LuckyTemplates でコホート分析を実装する方法 – 高度な DAX 概念

このブログでは、 LuckyTemplates コホート分析について紹介します。で詳しく説明したトピックの 1 つであり、コホート分析とは何か、LuckyTemplates でどのように実行できるかを示しました。このチュートリアルでは、LuckyTemplates モデル内でこれを設定する方法を学習します。このチュートリアルの完全なビデオは、このブログの下部でご覧いただけます。

コホート分析の考え方は、顧客が持つ特定の行動や属性に基づいて顧客をグループ化するというものです。

この例では、最初に購入した時期に基づいて顧客をグループ化し、それらの顧客の維持率を分析します。

そこでアイデアは、顧客が最初に購入したときのコホートを作成し、その後、顧客が再び来店して購入するまでにどれくらいの時間がかかるかを経時的に分析することです。次に、すべての月のコホート内のすべての顧客を比較し、維持レベルが向上するか低下するかを確認します。

このデモンストレーションでは、パーセンテージを使用しています。これは、それを調べるのに適した方法ですが、絶対数も使用できます。

目次

• 顧客の購入の分類
• コホート分析用の DAX 式
• 時間枠の分類
• 結論

顧客の購入の分類

コホートを単独で考えると、「顧客のグループ化」を意味します。したがって、ここでは、顧客がいつ入会したか、またはいつ最初に購入したかを調べます。これは、「参加日」として分類されています。 

結合日の式は、Sales テーブルの Min Purchase Date にすぎません。したがって、各行のこれらの顧客のいずれかが購入した最小日または最低日を計算しています。

次に、購入者を何月何年に購入したかに基づいて特定のコホートに分類しました。 

たとえば、ここでは Jesse Evans が 2014 年 3 月 11 日に購入したため、Evans のような顧客は 2014 年 3 月のコホートになります。

コホート分析用の DAX 式

ここで使用する式は非常に単純です。結合日は、注文日(販売)の最小値にすぎません。

コホート月は基本的に、その入社日の月を見つけます。

そして、彼らをここに連れて行きます。

さまざまな変数に基づいてコホートを作成できます。これは、定着率の実例の 1 つにすぎません。

時間枠の分類

分類するもう 1 つのことは、期間です。これらは単なる一般的なもの (1、2、3 など) ですが、これらすべてのコホート (2014 年 1 月、2014 年 2 月など) はすべて異なる期間にあるため、比較するにはいくつかの一般的な期間を作成する必要があります。これらすべてのコホートを異なる期間にわたって同様に比較する必要があります。

この種の分析を行う場合は、次のように設定します。期間 1 から 12 までがあり、最小日数と最大日数をキャプチャしています。

たとえば、顧客が当社から購入し、最初の 30 日以内に再度購入した場合、その顧客は最初の保持期間 (期間 1) として分類されます。顧客が 120 ～ 150 日以内に再度購入した場合、その顧客は期間 5 に入ります。

これらの顧客が後で最初の購入を行う場合でも、すべてのコホートでこれが完了していることがわかります。次に、複雑な計算の組み合わせを利用して、2014 年 1 月まで遡ってコホートを同一基準で比較します。

時間ベースのコホート分析 – LuckyTemplates でデータ モデルを設定する方法
LuckyTemplates での顧客分析: 時間の経過に伴うパフォーマンスの確認
データ モデルを使用した顧客セグメンテーション手法 – LuckyTemplates と DAX

結論

Learning Summit では、これを実現するための数式を正確に生成する方法についてさらに詳しく説明しましたが、これは入門としては良いと思いました。コホート分析について聞いたこともない人も多いでしょう。

これは非常に高度な分析手法ですが、コホート分析とは何かについて入門し、LuckyTemplates でこれを理解する方法を示したいと思います。また、非常に動的かつ効果的な方法でそれをモデルに統合することもできます。

この分析は Excel やその他の高度なツールで行われているのを見てきましたが、Power Bi で実行してさらに優れた効率的な分析を行うことができます。このトピックに関するその他の LuckyTemplates リソースについては、以下のリンクを確認してください。

乾杯！

***** LuckyTemplates を学習していますか? *****