Analyse de cohorte basée sur le temps - Configuration de vos modèles de données dans LuckyTemplates

Dans ce didacticiel, je vais approfondir l'analyse de cohorte basée sur le temps dans LuckyTemplates.

Il s'agit d'une courte session en petits groupes d'un événement récent pour les membres de LuckyTemplates. Vous pouvez regarder la vidéo complète de ce tutoriel au bas de ce blog.

Je veux vous montrer comment j'ai configuré cette analyse de cohorte dans LuckyTemplates . C'est la tâche la plus difficile lorsque vous commencez à exécuter des calculs plus avancés.

Vous voulez savoir comment configurer correctement vos modèles de données pour éviter toute confusion et vous assurer que le modèle LuckyTemplates fonctionne.

Table des matières

• Examen rapide de l'analyse de cohorte
• Création de cohortes dans LuckyTemplates
• Configurer le tableau des mois de la cohorte
• Aperçu de l'analyse de cohorte
• Autres formules d'analyse de cohorte utilisées
• Plus d'exemples d'analyse de cohorte
• Conclusion

Examen rapide de l'analyse de cohorte

Avant de discuter de cette technique, je veux d'abord montrer les informations que vous pouvez en tirer avec un examen rapide de l'analyse de cohorte basée sur le temps.

Les cohortes sont une façon élégante d'appeler des segments ou des regroupements de vos dimensions ou variables dans vos données.

Par exemple, vous souhaitez examiner des groupes de vos clients.

Vous souhaitez créer des cohortes du moment où vos clients ont rejoint ou commencé à utiliser votre logiciel ou votre application.

Pour ce cas, j'ai créé des cohortes de mois particuliers. Donc, si vos clients ont commencé en juin 2017, c'est leur cohorte particulière.

Il ne s'agit pas d'un regroupement sur les montants ou le nombre de fois qu'ils ont effectué des transactions avec vous. Votre regroupement est basé sur le temps.

Pour cet exemple, c'est quand ils se sont joints.

Maintenant, je vais vous montrer comment créer ces cohortes, puis les intégrer à votre modèle.

Création de cohortes dans LuckyTemplates

Jetons un œil au modèle.

C'est un modèle assez générique. C'est ainsi que vous voulez donner à vos modèles l'apparence.

Vous pouvez voir que j'ai une autre couche de mes tables de recherche.

Mais avant de vous montrer son objectif, je vais d'abord travailler sur la création de ces cohortes dans la table de recherche.

La table de recherche est l'endroit où vous souhaitez regrouper une certaine dimension. Dans ce cas, ce sont les clients.

Voyons donc ma table Clients.

À l'origine, ma table Clients ne comprenait que l'index des clients et les noms des clients.

Mais si vous souhaitez créer les cohortes dans les tables de recherche, vous devez les placer là où vous souhaitez que la segmentation se produise.

Maintenant, je veux déterminer la date d'adhésion du client. Dans mes données de démonstration, la date d'adhésion correspond à la première connexion du client.

La première connexion peut avoir lieu lorsque le client s'est inscrit en utilisant un e-mail ou lorsqu'il a utilisé pour la première fois la version d'essai de l'application.

Vous devez connaître la première fois qu'une connexion a été initiée par un client.

J'ai obtenu cette information en utilisant cette formule:

Il utilise de la date de connexion . Ensuite, je l'ai enveloppé dans la fonction pour m'assurer d'obtenir le bon contexte de filtre. Cela me donne le premier rendez-vous.

Je dois maintenant calculer le mois. Je souhaite créer mes cohortes en fonction du mois auquel le client s'est joint.

Cette technique est très flexible puisque vous pouvez créer différentes cohortes.

Mais encore une fois, pour cet exemple, j'utiliserai une cohorte de mois qui affiche le mois et l'année.

Voici la formule que j'ai utilisée pour la Join Month Cohort :

J'ai saisi la colonne Mois et année de la table Date en utilisant cette logique :

J'ai travaillé sur la table de dates et quelle date correspond à la date d'adhésion du client. Ensuite, une fois qu'il est égal à TRUE , il renverra la colonne Month & Year de la même table. 

Avec cela, j'ai maintenant ma cohorte Join Month .

Configurer le tableau des mois de la cohorte

Maintenant, je veux vous montrer pourquoi j'ai mis en place un tableau des mois de la cohorte .

Revenons à la table Client.

Si vous l'avez laissé avec ces informations et cette logique, vous n'obtiendrez peut-être pas toutes les itérations du mois et de l'année.

C'est parce qu'un client peut ne pas s'être inscrit au cours d'un mois ou d'une année. Ainsi, pour obtenir une bonne visualisation, vous devez vous assurer que chaque mois et année est référencé dans un certain tableau.

