Analisis Atribusi Pelanggan LuckyTemplates Menggunakan DAX Lanjutan

Kita akan maju hari ini. Kami akan benar-benar menyelami pergolakan pelanggan: pelanggan baharu dan analisis pelanggan yang hilang dalam LuckyTemplates. Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini.

Istilah lain untuk ini ialah analisis pergeseran kerana kami ingin melihat bagaimana pelanggan kami bergolak, berapa ramai pelanggan kami yang datang dan membeli produk kami, berapa ramai yang kembali dan membeli beberapa lagi, berapa ramai pelanggan yang kami kehilangan, dan sebagainya.

Terdapat begitu banyak cerapan hebat yang boleh anda capai dengan jenis analisis yang agak maju ini, itulah sebabnya saya ingin meluangkan sedikit masa untuk mendalami bahasa DAX dan formula DAX.

Dalam contoh analisis pelanggan ini, saya mula meneliti pergolakan pelanggan dan meneroka bilangan pelanggan yang hilang selepas jangka masa tertentu. Saya juga menyelami pelanggan baharu dan pelanggan yang kembali.

Menganalisis churn pelanggan anda ialah bahagian analisis yang sangat penting untuk organisasi, terutamanya jika anda merupakan perniagaan jualan frekuensi tinggi seperti peruncit dalam talian atau rangkaian pasar raya.

Jelas sekali, jika anda mendapat pelanggan, anda mahu menjualnya lebih banyak dan tidak kehilangan mereka kepada pesaing, sebagai contoh.

Lebih mudah untuk menjual kepada pelanggan sedia ada daripada mencari pelanggan baharu.

Pelanggan sedia ada adalah penting bagi kebanyakan perniagaan kerana ia adalah lebih menguntungkan untuk terus memasarkan kepada mereka berbanding perlu mencari pelanggan baharu sepanjang masa.

Isi kandungan

• Mencari Pelanggan yang Hilang
• Mengasingkan Pelanggan Baharu
• Mengetahui Siapa Pelanggan Kembali
• Kesimpulan

Mencari Pelanggan yang Hilang

Dalam visualisasi pertama di sini, kami mempunyai perkara yang kami pertimbangkan Pelanggan Hilang lebih masa .

Titik ini hingga hanya kira-kira 90 hari tidak begitu relevan kerana apabila kami berada pada hari pertama, kami sebenarnya menganggap semua orang sebagai "hilang" pada masa ini.

Sekarang mari kita berjalan melalui fungsi untuk melihat apa yang kita lakukan di sini.

Dalam formula ini, kami mengira pelanggan yang tidak membeli selama 90 hari yang lalu , atau apa sahaja tarikh pecah berubah anda.

Kami sedang mencipta jadual maya pada setiap pelanggan melalui pembolehubah CustomersList ini .

Kami menapis semua pelanggan untuk sebarang hari. Dan apa yang kami lakukan dengan SEMUA ialah kami sebenarnya melihat setiap pelanggan dalam setiap hari individu.

Kemudian untuk setiap pelanggan, kami menilai sama ada mereka telah membuat pembelian dalam tempoh 90 hari yang lalu. Jika mereka tidak mempunyai, maka itu akan menilai kepada 0 dan mengira pelanggan itu.

Mengasingkan Pelanggan Baharu

Sekarang mari kita lihat Pelanggan Baharu kami dan lihat untuk apa ia menilai.

Dalam jadual ini, kami melihat bahawa ia lebih kepada tarikh awal, Januari hingga Julai kerana kami baru memulakan perniagaan kami. Orang ramai pada umumnya baru.

Kemudian jelas, ia mendatar menjelang akhir kerana kami hanya mempunyai pelanggan kembali kami di sana.

Fungsinya melakukan logik yang sama. Kami mengira berapa ramai pelanggan telah membuat jualan sebelum hari ini.

Dan jika mereka tidak membeli apa-apa, yang akan dinilai sebagai 0, maka ia dinilai sebagai Pelanggan Baharu.

Mengetahui Siapa Pelanggan Kembali

Pelanggan yang kembali adalah mereka yang telah dinilai sebagai hilang.

Dalam erti kata lain, mereka tidak membeli apa-apa selama 90 hari. Melalui masa, kami akan mengira berapa ramai yang benar-benar kembali.

Ini akan menjadi cerapan yang menakjubkan jika anda menjalankan promosi atau melakukan pemasaran, dan anda ingin mengetahui bilangan pelanggan yang hilang ini yang anda dapat kembali melalui aktiviti pemasaran anda.

Dalam formula Pelanggan Kembali, kami hanya menilai pelanggan yang benar-benar membeli pada mana-mana hari tertentu.

Jadi di sini kami menjalankan beberapa logik pada setiap pelanggan, menilai jika mereka membuat jualan dalam 90 hari yang lalu.

Jika mereka tidak membeli selama 90 hari yang lalu, maka mereka dianggap kembali. Kemudian, nilaikan kepada benar dan kira pelanggan itu pada hari tertentu.

Analisis Siapa Pelanggan Hilang Anda Menggunakan LuckyTemplates & DAX
Analisis Aliran Pelanggan dalam LuckyTemplates Menggunakan DAX
Ketahui Berapa Banyak Jualan Boleh Diatribusikan Kepada Pelanggan Baharu – Wawasan LuckyTemplates Lanjutan

Kesimpulan

Tutorial tentang analisis pelanggan LuckyTemplates ini cukup maju dalam pengiraan DAX. Ini hanya mempamerkan kuasa analisis yang boleh anda miliki dengan LuckyTemplates.

Pada masa lalu, maklumat seperti ini memerlukan banyak wang untuk dijana. Tetapi kini, anda boleh mencapai cerapan hebat ini melalui beberapa formula yang bersih dan berkesan, menggunakan bahasa DAX.

Ingat bahawa ia sebenarnya sejajar dengan model data. Segala-galanya digabungkan di sana.

Kita sebenarnya boleh meletakkan beberapa penapis pada perkara ini. Sebagai contoh, kami ingin menyelami hanya satu negeri, katakan Florida, atau 3 negeri teratas kami, semuanya dinilai secara dinamik.

Saya menyelami begitu banyak teknik dalam video. Ada yang sangat maju, tetapi sudah tentu anda ingin mendapat pendedahan tentang perkara ini.

Jika anda dapat melihat peluang dan potensi dengan LuckyTemplates, maka minda anda boleh berkembang secara eksponen dengan kemungkinan menjalankan analisis ke atas set data anda sendiri.

Sebagai nota sampingan, saya merangkumi pelbagai teknik LuckyTemplates paling canggih yang boleh anda fikirkan dalam kursus di , jadi semak perkara itu apabila anda boleh.

Semua yang terbaik dan semoga berjaya dengan teknik ini.