong(d * 50 * r), tolong(d * 50 * r + 200 * r - 1), 1) 
| mv-expand id=_users to typeof(long) limit 1000000
// Take only the first week cohort (last parameter)
| evaluate new_activity_metrics(['id'], Day, _start, _end, 7d, _start)
| project from_Day, to_Day, retention_rate, churn_rate

出力

from_Day	to_Day	retention_rate	churn_rate
2017-05-01 00:00:00.0000000	2017-05-01 00:00:00.0000000	1	0
2017-05-01 00:00:00.0000000	2017-05-08 00:00:00.0000000	0.544632768361582	0.455367231638418
2017-05-01 00:00:00.0000000	2017-05-15 00:00:00.0000000	0.031638418079096	0.968361581920904
2017-05-01 00:00:00.0000000	2017-05-22 00:00:00.0000000	0	1
2017-05-01 00:00:00.0000000	2017-05-29 00:00:00.0000000	0	1

週単位のリテンション率とチャーン率 (完全なマトリックス)

次のクエリでは、New Users のコーホートの前週比のリテンション率とチャーンレートが計算されます。前の例で 1 週間の統計を計算した場合、次のクエリでは、from と to の組み合わせごとに NxN テーブルが生成されます。

クエリを実行する

// Generate random data of user activities
let _start = datetime(2017-05-01);
let _end = datetime(2017-05-31);
range Day from _start to _end step 1d
| extend d = tolong((Day - _start) / 1d)
| extend r = rand() + 1
| extend _users=range(tolong(d * 50 * r), tolong(d * 50 * r + 200 * r - 1), 1) 
| mv-expand id=_users to typeof(long) limit 1000000
// Last parameter is omitted - 
| evaluate new_activity_metrics(['id'], Day, _start, _end, 7d)
| project from_Day, to_Day, retention_rate, churn_rate

出力

from_Day	to_Day	retention_rate	churn_rate
2017-05-01 00:00:00.0000000	2017-05-01 00:00:00.0000000	1	0
2017-05-01 00:00:00.0000000	2017-05-08 00:00:00.0000000	0.190397350993377	0.809602649006622
2017-05-01 00:00:00.0000000	2017-05-15 00:00:00.0000000	0	1
2017-05-01 00:00:00.0000000	2017-05-22 00:00:00.0000000	0	1
2017-05-01 00:00:00.0000000	2017-05-29 00:00:00.0000000	0	1
2017-05-08 00:00:00.0000000	2017-05-08 00:00:00.0000000	1	0
2017-05-08 00:00:00.0000000	2017-05-15 00:00:00.0000000	0.405263157894737	0.594736842105263
2017-05-08 00:00:00.0000000	2017-05-22 00:00:00.0000000	0.227631578947368	0.772368421052632
2017-05-08 00:00:00.0000000	2017-05-29 00:00:00.0000000	0	1
2017-05-15 00:00:00.0000000	2017-05-15 00:00:00.0000000	1	0
2017-05-15 00:00:00.0000000	2017-05-22 00:00:00.0000000	0.785488958990536	0.214511041009464
2017-05-15 00:00:00.0000000	2017-05-29 00:00:00.0000000	0.237644584647739	0.762355415352261
2017-05-22 00:00:00.0000000	2017-05-22 00:00:00.0000000	1	0
2017-05-22 00:00:00.0000000	2017-05-29 00:00:00.0000000	0.621835443037975	0.378164556962025
2017-05-29 00:00:00.0000000	2017-05-29 00:00:00.0000000	1	0

週単位のリテンション率とルックバック期間

次のクエリでは、lookback 期間を考慮した場合の New Users のコーホートのリテンション率を計算します。New Users のコーホートを定義するために使用される ID のセットを含む表形式のクエリです (このセット内の表示されないすべての ID は New Users です)。このクエリでは、分析期間中の New Users のリテンション動作が調べられます。

クエリを実行する

// Generate random data of user activities
let _lookback = datetime(2017-02-01);
let _start = datetime(2017-05-01);
let _end = datetime(2017-05-31);
let _data = range Day from _lookback to _end step 1d
    | extend d = tolong((Day - _lookback) / 1d)
    | extend r = rand() + 1
    | extend _users=range(tolong(d * 50 * r), tolong(d * 50 * r + 200 * r - 1), 1) 
    | mv-expand id=_users to typeof(long) limit 1000000;
//
let lookback_data = _data | where Day < _start | project Day, id;
_data
| evaluate new_activity_metrics(id, Day, _start, _end, 7d, _start, lookback_data)
| project from_Day, to_Day, retention_rate

出力

from_Day	to_Day	retention_rate
2017-05-01 00:00:00.0000000	2017-05-01 00:00:00.0000000	1
2017-05-01 00:00:00.0000000	2017-05-08 00:00:00.0000000	0.404081632653061
2017-05-01 00:00:00.0000000	2017-05-15 00:00:00.0000000	0.257142857142857
2017-05-01 00:00:00.0000000	2017-05-22 00:00:00.0000000	0.296326530612245
2017-05-01 00:00:00.0000000	2017-05-29 00:00:00.0000000	0.0587755102040816

次の方法で共有

new_activity_metrics プラグイン

構文

パラメーター

返品

例

週単位のリテンション率とチャーン レート (1 週間)

週単位のリテンション率とチャーン率 (完全なマトリックス)

週単位のリテンション率とルックバック期間

フィードバック

その他のリソース

週単位のリテンション率とチャーンレート (1 週間)