Dynamische segmentatie: klanten segmenteren in groepen met behulp van geavanceerde DAX

Tegenwoordig word ik ingewikkeld met DAX, maar dat komt omdat ik het leuk vind om de kracht van deze formuletaal in LuckyTemplates te laten zien. Ik wil dat jij er ook heen gaat. Daarom wil ik altijd praktisch bezig zijn met de implementatie. Dynamische segmentatie is een perfect voorbeeld van een echt waardevol commercieel inzicht dat u uit uw analyse in LuckyTemplates kunt halen. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Stel dat u wilt zien welke klantgroepen uw producten kopen. Als ik klantgroepen zeg, zijn dat dan uw topklanten, uw middenklasseklanten of uw bottomklanten? U zult snel ontdekken dat dit eigenlijk niet zo eenvoudig is om uit te werken, omdat deze 'groepering' niet eens bestaat in uw onbewerkte tabellen. Je moet het maken via een ondersteunende tafel, en ik laat je zien hoe in deze blogpost.

In dit bericht gaan we bekijken hoe u kunt visualiseren welke klantgroepen het meest bijdragen aan uw winst. Nu zijn er een paar stappen die we moeten doorlopen om tot dit punt te komen, maar dit is echt een geweldig stuk analyse als je door de tijd wilt reizen en wilt bepalen hoeveel je Top 5, Top 5 - 20 en de rest van uw klanten dragen bij aan uw winst.

Je kunt dezelfde technieken gebruiken die we in deze blogpost zullen bespreken om je eigen analyse te doen. Door het datamodel te gebruiken, kunt u dit soort dynamische visuals maken. In deze visualisatie kijken we bijvoorbeeld naar wat de bijdrage is van de Top 5, Rank 5 – 20 en The Rest.

Omdat alles dynamisch is, kunnen we ook door elk product klikken dat we goed verkopen en het verschil zien voor elk afzonderlijk product. We kunnen zien dat sommige producten volledig worden gedomineerd door de Top 5, maar dat komt waarschijnlijk omdat er niet veel wordt verkocht met dat specifieke product.

Aan de andere kant, als we op een goed verkopend product klikken, kunnen we zien dat het een beetje meer distributief is. Dit zijn de soorten geweldige inzichten die u uit dit type analyse kunt halen.

Inhoudsopgave

• Totale winst berekenen
• Tabel maken voor rangschikking
• Formuleren van klantwinsten per groep
• Klantwinsten per groep gebruiken
• De tafel visualiseren
• Het visualiseren van de make-up van winsten
• Conclusie

Totale winst berekenen

Laten we helemaal opnieuw beginnen en bekijken hoe we dit punt kunnen bereiken. Het eerste dat we moeten doen, is een paar eenvoudige berekeningen maken.

We gaan eerst onze totale winst berekenen door onze totale verkoop minus onze totale kosten te gebruiken.

Tabel maken voor rangschikking

Laten we eerst teruggaan naar ons gegevensmodel. U zult zien dat we bovenaan onze kerngegevensmodellen hebben: tabel Datums, tabel Producten, tabel Regio's en tabel Klanten, die allemaal naar beneden gaan naar de tabel Verkoop onderaan. Elke afzonderlijke transactie die wordt gedaan, staat in onze verkooptabel en dat is waar we onze berekeningen over doen.

Als je erover nadenkt, hebben we hier niets in ons model dat ons vertelt wie er in de top vijf staat of wie er tussen de 5 en 20 staat, of wie alle anderen zijn. Dit betekent dat we het moeten maken. Onthoud ook dat we willen dat het dynamisch is , toch?

We moeten dus een tabel maken die dit voor ons zal doen. We zullen groepen maken, evenals hun MIN en MAX. Voor de Top 5 is het minimum 0 en het maximum 5. Voor de ranglijsten 5 – 20 is het 5 en 20, enzovoort. Vervolgens integreren we deze tabel in ons gegevensmodel via de Dax-formule en dit zal klanten vervolgens dynamisch rangschikken op basis van de context van de berekening.

