데이터 모델을 사용한 고객 세분화 기술 - LuckyTemplates 및 DAX

이 블로그 게시물에서는 LuckyTemplates의 데이터 모델을 통해 고객 세분화 기술을 수행하는 방법을 보여드리겠습니다. 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

때때로 원시 데이터에는 LuckyTemplates에서 무언가를 보여주기 위해 필요한 모든 정보가 포함되어 있지 않습니다. 그러나 이것이 당신을 멈추게 하지 마십시오.

데이터 모델을 구축하거나 조회 테이블 내에서 현재 형태의 원시 데이터로 가능하다고 생각했던 것보다 훨씬 더 큰 통찰력을 제공할 수 있는 추가 논리를 사용하는 방법에 대한 상상력만 있으면 됩니다.

고객이 좋은 고객인지, 괜찮은 고객인지, 불량 고객인지를 평가하여 고객을 세분화하는 방법에 대한 자세한 예를 안내해 드리겠습니다.

목차

• 성과를 기반으로 고객 세분화
• 고객 그룹화 테이블 생성
• 조회 테이블 및 계산된 열
• 판매 차이 계산
• SWITCH 로직 사용
• 결론

성과를 기반으로 고객 세분화

기본적으로 성능을 기반으로 고객을 분류하는 방법에 대해 작업합니다.

이 기술을 활용하여 거의 모든 것을 분류할 수 있지만 실제 시나리오를 기반으로 보고서에 통찰력을 보여주는 것이 얼마나 효과적인지 보여주고 싶었습니다.

데이터 모델을 사용하여 분석을 위해 각 특정 세그먼트를 신속하게 분리할 수 있습니다. 판매 측면에서 고객을 훌륭함, 좋음, 보통 또는 나쁨으로 구분하는 기본 동인을 볼 수 있습니다.

보고서에 넣은 시각화를 기반으로 고객을 훌륭함, 좋음, 보통 또는 나쁨으로 분석할 수 있는 슬라이서 또는 필터를 만들었습니다 .

시각화는 분기가 시작된 시기(2016년 2월)와 분기가 발생한 이유를 보여줍니다.

보고서의 시각화를 통해 그 이유를 보여주는 것이 중요합니다 .

보고서 하단에서 다이버전스가 발생한 정확한 시점을 확인할 수 있습니다.

우리는 또한 우리 제품을 조사하여 어떤 제품이 이러한 차이를 유발하고 이러한 고객을 훌륭하게 만들었는지 확인할 수 있습니다. 고객이 이전보다 더 많이 구매할 수 있었던 제품을 찾을 수 있습니다.

멋진 점은 시각화의 슬라이서입니다. 모델에 통합한 항목을 기반으로 필터링한 다음 선택한 성능 그룹 또는 세그먼트를 기반으로 필터링합니다.

슬라이서에서 Poor Sales를 클릭하여 가난한 클라이언트를 살펴보겠습니다. 그런 다음 슬라이서 아래 열에서 어떤 클라이언트가 성능이 저조한지 확인할 수 있습니다.

누적 판매 시간 프레임 비교 차트를 보면 올해 판매 대 작년 판매를 볼 수 있습니다. 둘 사이에 큰 차이가 있는 이유는 무엇입니까? 제품이나 마진과 관련이 있습니까?

제가 보여드릴 고객 세분화 기술을 활용하면 이 모든 질문에 답하고 보여줄 수 있습니다.

고객 그룹화 테이블 생성

그래서, 이 기술을 어떻게 했습니까? 먼저 모델로 돌아가 보겠습니다. 이라는 테이블을 만들었습니다 .

이것은 당신이 할 필요는 없지만 고객 그룹을 보여주는 별도의 테이블을 제공하기 때문에 만드는 것을 좋아합니다. 또한 그룹화 옆에 색인을 추가하여 좋은 항목에서 나쁨 항목으로 필터링하거나 정렬할 수 있습니다.

고객을 특정 방식으로 그룹화 해야 하므로 Customer Grouping 테이블 에서 Customers 테이블로 연결해야 합니다 .

이제 세분화해야 하는 고객을 살펴보겠습니다.

