En este tutorial, profundizaré en el análisis de cohortes basado en el tiempo en LuckyTemplates.
Esta es una breve sesión de trabajo de un evento reciente para los miembros de LuckyTemplates. Puede ver el video completo de este tutorial en la parte inferior de este blog.
Quiero mostrarle cómo configuro este análisis de cohortes en LuckyTemplates . Esta es la tarea más difícil cuando comienza a ejecutar cálculos más avanzados.
Desea saber cómo configurar correctamente sus modelos de datos para evitar confusiones y asegurarse de que el modelo de LuckyTemplates funcione.
Tabla de contenido
Revisión rápida del análisis de cohortes
Antes de discutir esta técnica, primero quiero mostrar las ideas que puede obtener junto con una revisión rápida sobre el análisis de cohortes basado en el tiempo.
Las cohortes son una forma elegante de llamar segmentos o agrupaciones de sus dimensiones o variables en sus datos.
Por ejemplo, desea ver grupos de sus clientes.
Desea crear cohortes de cuando sus clientes se unieron por primera vez o comenzaron a usar su software o aplicación.
Para este caso, he creado cohortes de meses particulares. Entonces, si sus clientes comenzaron en junio de 2017, esa es su cohorte particular.
No es una agrupación sobre los montos o la cantidad de veces que han realizado transacciones con usted. Su agrupación se basa en el tiempo.
Para este ejemplo, es cuando se unieron.
Ahora, le mostraré cómo crear estas cohortes y luego incorporarlas a su modelo.
Creación de cohortes en LuckyTemplates
Echemos un vistazo al modelo.
Este es un modelo bastante genérico. Así es como quieres que se vean tus modelos.
Puede ver que tengo otra capa de mis tablas de búsqueda.
Pero antes de mostrarle su propósito, primero trabajaré en la creación de estas cohortes dentro de la tabla de búsqueda.
La tabla de búsqueda es donde desea agrupar una determinada dimensión. En este caso, son los clientes.
Entonces, veamos mi tabla de Clientes.
Originalmente, mi tabla Clientes solo incluía el índice de clientes y los nombres de los clientes.
Pero si desea crear las cohortes dentro de las tablas de búsqueda, debe colocarlas donde desea que se realice la segmentación.
Ahora, quiero calcular la fecha de ingreso del cliente. En mis datos de demostración, la fecha de ingreso es cuando el cliente inició sesión por primera vez.
El primer inicio de sesión podría ser cuando el cliente se registró mediante un correo electrónico o cuando utilizó por primera vez la versión de prueba de la aplicación.
Debe averiguar la primera vez que un cliente inició una conexión.
Obtuve esta información usando esta fórmula:
Está usando de la fecha de inicio de sesión . Luego, lo envolví en la función para asegurarme de obtener el contexto de filtro correcto. Esto me da la primera cita.
Ahora necesito calcular el mes. Quiero crear mis cohortes según el mes en que se unió el cliente.
Esta técnica es muy flexible ya que puedes crear diferentes cohortes.
Pero nuevamente, para este ejemplo, usaré una cohorte de meses que muestra el mes y el año.
Esta es la fórmula que utilicé para la cohorte del mes de unión :
Agarré la columna Mes y año de la tabla Fecha usando esta lógica:
Calculé la tabla de fechas y qué fecha es igual a la fecha de unión del cliente. Luego, una vez que sea igual a TRUE , devolverá la columna Month & Year de la misma tabla.
Con esto, ahora tengo mi Cohorte del Mes de Ingreso .
Configuración de la tabla de meses de la cohorte
Ahora, quiero mostrarle por qué configuré una tabla Meses de cohorte .
Volvamos a la tabla Cliente.
Si lo dejó con esta información y lógica, es posible que no obtenga todas las iteraciones del mes y año.
Esto se debe a que es posible que un cliente no se haya unido en ningún mes y año. Por lo tanto, para obtener una buena visualización, debe asegurarse de que todos los meses y años estén referenciados en una tabla determinada.
Además, puede ser que la información que necesitas no esté dentro del cálculo dinámico de todos los clientes.
Recuerde que hay nuevos clientes subiendo a bordo todo el tiempo. Por lo tanto, en teoría, esta información siempre debería actualizarse.
Es por eso que creé otra tabla usando la fórmula Cohort Months :
Agarré las columnas Índice y de la tabla Fechas. Estas dos columnas se convirtieron en Cohort MonthnYear .
Esta es la tabla de fechas:
Puede ver que tiene muchas columnas que contienen mucha información. Pero para este ejemplo, solo necesitaba las columnas Índice y Mes y año. Por lo tanto, resumí la tabla Fechas usando Meses de cohorte .
Ahora tengo todas las iteraciones, que también se convirtieron en valores únicos.
Ahora, si esta información se recuperó de la tabla Fechas, se habría hecho mucha referencia a ella. Pero como ahora es una columna que contiene valores únicos, se ha convertido en una simple tabla de búsqueda.