Formuleren van klantwinsten per groep

We gaan kijken hoe we klantwinsten per groep kunnen opzoeken (4:00). Laten we snel doornemen wat hier werkelijk gebeurt. Allereerst gaan we de Totale Winst berekenen, wat de Totale Winst-maatstaf is die ik je eerder heb geleerd.

Maar wat we moeten doen, is kijken in welke rang elke klant zit en of ze binnen elk van die aangepaste rangen zitten die we zojuist in onze tabel hebben gemaakt. Als ze dat doen, worden ze in die groep geplaatst door Top 5, Rank 5 tot 10 of The Rest.

Dit is de logica die we zullen gebruiken om deze berekeningen daadwerkelijk te maken of uit te voeren.

Laten we hier heel snel iets verzinnen en de maand en het jaar naar onze tabel slepen. We kunnen de totale verkoop voor elk van die maanden zien.

Klantwinsten per groep gebruiken

Als we onze klantgroepen in de tabel slepen, levert dat geen correct resultaat op. Als je echt op deze cijfers inzoomt, zijn ze allemaal precies hetzelfde. Dus wat we moeten doen is de Customer Profits by Group gebruiken . Dit levert elk van de winsten per ranglijst aan ons op.

Wat we moeten doen, is inzoomen op een specifieker tijdsbestek, zodat we een filter kunnen plaatsen voor de laatste zes maanden van 2016.

Als we wat gegevenslabels ophangen, zien we dat dit de totale winst berekent, maar dan uitsplitst per onze klantgroep.

De tafel visualiseren

Laten we het een grafiek geven en het percentage bekijken. Het enige dat we hoeven te doen, is de visualisatie wijzigen in het 100% gestapelde kolomdiagram.

Dit geeft ons nu het verkooppercentage van deze aangepaste groepen. We zullen de visualisatie een beetje veranderen en er een vervolgkeuzelijst van maken. En dan gaan we nog een visualisatie maken, die ons onze verkoop per product zal geven.

Deze berekening wordt automatisch aangepast op basis van de context waarin we deze plaatsen. Dus als we alle maanden in 2016 aanpassen en opnemen, kunnen we zien hoe de dingen voor elke maand veranderen.

Als we op een van de producten in de linkertabel klikken, kunnen we dynamisch op procentuele basis zien hoeveel van onze winst wordt bepaald door specifieke groepen.

Het visualiseren van de make-up van winsten

Zodra we door alle verschillende producten hebben geklikt, kunnen we zien wat de samenstelling van onze winst in de loop van de tijd is voor elk van onze producten die we verkopen. We kunnen het bekijken vanuit het perspectief van een hele portefeuille.

Of we kunnen zelfs inzoomen op onze top 3 producten en zien dat er eind 2015 een dip was. We kunnen ons afvragen waarom een ​​groter deel van onze kleinere klanten deze producten koopt in vergelijking met onze grotere klanten die niets kopen.

Het is duidelijk dat dit soort dingen een heel goede discussie zouden opleveren om te horen van uw verkopers en uw management. Deze DAX-formule is echt een geweldige techniek die in een aantal verschillende scenario's kan worden hergebruikt. Ik raad ten zeerste aan om in deze dynamische segmentatietechniek te duiken en te kijken hoe je die daadwerkelijk voor jezelf kunt gebruiken en voor een deel van de analyse die je aan het doen bent.

Conclusie

Zoals je kunt zien, is er wat aan de hand, maar het is echt krachtig spul. Deze analyse is geweldig om de make-up te zien van wie je spullen koopt, niet alleen voor je producten als geheel, maar je kunt zelfs in specifieke producten duiken en vergelijken hoe de make-up anders kan zijn. Deze techniek heeft een technische term: dynamische segmentatie . Het is omdat we onze resultaten dynamisch segmenteren door ze door een of andere logica te plaatsen, waardoor het in zijn eigen taart wordt gesneden.

Ik doorloop deze specifieke techniek op een uitgebreide manier in mijn cursus Analytische scenario's oplossen bij . Bekijk dit voor meer informatie. In deze video overloop ik een overzicht van hoe u het zelf zou kunnen implementeren en hoe het er in uw rapporten uit kan zien.

Succes met het implementeren hiervan!