Streudiagramm-Visualisierungen mit Charticulator
In diesem Tutorial erfahren Sie, wie Sie mit Charticulator eine Streudiagramm-Visualisierung für Ihren LuckyTemplates-Bericht erstellen und entwerfen.
LuckyTemplates-Kundenattributionsanalyse mit Advanced DAX
Wir werden heute weiterkommen. Wir werden uns eingehend mit der Kundenabwanderung befassen: Neukunden- und Verlustkundenanalyse in LuckyTemplates. Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.
Ein anderer Begriff dafür ist Fluktuationsanalyse, weil wir sehen wollen, wie unsere Kunden abwandern, wie viele unserer Kunden zu uns kommen und unsere Produkte kaufen, wie viele zurückkommen und noch mehr kaufen, wie viele Kunden wir verlieren usw so weiter.
Es gibt so viele großartige Erkenntnisse, die Sie mit dieser Art von recht fortgeschrittener Analyse gewinnen können, weshalb ich mir etwas Zeit nehmen wollte, um mich eingehend mit der DAX-Sprache und den DAX-Formeln zu befassen.
In diesem Beispiel einer Kundenanalyse gehe ich zunächst die Kundenabwanderung durch und untersuche, wie viele Kunden nach einem bestimmten Zeitraum verloren gehen. Ich beschäftige mich auch mit Neukunden und wiederkehrenden Kunden.
Die Analyse der Kundenabwanderung ist ein sehr wichtiger Analyseschritt für ein Unternehmen, insbesondere wenn es sich um ein Unternehmen mit hoher Vertriebsfrequenz wie einen Online-Händler oder eine Supermarktkette handelt.
Wenn Sie Kunden gewinnen, möchten Sie diese natürlich mehr verkaufen und sie beispielsweise nicht an die Konkurrenz verlieren.
Es ist viel einfacher, an einen bestehenden Kunden zu verkaufen, als neue Kunden zu gewinnen.
Bestehende Kunden sind für die meisten Unternehmen von entscheidender Bedeutung, da es viel profitabler ist, sie weiterhin zu vermarkten, als ständig neue Kunden finden zu müssen.
Inhaltsverzeichnis
Verlorene Kunden finden
In dieser ersten Visualisierung hier haben wir das, was wir als verlorene Kunden im Laufe der Zeit bezeichnen würden .
Dieser Punkt auf nur etwa 90 Tage ist nicht so relevant, da wir, wenn wir uns in den ersten Tagen befinden, im Moment tatsächlich jeden als „verloren“ betrachten.
Lassen Sie uns nun die Funktion durchgehen, um zu sehen, was wir hier tun.
In dieser Formel zählen wir die Kunden, die in den letzten 90 Tagen oder dem variablen Abwanderungsdatum keinen Kauf getätigt haben.
Über diese CustomersList- Variable erstellen wir eine virtuelle Tabelle für jeden einzelnen Kunden .
Wir filtern alle Kunden für jeden Tag. Und was wir mit ALL machen, ist, dass wir jeden einzelnen Kunden an jedem einzelnen Tag im Blick haben.
Und dann bewerten wir für jeden einzelnen Kunden, ob er in den letzten 90 Tagen einen Kauf getätigt hat. Ist dies nicht der Fall, wird die Bewertung auf 0 gesetzt und der Kunde gezählt.
Neue Kunden isolieren
Schauen wir uns nun unsere Neukunden an und schauen wir uns an, was sie bewerten.
In dieser Tabelle sehen wir, dass es sich eher um die früheren Daten Januar bis Juli handelt, da wir gerade erst mit unserem Geschäft begonnen haben. Die Leute sind im Allgemeinen neu.
Gegen Ende flacht es dann natürlich ab, weil wir dort nur noch unsere Stammkunden haben.
Seine Funktion besteht darin, eine ähnliche Logik auszuführen. Wir zählen, wie viele Kunden bis heute einen Verkauf getätigt haben.
Und wenn sie nichts gekauft haben, was als 0 bewertet wird, dann wird es als Neukunde gewertet.
Wissen, wer wiederkehrende Kunden sind
Wiederkehrende Kunden sind diejenigen, die als verloren gewertet wurden.
Mit anderen Worten: Sie haben 90 Tage lang nichts gekauft. Im Laufe der Zeit werden wir berechnen, wie viele tatsächlich zurückkehren.
Dies wäre eine erstaunliche Erkenntnis, wenn Sie Werbeaktionen durchführen oder Marketing betreiben und wissen möchten, wie viele dieser verlorenen Kunden Sie durch Ihre Marketingaktivitäten zurückgewonnen haben.