Puede crear una relación de uno a varios desde la tabla Meses de la cohorte hasta la tabla Cliente .
Esta relación seguirá filtrándose hasta la tabla Datos del sitio web . La lógica CALCULATE estará en esta tabla debido a su relación con la tabla Customer.
Una vez que haya configurado todo esto, ahora tiene una dimensión que puede colocar en una matriz. Esta matriz le dará todos los meses.
Perspectivas de análisis de cohortes
Otra cosa interesante sobre el análisis de cohortes en LuckyTemplates es que puede analizar las tendencias dentro de las cohortes.
Para este ejemplo, quería calcular mi rotación de clientes.
Puedes ver que tengo una visualización dinámica. Tengo 641 clientes que se unieron a la cohorte de junio de 2017. Sin embargo, 12 clientes se fueron durante el primer período.
Debe generar una tabla genérica que muestre los períodos que ha diseñado.
Para este caso, he creado una tabla en mi modelo llamada Cohort Periods.
También he creado una mesa de apoyo en él.
Puede ver cómo he creado los días mínimo y máximo para cada período. Esto especifica la ventana de tiempo que desea analizar para cada cohorte individual.
Volviendo al ejemplo, puede ver que en el Período 2, hubo 14 clientes que abandonaron dentro del período de 30 y 60 días.
Y a medida que avanza en la tabla, puede ver cómo cambia este valor para diferentes cohortes.
En otra tabla, muestra los valores en porcentajes.
Los porcentajes son mejores en comparación con los números porque puede obtener información valiosa de ellos. Puede identificar la tendencia de los clientes que se van dentro de un período particular.
Puede identificar los problemas que causaron esta tendencia. Podría deberse a que dejaste de lado el marketing y la publicidad, o que no obtienes tantas ventas de tus clientes.
Otras fórmulas de análisis de cohortes utilizadas
Estas son las otras fórmulas que utilicé para esta técnica de análisis de cohortes basado en el tiempo en LuckyTemplates.
Esta fórmula de agitación dinámica me permitió obtener información de los datos.
Una vez que comprenda las técnicas de agrupación dinámica con DAX, podrá obtener más de su informe.
Más ejemplos de análisis de cohortes
Para mostrar las capacidades de esta técnica, quiero agregar otro ejemplo.
Digamos que quiero mirar individualmente a los clientes en esta cohorte específica que se agitó.
Puedo seleccionar un valor en mi tabla y mostrará automáticamente los niveles de clientes individuales en otra tabla según cómo lo configuré.
Cómo implementar el análisis de cohortes en LuckyTemplates:
ejemplo de segmentación de conceptos DAX avanzados con DAX avanzado en LuckyTemplates
Segmentación de clientes de LuckyTemplates: presentación del movimiento de grupos a lo largo del tiempo
Conclusión
Puede usar esta estrategia para cualquier cohorte que esté tratando de diseñar. Podrían ser cohortes de productos, regiones o clientes.
Sin embargo, el ejemplo de este tutorial es el más relevante. El análisis de cohortes ha sido popularizado por las aplicaciones de SAS. Por lo tanto, debe agrupar a sus clientes en función de cuándo se están batiendo.
Puede crear análisis increíbles en LuckyTemplates utilizando esta técnica.
Espero que este tutorial le haya dado una buena idea de qué es el análisis de cohortes y cómo implementarlo.
Mis mejores deseos,
Descubra cómo calcular el total de transacciones realizadas en los últimos N días y obtenga información útil utilizando la inteligencia de tiempo en LuckyTemplates.
En este tutorial, demuestro cómo mostrar clústeres en sus datos permite extraer información valiosa usando técnicas DAX avanzadas.
En este tutorial, aprenderá a calcular la <strong>población actual del personal</strong> para las relaciones múltiples de la tabla de calendario mediante la función COUNTROWS y FILTER en LuckyTemplates.
Aprenda a crear una solicitud HTTP con Power Automate y cómo implementar soluciones efectivas para la automatización de tareas.
En este tutorial, aprenda cómo programar un flujo de escritorio en Power Automate para automatizar tareas en la web y su escritorio.
Aprenda a usar correctamente el control Terminar acción de Power Automate que termina las acciones en un flujo si no se cumple alguna de las condiciones.
Aprenda a combinar archivos de varias carpetas en su red, escritorio, OneDrive o SharePoint utilizando Power Query.
En este blog, analizamos las similitudes y diferencias entre los tipos de flujo de Power Automate y determinamos cuándo usar cada flujo. Encuentra la mejor opción de automatización.
Familiarízate con algunos conectores Power Automate integrados que transforman cadenas en otro formato: número, texto y fecha y hora.
Este tutorial detallado sobre el analizador VertiPaq en DAX Studio le enseñará cómo usar la pestaña Relaciones para optimizar su DAX y resolver problemas de integridad referencial.
