Home
» Power BI
»
Conjuntos de datos de LuckyTemplates: aprenda a detectar comportamientos anormales mediante DAX
Conjuntos de datos de LuckyTemplates: aprenda a detectar comportamientos anormales mediante DAX
En esta publicación de blog, le mostraré en detalle cómo puede descubrir patrones de comportamiento anormales dentro de sus conjuntos de datos de LuckyTemplates . Esto no es algo que se destaque de inmediato al ejecutar un análisis en sus datos, por lo que debe pensar de manera bastante analítica al respecto. Puede ver el video completo de este tutorial en la parte inferior de este blog.
Al pensar profundamente en lo que quiere lograr y luego configurar un modelo de datos que funcione para este tipo de cálculos, puede obtener resultados de alta calidad.
En este ejemplo, intentaremos comprender lo que un cliente ha hecho anteriormente. También evaluaremos si las compras recientes son normales o anormales en comparación con lo que sucedió en el pasado.
Descubra valores atípicos en sus conjuntos de datos de LuckyTemplates
Pensemos en esto desde una perspectiva comercial. Digamos que somos un minorista en línea, una aerolínea o un supermercado y tenemos que implementar un programa de fidelización.
Necesitamos observar el conjunto de datos de nuestros clientes para saber cuánto ha comprado realmente un cliente en cada trimestre individual en comparación con lo que compró en promedio.
De repente, vemos un aumento o una disminución masivos en los patrones de compra o en el comportamiento de compra. Queremos entender por qué compran mucho más de lo habitual o por qué compran menos de lo habitual.
De esta manera, podemos crear alertas en nuestro sistema de CRM y luego dejar que nuestro equipo de ventas se dirija a estas personas al otorgarles descuentos o cupones.
Esta es una idea realmente poderosa que puede derivar de LuckyTemplates. El valor que puede extraer de su análisis puede tener un impacto positivo en su negocio.
Productos únicos comprados
Para calcular el promedio de productos comprados en un trimestre en particular, primero debemos calcular los Productos únicos comprados. Para cada cliente individual, ¿cuántos productos individuales compraron?
Podemos averiguar esto diciendo que para cualquier contexto de cliente, calcularemos el CONTEO DISTINTO de la ID del producto en la tabla de ventas.
Esta fórmula nos dará cada producto único que un cliente nos ha comprado en el contexto actual.
Dada la fórmula anterior, cuando hacemos clic en el primer trimestre de 2017, podemos ver que el cliente Aaron Day compró solo 1 producto.
Promedio de productos comprados en un trimestre
Esta es la fórmula que usaremos para producir esta percepción particular. Va a decir en promedio cuánto ha comprado un cliente en particular en un trimestre.
Promedio de productos comprados en todos los trimestres
Lo siguiente que necesitamos es un punto de referencia o un número para compararlo con algo para que podamos entender qué es un comportamiento anormal.
Luego calcularemos la misma información, pero no nos fijaremos en ninguna fecha en particular. Daremos a conocer cualquier contexto en fechas.
Lo que hace esta fórmula es devolver el promedio de productos únicos en cada trimestre para un cliente en particular. Así es como logramos esta visión particular.
Así que ahora tenemos dos valores. Cuando hacemos una selección (p. ej., segundo trimestre de 2017), la columna Promedio de productos comprados en todos los trimestres nunca cambiará debido a la función TODAS las fechas . Esta función elimina los filtros que mostramos de Fechas.
Con cada selección que hagamos, la columna Promedio de productos comprados en un trimestre cambiará.
Al comparar estas dos columnas, podemos saber qué es normal y qué no.
Podemos poner lo que hemos encontrado hasta ahora en un cuadro visual para un análisis más profundo. Podemos ver muy rápidamente cuántos productos han comprado nuestros clientes en un trimestre en particular (lado derecho) versus cuánto compran en promedio (lado izquierdo).
Podremos ver el comportamiento anormal de nuestros conjuntos de datos de LuckyTemplates y ver qué clientes han aumentado sus compras. ¿Quiénes son estas personas y por qué lo hacen?
Armados con los datos que hemos recopilado, podemos implementar estrategias prácticas para replicar esto.
Podemos amplificar nuestro mensaje de marketing para aumentar las compras de aquellos que no están produciendo un comportamiento anormal.
Conclusión
Aquí es donde un tipo de análisis anormal, atípico o anómalo agrega mucho valor. ¿Por qué? Porque queremos entender si nuestros clientes se están desempeñando mejor o si los vendedores están vendiendo más.
Si podemos encontrar patrones de comportamiento que sean positivos para nosotros en un segmento particular de nuestros datos, podemos replicar esto en otros segmentos.
El objetivo es replicar el comportamiento ventajoso del cliente y aplicarlo en otras áreas del negocio.
Esta técnica lo ayudará enormemente a aumentar su pensamiento analítico sobre lo que puede lograr en LuckyTemplates.
Estos tipos de análisis y muchos más se pueden encontrar en los módulos Advanced LuckyTemplates en LuckyTemplates Online . Para obtener más detalles, consulte el módulo a continuación.