In der Formel „Wiederkehrende Kunden“ bewerten wir nur Kunden, die an einem bestimmten Tag tatsächlich etwas gekauft haben.
Hier führen wir also eine Logik für jeden Kunden durch und bewerten, ob er in den letzten 90 Tagen einen Verkauf getätigt hat.
Wenn sie in den letzten 90 Tagen keinen Kauf getätigt haben, gilt dies als Rückgabe. Bewerten Sie dann „wahr“ und zählen Sie den Kunden an diesem bestimmten Tag aus.
Analysieren Sie mit LuckyTemplates und DAX, wer Ihre verlorenen Kunden sind.
Kundentrendanalyse in LuckyTemplates mit DAX.
Entdecken Sie, wie viele Verkäufe neuen Kunden zugeschrieben werden können – erweiterte LuckyTemplates-Einblicke
Abschluss
Dieses Tutorial zur LuckyTemplates- Kundenanalyse befasst sich mit DAX-Berechnungen ziemlich weit. Dies zeigt nur die analytische Leistungsfähigkeit, die Sie mit LuckyTemplates haben können.
In der Vergangenheit kostete die Generierung dieser Art von Informationen viel Geld. Aber jetzt könnten Sie diese großartigen Erkenntnisse durch eine saubere und effektive Formel unter Verwendung der DAX-Sprache gewinnen.
Denken Sie daran, dass es tatsächlich mit dem Datenmodell übereinstimmt. Da ist alles drin.
Wir können hier tatsächlich einige Filter platzieren. Wenn wir beispielsweise nur in einen Bundesstaat eintauchen möchten, sagen wir Florida, oder in unsere Top-3-Bundesstaaten, wird alles dynamisch ausgewertet.
Ich tauche im Video in so viele Techniken ein. Einige davon sind sehr fortgeschritten, aber Sie möchten auf jeden Fall mit diesen Dingen in Berührung kommen.
Wenn Sie die Chancen und das Potenzial von LuckyTemplates erkennen, können sich Ihre Gedanken mit den Möglichkeiten, Analysen über Ihre eigenen Datensätze durchzuführen, exponentiell erweitern.
Kurs von einfallen , also schauen Sie sich das an, wenn Sie können.
Alles Gute und viel Glück mit diesen Techniken.
PowerApps-Suchfeld: So fügen Sie es hinzu und passen es an
Erfahren Sie, wie Sie ein PowerApps-Suchfeld von Grund auf erstellen und es an das Gesamtthema Ihrer App anpassen.
Power Automate String-Funktionen: Substring und IndexOf
Erlernen Sie ganz einfach zwei komplizierte Power Automate String-Funktionen, die in Microsoft Flows verwendet werden können – die Funktionen substring und indexOf.
Power Query M: Abwechselndes 0-1-Muster in der Datumstabelle
Dieses Tutorial konzentriert sich auf die Power Query M-Funktion „number.mod“, um ein abwechselndes 0-1-Muster in der Datumstabelle zu erstellen.
Prognosetechnik: Erkundung der Prognoselogik in LuckyTemplates-Modellen
In diesem Tutorial führe ich eine Prognosetechnik durch, bei der ich meine tatsächlichen Ergebnisse mit meinen Prognosen vergleiche und sie kumulativ betrachte.
Speichern Sie E-Mail-Anhänge in SharePoint mit Power Automate
In diesem Blog erfahren Sie, wie Sie mit Power Automate E-Mail-Anhänge automatisch in SharePoint speichern und E-Mails anschließend löschen.
Führen Sie eine Bis-Loop-Steuerung in Power Automate durch
Erfahren Sie, wie die Do Until Schleifensteuerung in Power Automate funktioniert und welche Schritte zur Implementierung erforderlich sind.
Berechnen eines gleitenden Durchschnitts in LuckyTemplates mithilfe von DAX
In diesem Tutorial erfahren Sie, wie Sie mithilfe der ALLSELECTED-Funktion einen dynamischen gleitenden Durchschnitt in LuckyTemplates berechnen können.
Berechnen Sie dynamisch eine laufende oder kumulative LuckyTemplates-Summe
Durch diesen Artikel erhalten wir ein klares und besseres Verständnis für die dynamische Berechnung einer laufenden oder kumulativen Gesamtsumme in LuckyTemplates.
Power Automate auf jede Aktion in Workflows anwenden
Erfahren und verstehen Sie die Bedeutung und ordnungsgemäße Verwendung der Power Automate-Aktionssteuerung „Auf jede anwenden“ in unseren Microsoft-Workflows.