시간 기반 코호트 분석 – LuckyTemplates에서 데이터 모델 설정

이 자습서에서는 LuckyTemplates의 시간 기반 코호트 분석에 대해 자세히 살펴보겠습니다.

이것은 LuckyTemplates 회원을 위한 최근 이벤트의 짧은 분과 세션입니다. 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

LuckyTemplates에서 이 집단 분석을 설정하는 방법을 보여드리고 싶습니다 . 이것은 고급 계산을 실행하기 시작할 때 가장 어려운 작업입니다.

혼동을 피하고 LuckyTemplates 모델이 작동하는지 확인하기 위해 데이터 모델을 올바르게 설정하는 방법을 알고 싶습니다.

목차

• 코호트 분석에 대한 빠른 검토
• LuckyTemplates에서 코호트 만들기
• 코호트 월 테이블 설정
• 코호트 분석 인사이트
• 사용된 기타 코호트 분석 공식
• 더 많은 코호트 분석 예
• 결론

코호트 분석에 대한 빠른 검토

이 기술에 대해 논의하기 전에 먼저 시간 기반 코호트 분석에 대한 빠른 검토와 함께 이 기술에서 얻을 수 있는 통찰력을 보여주고 싶습니다.

코호트는 데이터에서 차원 또는 변수의 세그먼트 또는 그룹을 호출하는 멋진 방법입니다.

예를 들어 고객 그룹을 살펴보고자 합니다.

고객이 소프트웨어 또는 애플리케이션을 처음 사용하거나 사용하기 시작한 시점에 대한 코호트를 생성하려고 합니다.

이 경우 특정 월의 코호트를 만들었습니다. 따라서 고객이 2017년 6월에 시작한 경우 해당 코호트가 해당 코호트입니다.

귀하와 거래한 금액이나 횟수에 대한 그룹화가 아닙니다. 그룹화는 시간을 기준으로 합니다.

이 예에서는 그들이 합류했을 때입니다.

이제 이러한 코호트를 만든 다음 모델에 적용하는 방법을 보여드리겠습니다.

LuckyTemplates에서 코호트 만들기

모델을 살펴보겠습니다.

이것은 꽤 일반적인 모델입니다. 이것이 모델을 보이게 만드는 방법입니다.

조회 테이블의 다른 레이어가 있음을 알 수 있습니다.

하지만 용도를 보여드리기 전에 먼저 조회 테이블 내에서 이러한 코호트를 만드는 작업을 하겠습니다.

조회 테이블은 특정 차원을 그룹화하려는 위치입니다. 이 경우 고객입니다.

이제 내 Customers 테이블을 봅시다.

원래 내 고객 테이블에는 고객 색인과 고객 이름만 포함되어 있었습니다.

그러나 룩업 테이블 내부에 코호트를 생성하려면 세분화를 원하는 위치에 코호트를 배치해야 합니다.

이제 고객의 가입 날짜를 계산하고 싶습니다. 내 데모 데이터에서 가입 날짜는 고객이 처음 로그인한 날짜입니다.

첫 번째 로그인은 고객이 이메일을 사용하여 가입하거나 응용 프로그램의 평가판을 처음 사용했을 때일 수 있습니다.

고객이 처음으로 연결을 시작한 시간을 알아야 합니다.

이 공식을 사용하여 이 정보를 얻었습니다.

로그인 날짜 의 사용하고 있습니다 . 함수 에 래핑하여 올바른 필터 컨텍스트를 얻었는지 확인합니다. 이것은 나에게 첫 데이트를 제공합니다.

이제 한달동안 운동을 해야 합니다. 고객이 가입한 달을 기준으로 코호트를 만들고 싶습니다.

이 기법은 다양한 코호트를 생성할 수 있으므로 매우 유연합니다.

그러나 다시 이 예에서는 월과 연도를 표시하는 월 코호트를 사용합니다.

이것은 Join Month Cohort 에 사용한 공식입니다 .

다음 논리를 사용하여 Date 테이블에서 Month & Year 열을 가져왔습니다 .

날짜 테이블과 고객 가입 날짜와 같은 날짜를 통해 운동했습니다 . 그런 다음 TRUE 와 같으면 동일한 테이블의 Month & Year 열을 반환합니다. 

이것으로 저는 이제 가입 월 코호트를 갖게 되었습니다 .

코호트 월 테이블 설정

이제 Cohort Months 테이블 을 설정한 이유를 보여드리겠습니다 .

고객 테이블로 돌아가 보겠습니다.

이 정보와 논리를 그대로 두면 월 및 연도의 모든 반복을 얻지 못할 수 있습니다.

이는 고객이 월 및 연도에 가입하지 않았을 수 있기 때문입니다. 따라서 좋은 시각화를 얻으려면 모든 월 및 연도가 특정 테이블에서 참조되는지 확인해야 합니다.