Cela peut également être dû au fait que les informations dont vous avez besoin ne figurent pas dans le calcul dynamique de tous les clients.

N'oubliez pas qu'il y a tout le temps de nouveaux clients qui arrivent à bord. Donc, ces informations devraient théoriquement toujours être mises à jour.

C'est pourquoi j'ai créé un autre tableau en utilisant la formule Cohort Months :

J'ai saisi les colonnes Index et du tableau Dates. Ces deux colonnes sont devenues Cohort MonthnYear .

Voici le tableau des dates :

Vous pouvez voir qu'il a de nombreuses colonnes contenant beaucoup d'informations. Mais pour cet exemple, je n'avais besoin que des colonnes Index et Mois et année. J'ai donc résumé le tableau Dates en utilisant Cohort Months .

J'ai maintenant chaque itération, qui est également devenue des valeurs uniques.

Maintenant, si ces informations avaient été extraites de la table Dates, elles auraient été beaucoup référencées. Mais comme il s'agit désormais d'une colonne contenant des valeurs uniques, elle est devenue une simple table de recherche.

Vous pouvez créer une relation un-à-plusieurs entre la table Cohort Months et la table Customer .

Cette relation continuera à filtrer jusqu'à la table Website Data . La logique CALCULATE va figurer dans cette table en raison de sa relation avec la table Customer.

Une fois que vous avez tout configuré, vous avez maintenant une dimension que vous pouvez placer dans une matrice. Cette matrice vous donnera chaque mois.

Aperçu de l'analyse de cohorte

Une autre chose intéressante à propos de l'analyse de cohorte dans LuckyTemplates est que vous pouvez analyser les tendances au sein des cohortes.

Pour cet exemple, je voulais travailler sur mon barattage client.

Vous pouvez voir que j'ai une visualisation dynamique. J'ai 641 clients qui ont rejoint la cohorte de juin 2017. Cependant, 12 clients sont partis au cours de la première période.

Vous devez générer un tableau générique qui présente les périodes que vous avez conçues.

Pour ce cas, j'ai créé une table dans mon modèle appelée Cohort Periods.

J'y ai également créé une table de support.

Vous pouvez voir comment j'ai créé les jours Min et Max pour chaque période. Il s'agit de spécifier la fenêtre temporelle que vous souhaitez analyser pour chaque cohorte individuelle.

En revenant à l'exemple, vous pouvez voir qu'au cours de la période 2, 14 clients ont abandonné au cours de la période de 30 et 60 jours.

Et au fur et à mesure que vous descendez dans le tableau, vous pouvez voir comment cette valeur change pour différentes cohortes.

Dans un autre tableau, il affiche les valeurs en pourcentages.

Les pourcentages sont meilleurs que les chiffres, car vous pouvez en tirer des informations précieuses. Vous pouvez identifier la tendance des clients partant au cours d'une période donnée.

Vous pouvez identifier les problèmes à l'origine de cette tendance. Cela peut être dû au fait que vous avez abandonné le marketing et la publicité, ou que vous n'obtenez pas autant de ventes de vos clients.

Autres formules d'analyse de cohorte utilisées

Ce sont les autres formules que j'ai utilisées pour cette technique d'analyse de cohorte basée sur le temps dans LuckyTemplates.

Cette formule de barattage dynamique m'a permis d'obtenir des informations à partir des données.

Une fois que vous aurez compris les techniques de regroupement dynamique à l'aide de DAX, vous pourrez tirer davantage parti de votre rapport.

Plus d'exemples d'analyse de cohorte

Pour montrer les capacités de cette technique, je veux ajouter un autre exemple.

Supposons que je souhaite examiner individuellement les clients de cette cohorte spécifique qui ont tourné.

Je peux sélectionner une valeur dans ma table et elle affichera automatiquement les niveaux de clients individuels dans une autre table en fonction de la façon dont je l'ai configurée.

Comment implémenter l'analyse de cohorte dans LuckyTemplates -
Exemple de segmentation des concepts DAX avancés à l'aide de DAX avancé dans LuckyTemplates
Segmentation client LuckyTemplates : présentation du mouvement du groupe dans le temps

Conclusion

Vous pouvez utiliser cette stratégie pour n'importe quelle cohorte que vous essayez de concevoir. Il peut s'agir de cohortes de produits, de régions ou de clients.

Cependant, l'exemple de ce tutoriel est le plus pertinent. L'analyse de cohorte a été popularisée par les applications SAS. Donc, vous devez regrouper vos clients en fonction du moment où ils se tournent.

Vous pouvez créer une analyse incroyable dans LuckyTemplates en utilisant cette technique.

J'espère que ce tutoriel vous a donné une bonne idée de ce qu'est l'analyse de cohorte et de la manière de la mettre en œuvre.

Tous mes vœux,