Cosè il sé in Python: esempi del mondo reale
Cos'è il sé in Python: esempi del mondo reale
In questo blog, sto introducendo l'analisi di coorte di LuckyTemplates . Questo è stato uno degli argomenti che ho affrontato in dettaglio in un , dove ho dimostrato cos'è l'analisi di coorte e come puoi farlo in LuckyTemplates. In questo tutorial imparerai come configurarlo all'interno del tuo modello LuckyTemplates. Puoi guardare il video completo di questo tutorial in fondo a questo blog.
L'idea attorno all'analisi di coorte è che raggruppiamo i nostri clienti in base a un particolare comportamento o attributo che hanno.
In questo esempio, raggruppiamo i nostri clienti in base a quando hanno acquistato per la prima volta , quindi analizzeremo il tasso di fidelizzazione di tali clienti .
Quindi l'idea è quella di creare una coorte di quando i clienti acquistano per la prima volta e poi analizzano nel tempo quanto tempo impiegano per venire e acquistare di nuovo. Quindi confrontiamo tutti i clienti nella nostra coorte di tutti i mesi e vediamo se i livelli di fidelizzazione migliorano o diminuiscono.
In questa dimostrazione abbiamo le percentuali, che è un buon modo di vedere la cosa, ma abbiamo anche numeri assoluti.
Sommario
Classificazione degli acquisti dei clienti
Se pensi alla coorte in sé, significa "raggruppamento di clienti". Quindi qui calcoliamo quando il cliente si è iscritto o quando ha acquistato per la prima volta da noi. Questo è ciò che stiamo classificando come Join Date .
La formula della data di adesione è solo la data minima di acquisto nella tabella delle vendite. Quindi stiamo calcolando la data minima o più bassa che uno di questi clienti in ogni riga diversa ha acquistato.
Quindi li abbiamo classificati nella loro particolare coorte in base al mese e all'anno in cui hanno acquistato .
Ad esempio, Jesse Evans qui ha acquistato l'11 marzo 2014, quindi i clienti come Evans saranno nella coorte di marzo 2014.
Formule DAX per l'analisi di coorte
Le formule che usiamo qui sono molto semplici. La data di adesione è solo il MIN della data dell'ordine (vendite).
Il mese della coorte sta fondamentalmente scoprendo il mese di quella data di iscrizione.
E poi, li portiamo qui.
Possiamo creare una coorte su molte variabili diverse . Questo è solo un esempio reale di tassi di ritenzione.
Classificare i tempi
L'altra cosa da classificare sono i periodi di tempo . Questi sono solo generici (1, 2, 3, ecc.), ma dobbiamo creare alcuni periodi di tempo generici per confrontare tutte queste coorti (gennaio 2014, febbraio 2014, ecc.) perché si trovano tutte in intervalli di tempo diversi. Dobbiamo fare un confronto omogeneo di tutte queste coorti in periodi di tempo diversi.
Quindi è così che lo impostiamo se stiamo facendo questo tipo di analisi. Abbiamo il periodo da 1 a 12 e stiamo catturando Min Days e Max Days.
Ad esempio, se un cliente acquista da noi e poi riacquista entro i primi 30 giorni, tale cliente viene classificato come primo periodo di conservazione (Periodo 1). Se il cliente ha acquistato di nuovo da noi tra 120 e 150 giorni, quel cliente è nel Periodo 5 e così via.
Vediamo che questo viene completato in tutte le nostre coorti anche se questi clienti stanno effettuando il loro acquisto iniziale in un secondo momento. Quindi confrontiamo la nostra coorte su base omogenea fino a gennaio 2014 utilizzando la complessa combinazione di calcoli.
Analisi di coorte basata sul tempo: come configurare il modello di dati in LuckyTemplates
Analisi dei clienti in LuckyTemplates: revisione delle prestazioni nel tempo
Tecniche di segmentazione dei clienti utilizzando il modello di dati: LuckyTemplates e DAX
Conclusione
Nel Learning Summit mi sono immerso molto di più in come esattamente puoi generare le tue formule per poterlo fare, ma ho pensato che questa sarebbe stata una buona introduzione. Molti di voi probabilmente non hanno nemmeno sentito parlare dell'analisi di coorte.
Questa è una tecnica analitica piuttosto avanzata, ma volevo darti un'idea di cosa sia l'analisi di coorte e mostrarti come possiamo capirlo in LuckyTemplates. Possiamo anche farlo in un modo molto dinamico ed efficace dove possiamo integrarlo nel nostro modello.
Ho visto questa analisi eseguita in Excel e in altri strumenti avanzati, ma possiamo eseguirla in Power Bi e renderla ancora migliore e più efficiente. Dai un'occhiata ai collegamenti sottostanti per altre risorse di LuckyTemplates su questo argomento.
Saluti!
***** Imparare LuckyTemplates? *****
Cos'è il sé in Python: esempi del mondo reale
Imparerai come salvare e caricare oggetti da un file .rds in R. Questo blog tratterà anche come importare oggetti da R a LuckyTemplates.
In questa esercitazione sul linguaggio di codifica DAX, scopri come usare la funzione GENERATE e come modificare dinamicamente il titolo di una misura.
Questo tutorial illustrerà come utilizzare la tecnica di visualizzazione dinamica multi-thread per creare approfondimenti dalle visualizzazioni di dati dinamici nei report.
In questo articolo, esaminerò il contesto del filtro. Il contesto del filtro è uno degli argomenti principali che qualsiasi utente di LuckyTemplates dovrebbe inizialmente conoscere.
Voglio mostrare come il servizio online di LuckyTemplates Apps può aiutare nella gestione di diversi report e approfondimenti generati da varie fonti.
Scopri come elaborare le modifiche al margine di profitto utilizzando tecniche come la ramificazione delle misure e la combinazione di formule DAX in LuckyTemplates.
Questo tutorial discuterà delle idee di materializzazione delle cache di dati e di come influiscono sulle prestazioni dei DAX nel fornire risultati.
Se finora utilizzi ancora Excel, questo è il momento migliore per iniziare a utilizzare LuckyTemplates per le tue esigenze di reportistica aziendale.
Che cos'è il gateway LuckyTemplates? Tutto quello che devi sapere