또한 필요한 정보가 모든 고객의 동적 계산에 포함되지 않을 수도 있기 때문일 수 있습니다.

항상 새로운 고객이 온다는 사실을 기억하십시오. 따라서 이 정보는 이론적으로 항상 업데이트되어야 합니다.

이것이 내가 Cohort Months 공식을 사용하여 다른 테이블을 만든 이유입니다 .

Dates 테이블에서 Index 와 열을 가져왔습니다 . 이 두 열은 Cohort MonthnYear 가 되었습니다 .

다음은 날짜 테이블입니다.

많은 정보가 포함된 많은 열이 있음을 알 수 있습니다. 하지만 이 예에서는 Index 및 Month & Year 열만 필요했습니다. 그래서 Cohort Months를 사용하여 Dates 테이블을 요약했습니다 .

이제 고유한 값이 된 모든 반복이 있습니다.

이제 이 정보가 Dates 테이블에서 검색된 경우 많이 참조되었을 것입니다. 그러나 이제 고유한 값을 포함하는 열이기 때문에 단순한 조회 테이블이 되었습니다.

Cohort Months 테이블 에서 Customer 테이블 로 일대다 관계를 만들 수 있습니다 .

이 관계는 웹사이트 데이터 테이블 까지 계속 필터링됩니다 . CALCULATE 논리는 Customer 테이블과 의 관계 때문에 이 테이블에 있게 됩니다.

이 모든 설정을 마치면 이제 매트릭스에 배치할 수 있는 차원이 생겼습니다. 이 매트릭스는 매달 제공됩니다.

코호트 분석 인사이트

LuckyTemplates의 집단 분석에 대한 또 다른 흥미로운 점은 집단 내의 추세를 분석할 수 있다는 것입니다.

이 예에서는 Customer Churning을 해결하고 싶었습니다.

동적 시각화가 있음을 알 수 있습니다. 2017년 6월 코호트에 합류한 641명의 고객이 있습니다. 그러나 첫 번째 기간 동안 12명의 고객이 떠났습니다.

고안한 기간을 보여주는 일반 테이블을 생성해야 합니다.

이 경우에는 코호트 기간이라는 모델에 테이블을 만들었습니다 .

나는 또한 그것에 지원 테이블을 만들었습니다.

모든 단일 기간에 대해 최소 및 최대 날짜를 어떻게 생성했는지 확인할 수 있습니다. 이는 각 개별 코호트에 대해 분석하려는 기간을 지정합니다.

다시 예제로 돌아가서 기간 2에서 30일과 60일 기간 내에 이탈한 고객이 14명임을 알 수 있습니다.

그리고 표 아래로 내려갈 때 이 값이 다른 코호트에 대해 어떻게 변하는지 확인할 수 있습니다.

다른 표에서는 값을 백분율로 표시합니다.

백분율은 귀중한 통찰력을 얻을 수 있기 때문에 숫자에 비해 더 좋습니다. 특정 기간 내에 이탈하는 고객의 경향을 파악할 수 있습니다.

이러한 경향을 야기한 문제를 식별할 수 있습니다. 마케팅 및 광고를 중단했거나 고객으로부터 많은 판매를 얻지 못했기 때문일 수 있습니다.

사용된 기타 코호트 분석 공식

다음은 LuckyTemplates에서 이 시간 기반 코호트 분석 기술에 사용한 다른 공식입니다.

이 동적 변동 공식을 통해 데이터에서 통찰력을 얻을 수 있었습니다.

DAX를 사용하는 동적 그룹화 기술을 이해하면 보고서에서 더 많은 것을 얻을 수 있습니다.

더 많은 코호트 분석 예

To show the capabilities of this technique, I want to add another example.

Let’s say I want to individually look at customers in this specific cohort that churned.

I can select a value in my table and it will automatically show individual customer levels in another table based on how I set it up.

How To Implement Cohort Analysis In LuckyTemplates – Advanced DAX Concepts
Segmentation Example Using Advanced DAX In LuckyTemplates
LuckyTemplates Customer Segmentation: Showcasing Group Movement Through Time

Conclusion

You can use this strategy for whatever cohort you’re trying to devise. It could be cohorts on products, regions, or customers.

However, the example in this tutorial is the most relevant. Cohort Analysis has been popularized by SAS applications. So, you should group your customers based on when they’re churning.

이 기술을 사용하여 LuckyTemplates에서 놀라운 분석을 만들 수 있습니다.

이 튜토리얼을 통해 코호트 분석이 무엇이며 이를 구현하는 방법에 대한 좋은 아이디어를 얻었기를 바랍니다.

모두 제일 좋다,