Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
Nog niet zo lang geleden voltooide ik een hele scenariomethodesessie voor leden van LuckyTemplates. Ik werkte aan een hele sessie die vele soorten analyses omvatte, waaronder verloren klanten, vaste klanten en nieuwe klantanalyses . Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.
Ze hebben allemaal veel analytisch werk verricht om het zakelijke potentieel van deze klantgegevens te maximaliseren.
In deze specifieke zelfstudie wil ik uitsplitsen hoe u daadwerkelijk nieuwe klanten in uw rapporten berekent .
Maar het staat zeker open voor discussie over wat u zou classificeren als een "nieuwe klant" op basis van uw organisatie of branche. Is dat iemand die nog nooit iets heeft gekocht sinds het begin van uw bedrijf? Dat stuk analyse is vrij uniek. Maar af en toe wil je er misschien een soort tijdsbestek op plakken. Als een klant in die bepaalde periode niet heeft gekocht, kunt u deze als nieuw beschouwen zodra ze terugkomen.
Ongeacht uw definitie zal de techniek echter sterk lijken op het voorbeeld dat ik u zal laten zien.
Inhoudsopgave
Inzicht in de inzichten van nieuwe klantanalyses
Deze zelfstudie is behoorlijk geavanceerd en vereist wel kennis van tabelfuncties en virtuele tabellen in LuckyTemplates . Maar ik zal dit in detail doornemen tijdens de tutorial. Ik laat je ook de formules zien die je nodig hebt om deze gegevens dynamisch te markeren in je LuckyTemplates-rapporten.
Eerst wil ik u een voorbeeldanalyse laten zien in dit dynamische venster.
In dit specifieke geval beschouw ik nieuwe klanten als klanten die de afgelopen 90 dagen niets hebben gekocht.
Om tot dit model te komen, moet ik eerst de parameters en formule instellen. Klik hiervoor op Modellering en klik vervolgens op Nieuwe parameter.
Ik heb ook een eenvoudige tabel voor Churn Time Frame gemaakt met behulp van de onderstaande formule .
Klantverloop verwijst naar de klanten die gedurende een bepaalde periode zijn gestopt met het kopen van een product of dienst van een specifiek bedrijf.
Om de analyse dynamischer te maken, kan ik het tijdsverloop van het verloop zelfs verlengen. Oorspronkelijk heb ik er 90 , maar ik kan het verhogen tot 180 dagen. Ik kan zelfs naar een korter tijdsbestek gaan.
We kunnen Amazon als voorbeeld gebruiken. Als je 90 dagen of 180 dagen niets bij Amazon hebt gekocht, kunnen ze je als een verloren klant beschouwen. Hierna sturen ze waarschijnlijk enkele vormen van marketing om u als 'nieuwe' klant terug te krijgen.
Dat is het belangrijkste waar ik het in deze video over ga hebben. De sleutel om deze nieuwe klanten daadwerkelijk op te lossen of te berekenen , wat veel zou kunnen zeggen over hoe succesvol uw marketinginspanningen zijn.
Formule voor analyse van nieuwe klanten
Dus laten we deze formule hier even doornemen voor nieuwe klanten . Deze formule berekent de klanten die iets hebben gekocht in de huidige maand, maar niets hebben gekocht in de 90 dagen daarvoor.
Ten eerste evalueert de CustomerTM- formule de klantverkopen voor de huidige maand.
U kunt de resultaten van deze formule zien in de kolom Total Customer van de onderstaande tabel.
Daarna heb ik de PriorCustomer- formule gebruikt om te zoeken naar die klanten die eerdere gegevens van de afgelopen 90 dagen hebben. Het betekent gewoon dat het vaste klanten zijn.
In plaats van de huidige context moeten we het tijdsbestek of de context van deze tabel wijzigen door te gebruiken .
Ik heb ook de functie toegevoegd om elke context op datums te verwijderen en het filter opnieuw toe te passen op basis van het tijdvenster van 90 dagen. Dit is de kern van de formule.
Nu evalueert de functie twee van deze tabellen. Daarna retourneert het een tabel met unieke klanten.
Daarna heb ik de formule toegevoegd om de unieke klanten te tellen.
Vervolgens kan ik de nieuwe klantanalyse maken, zoals hieronder.
Laten we eens kijken naar dit voorbeeld voor de maand maart 2017 .
We hebben in totaal 282 klanten en dat is wat de CustomerTM- formule evalueert. Van die klanten hebben er slechts 191 de afgelopen 90 dagen niets gekocht. We beschouwen ze dus als nieuwe klanten.
Door deze nieuwe klantenanalyse te gebruiken, kunt u erachter komen of uw marketinginspanningen succesvol zijn in het binnenhalen van nieuwe klanten voor uw bedrijf.
Ontdek hoeveel verkopen kunnen worden toegeschreven aan nieuwe klanten
Nieuwe versus bestaande klanten – Geavanceerde analyse in LuckyTemplates
Klanttrend analyseren met DAX in LuckyTemplates
Conclusie
Over het algemeen kost een nieuwe klant meer dan een bestaande klant. Het is dus erg belangrijk voor veel organisaties om de trends te begrijpen achter wie bij u koopt.
Dit is echt een krachtige statistiek om inzicht te krijgen in de samenstelling van uw klanten gedurende een bepaalde periode. In dit specifieke geval zullen we het van maand tot maand laten zien.
Met deze techniek kunt u begrijpen hoeveel het u daadwerkelijk kost om inkomsten aan boord te krijgen in uw organisatie.
Ik laat hieronder in de beschrijving een link achter als je deze hele workshop daadwerkelijk wilt bekijken. Het enige dat u hoeft te doen, is uw lidmaatschap upgraden om de volledige bron opnieuw te kunnen spelen en downloaden.
Wat is zelf in Python: voorbeelden uit de echte wereld
Je leert hoe je objecten uit een .rds-bestand in R opslaat en laadt. In deze blog wordt ook besproken hoe je objecten uit R naar LuckyTemplates importeert.
In deze tutorial over DAX-coderingstaal leert u hoe u de functie GENERATE gebruikt en hoe u de titel van een maat dynamisch wijzigt.
Deze zelfstudie behandelt hoe u de Multi Threaded Dynamic Visuals-techniek kunt gebruiken om inzichten te creëren op basis van dynamische gegevensvisualisaties in uw rapporten.
In dit artikel zal ik de filtercontext doornemen. Filtercontext is een van de belangrijkste onderwerpen waarover elke LuckyTemplates-gebruiker in eerste instantie zou moeten leren.
Ik wil laten zien hoe de online service LuckyTemplates Apps kan helpen bij het beheren van verschillende rapporten en inzichten die uit verschillende bronnen zijn gegenereerd.
Leer hoe u wijzigingen in uw winstmarge kunt berekenen met behulp van technieken zoals vertakking van metingen en het combineren van DAX-formules in LuckyTemplates.
Deze tutorial bespreekt de ideeën van materialisatie van datacaches en hoe deze de prestaties van DAX beïnvloeden bij het leveren van resultaten.
Als u tot nu toe nog steeds Excel gebruikt, is dit het beste moment om LuckyTemplates te gaan gebruiken voor uw zakelijke rapportagebehoeften.
Wat is LuckyTemplates Gateway? Alles wat u moet weten