Dynamische segmentatie met dynamische parameters – geavanceerde LuckyTemplates- en DAX-techniek

Ik ga het hebben over dynamische segmentatie met behulp van dynamische parameters, omdat ik leden er zo vaak naar heb zien vragen op het LuckyTemplates-ondersteuningsforum. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Wat hier een uitdaging aan is, is uitzoeken welke gebieden als eerste moeten worden gesegmenteerd. U zou ook een manier moeten vinden om dynamische parameters in uw formule in te voeren. Ik ga dat allemaal vereenvoudigen door het voorbeeld dat ik hier ga laten zien.

Inhoudsopgave

• Een What-If-parameter creëren
• Dynamische parameters toepassen
• De resultaten visualiseren
• Conclusie

Een What-If-parameter creëren

Het eerste dat ik nodig heb, is een parameter. In dit geval heb ik een klantrangparameter gemaakt .

Ik heb deze parameter gemaakt door naar Modellering te gaan en vervolgens op Nieuwe parameter te klikken.

Een wat-als-parameter zou automatisch een tabel voor mij maken. Het creëert ook een maat voor de selectie die ik heb gemaakt.

Als ik dat naar mijn rapport sleep, wordt de selectie weergegeven die ik in de slicer maak.

Het belangrijkste om te onthouden is dat uw parameters de resultaten moeten splitsen elke keer dat u een aangepaste segmentatie uitvoert .

Dus afgezien van de parameter Customer Rank, heb ik ook informatie over gebieden waar de winkels te vinden zijn.

De context van de berekening is een van de belangrijkste factoren om dit goed te doen. Er is ook aanvullende context hier beneden die laat zien waar de winkels zijn.

Nu wil ik mijn inkomsten scheiden door mijn beste klanten en mijn laagste klanten te vergelijken. Ik wil ook dat zowel deze top- als bottom-groepen dynamisch zijn. Dit is waar dynamische parameters in beeld komen.

Dynamische parameters toepassen

De resultaten moeten dus veranderen, afhankelijk van hoe ik naar de gegevens wil kijken. Dit betekent dat als ik de slicer voor Customer Rank verander , de gegevens in de tabel ook moeten veranderen.

Het eerste dat ik ga doen, is een formule gebruiken om mijn beste klanten aan tafel te krijgen.

Ik heb de kolom gemaakt met behulp van de functie voor de totale opbrengst en vervolgens als rangschikkingsfunctie. TOPN retourneert ook een virtuele tabel op basis van rangschikkingsresultaten.

Ik heb hier context toegevoegd terwijl we de totale opbrengst berekenen , omdat ik alleen naar de best gerangschikte klanten kijk. Die ranking wordt bepaald door de Customer Rank Value .

Door TOPN te gebruiken , ga ik alle klantgegevens doornemen. Het zou echter alleen de context voor de top 4 behouden, aangezien dat de parameter is die in de tabel wordt ingesteld. Het is de waarde die ik in de slicer heb ingesteld.

Ik kan mijn slicer naar 3 verplaatsen, en de resultaten zouden ook moeten veranderen en alleen de gegevens voor de top 3 weergeven.

Ik wil ook naar mijn onderste klanten kijken, dus die ga ik aan mijn tabel toevoegen.

Aangezien ik mijn laagste klanten daar heb neergezet, is het ook belangrijk op te merken dat ik het totale aantal klanten per winkel binnen een bepaald tijdsbestek nodig zou hebben.

Om het totale aantal klanten te krijgen , heb ik de functie gebruikt .

Merk op dat dit allemaal slechts voorbeeldgegevens zijn, dus de cijfers die ik uit deze formule bedenk, lijken misschien klein en onrealistisch. Maar deze berekening zou ook werken voor grotere frequenties als deze eenmaal wordt toegepast op scenario's uit het echte leven.

Dit is de formule die ik gebruikte om de laagste klanten te krijgen. Merk op dat het erg lijkt op degene die ik gebruikte voor Topklanten , maar met enkele kleine aanpassingen.

Ik heb hier zowel de CALCULATE- als de TOPN- functie gebruikt. Maar in plaats van alleen de klantrang in te voeren , heb ik het verschil tussen het totaal aantal klanten en de klantrangwaarde gebruikt . 

In plaats van alleen en Klantnamen te plaatsen , moest ik logica toevoegen. Omdat ik de onderste klanten krijg in plaats van de beste, ga ik ASC gebruiken in plaats van DESC .

De vorige formule herhaalde zich door elke klant om de beste te krijgen. Maar aangezien ik de laagste klanten krijg, betekent dit dat het ook de gevallen zou tellen waarin er nul verkopen waren .

Ik moet ervoor zorgen dat degenen die als onderste klant worden geteld, ook een aankoop hebben gedaan. Daarom heb ik toegevoegd dat de waarde groter moet zijn dan 0 .

Daarom laten mijn gegevens nu zien hoeveel klanten daadwerkelijk een aankoop hebben gedaan. Op deze eerste rij zie je dat 11 klanten iets in die specifieke winkel hebben gekocht binnen de gegeven tijd.

Het kan in dit deel behoorlijk lastig worden, vooral omdat TOPN al een virtuele tafel aan het maken is, maar ik ben ook bezig met het maken van een andere virtuele tafel daarbinnen. Deze virtuele tafel kijkt naar een veel kleinere subset van klanten, en niet naar de klanten als geheel.

Dus ik doe hier nog een rangschikking aan het einde van de formule voor Totale omzet . En zoals ik al eerder zei, gebruik ik ASC in plaats van DESC .

Met deze formules heb ik nu dynamische parameters toegevoegd aan de dynamische segmentatie.

De resultaten visualiseren

De techniek die ik heb gebruikt, kan mogelijk worden gebruikt voor veel grotere datasets. Dit betekent dat om de resultaten beter te begrijpen, het nuttig is om enkele visualisaties te hebben om ze te laten zien.

Ik begin met een eenvoudige grafiek die u een vergelijking kan laten zien van de beste versus de laagste klanten voor elke winkel.

Ik kan dit ook wijzigen en een gestapeld staafdiagram gebruiken voor het geval de getallen groot genoeg zijn en op die manier beter worden weergegeven.

Met deze visualisaties krijg ik een beter inzicht in de cijfers. Hierin is bijvoorbeeld te zien welke winkels een hoger risico lopen. Ik kan zien welke winkels heel weinig klanten hebben, wat resulteert in lage inkomsten.

Dynamische segmentatie: hoe u klanten in groepen kunt segmenteren met behulp van geavanceerde DAX
Klantsegmentatietechnieken met behulp van het datamodel –
voorbeeld van LuckyTemplates en DAX-segmentatie met behulp van geavanceerde DAX in LuckyTemplates

Conclusie

De gegevens die ik hier heb gebruikt, hebben een zeer lage frequentie, maar stel je de mogelijkheden voor wanneer dit wordt toegepast op grotere gegevenssets. Deze techniek kan ook andere informatie segmenteren en zoveel verschillende parameters toevoegen, afgezien van alleen de beste en laagste klanten of winkellocaties.

Dit voorbeeld laat zien hoe je ook met maten binnen maten kunt werken. Technieken als deze geven verbazingwekkend inzicht in gegevens, ongeacht waar deze worden toegepast.

Al het beste,