여기에서 이러한 조회 테이블 내부의 계산된 열이 들어옵니다.

조회 테이블 및 계산된 열

파란색 상자 안의 테이블은 조회 테이블 이라고 합니다 .

여기에 계산된 열을 넣을 수 있습니다 .

이제 여러분 중 일부는 측정을 사용하여 이것을 동적으로 만들 수 있다고 생각할 수 있습니다. 글쎄, 당신은 절대적으로 할 수 있습니다.

그런데 어느 순간부터 하고 싶었다. 이는 상황에 따라 달라지며 계산된 열 또는 측정값을 사용할 수 있습니다.

계산 열을 사용하여 특정 시점의 매출을 살펴보고 싶었습니다. 이 경우 2016 Sales 와 2015 Sales를 구체적으로 살펴보고 싶었습니다 .

이를 위해 CALCULATE 함수를 사용하고 내부에 필터를 배치하여 특정 기간 동안의 매출만 얻도록 했습니다.

판매 차이 계산

그런 다음 2016 Sales 및 2015 Sales 에서 다음 수식을 사용하여 Sales Difference를 도출할 수 있습니다 .

판매 차이는 판매를 기준으로 고객을 세분화할 수 있는 곳입니다.

SWITCH 로직 사용

2016년과 2015년 사이의 매출 차이에 따라 고객이 어느 성과 그룹에 속할지 결정됩니다. 여기에서 SWITCH 논리가 필요합니다.

SWITCH TRUE 논리를 사용하면 더 보기 좋은 중첩 IF 문 처럼 보이는 추가 차원을 만들 수 있습니다 .

고객의 판매 차이가 $200,000 이상이면 훌륭한 고객이라고 말할 수 있습니다.

이것이 우리가 고객을 어떤 세그먼트나 그룹에 넣을지 결정하는 방법입니다. 이 기술은 적응력이 뛰어나고 모든 차원과 조회 테이블에 적용할 수 있습니다.

2016 및 2015 판매 열과 판매 차이 열을 사용하지 않음으로써 이를 더욱 단순화할 수 있습니다. 모든 논리를 측정값 안에 넣을 수 있습니다.

그러나 이 경우 조회 테이블 에서 계산된 열을 사용하여 이러한 정보 세그먼트를 만드는 방법을 보여주고 싶었습니다.

최종 시각화로 돌아가면 이 특정 슬라이서

이 테이블에서 나옵니다.

그런 다음 Customer 테이블은 Customers 테이블 에서 수행한 계산 및 논리를 필터링합니다 . 그런 다음 해당 관계가 다른 테이블로 필터링됩니다.

이것이 슬라이서에서 선택한 고객 세그먼트에 따라 모든 시각화가 업데이트되는 방식입니다.

이 자습서를 통해 우리는 고객 세분화 기술을 보여주고 데이터를 분할하는 다양한 방법을 보여줄 수 있었습니다.

놀라운 점은 실제 모델에는 존재하지 않았다는 것입니다. 논리를 사용하여 만들어야 했습니다.

결론

대부분의 경우 최고의 고객에게 초점을 맞추려고 합니다. 좋은 결과가 가장 많이 나오는 곳이기 때문입니다. 따라서 실적에 대한 추세를 파악 하고 데이터의 이 특정 세그먼트에 대한 심층 검토를 수행하려고 합니다 .

이 기술을 사용하여 좋은 고객을 분리하고 그들이 좋은 이유를 알아낼 수 있습니다. 우리는 그들이 왜 좋은 성과를 냈는지 이해할 수 있고 나쁜 성과를 낸 다른 모든 고객들에게 그것을 복제하려고 노력할 수 있습니다.

이것이 이 튜토리얼의 내용입니다. 다양한 분석 시나리오에서 이러한 고객 세분화 기술을 재사용할 수 있습니다. 고객에 관한 것만은 아니지만 이 특정 사례에서 제가 집중한 항목입니다.

LuckyTemplates를 활용하여 중요한 통찰력을 찾는 보다 실용적인 방법은 LuckyTemplates Online에서 이 과정 모듈을 확인하십시오. 이 하나의 과정으로 많은 것을 배울 수 있습니다.

***** LuckyTemplates 학습? *****