Op tijd gebaseerde cohortanalyse – Uw gegevensmodellen opzetten in LuckyTemplates

In deze zelfstudie ga ik dieper in op tijdgebaseerde cohortanalyse in LuckyTemplates.

Dit is een korte ontsnappingssessie van een recent evenement voor LuckyTemplates-leden. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Ik wil je laten zien hoe ik deze Cohort Analyse heb opgezet in LuckyTemplates . Dit is de moeilijkste taak wanneer u begint met het uitvoeren van meer geavanceerde berekeningen.

U wilt weten hoe u uw datamodellen goed inricht om verwarring te voorkomen en ervoor te zorgen dat het LuckyTemplates-model werkt.

Inhoudsopgave

• Snel overzicht van cohortanalyse
• Cohorten maken in LuckyTemplates
• De tabel met cohortmaanden opzetten
• Inzichten in cohortanalyse
• Andere gebruikte formules voor cohortanalyse
• Meer voorbeelden van cohortanalyse
• Conclusie

Snel overzicht van cohortanalyse

Voordat ik deze techniek bespreek, wil ik eerst de inzichten laten zien die je eruit kunt halen, samen met een kort overzicht van op tijd gebaseerde cohortanalyse.

Cohorten zijn een mooie manier om segmenten of groeperingen van uw dimensies of variabelen in uw gegevens aan te roepen.

U wilt bijvoorbeeld groepen van uw klanten bekijken.

U wilt cohorten maken van wanneer uw klanten voor het eerst lid werden van of begonnen met het gebruik van uw software of applicatie.

Voor dit geval heb ik cohorten van bepaalde maanden gemaakt. Dus als uw klanten in juni 2017 zijn begonnen, is dat hun specifieke cohort.

Het is geen groepering van de bedragen of het aantal keren dat ze transacties met u hebben gedaan. Je groepering is gebaseerd op tijd.

In dit voorbeeld is het wanneer ze lid werden.

Nu ga ik je laten zien hoe je deze cohorten kunt maken en deze vervolgens in je model kunt verwerken.

Cohorten maken in LuckyTemplates

Laten we het model eens bekijken.

Dit is een vrij generiek model. Zo wil je je modellen eruit laten zien.

Je kunt zien dat ik nog een laag van mijn opzoektabellen heb.

Maar voordat ik je het doel ervan laat zien, zal ik eerst werken aan het maken van deze cohorten in de opzoektabel.

In de opzoektabel wilt u een bepaalde dimensie groeperen. In dit geval zijn dat de klanten.

Dus, laten we eens kijken naar mijn tabel Klanten.

Oorspronkelijk bevatte mijn klantentabel alleen de klantindex en klantnamen.

Maar als u de cohorten in de opzoektabellen wilt maken, moet u ze plaatsen waar u de segmentering wilt laten plaatsvinden.

Nu wil ik de aanmeldingsdatum van de klant berekenen. In mijn demogegevens is de toetredingsdatum de datum waarop de klant voor het eerst inlogde.

De eerste login kan zijn wanneer de klant zich aanmeldt via een e-mail of wanneer hij voor het eerst de proefversie van de applicatie gebruikt.

U moet weten wanneer een klant voor het eerst een verbinding tot stand heeft gebracht.

Ik kreeg deze informatie met behulp van deze formule:

Het gebruikt van de inlogdatum . Vervolgens heb ik het in de functie gewikkeld om er zeker van te zijn dat ik de juiste filtercontext krijg. Dit geeft me de eerste date.

Ik moet nu de maand uitwerken. Ik wil mijn cohorten maken op basis van de maand waarin de klant lid is geworden.

Deze techniek is zeer flexibel omdat u verschillende cohorten kunt maken.

Maar nogmaals, voor dit voorbeeld gebruik ik een maandcohort die de maand en het jaar laat zien.

Dit is de formule die ik heb gebruikt voor de Join Month Cohort :

Ik pakte de kolom Maand & Jaar uit de tabel Datum met behulp van deze logica:

datumtabel uitgewerkt en welke datum gelijk is aan de aanmeldingsdatum van de klant. Zodra het dan gelijk is aan TRUE , zal het de kolom Maand & Jaar van dezelfde tabel retourneren. 

Hiermee heb ik nu mijn Join Month Cohort .

De tabel met cohortmaanden opzetten

Nu wil ik je laten zien waarom ik een Cohort Months- tabel heb opgezet .

Laten we teruggaan naar de klantentabel.

Als je het bij deze informatie en logica zou laten, krijg je misschien niet elke iteratie van de maand en het jaar.

Dit komt omdat een klant zich in geen enkele maand of jaar heeft aangemeld. Om een ​​goede visualisatie te krijgen, moet u er dus voor zorgen dat naar elke maand en elk jaar wordt verwezen in een bepaalde tabel.

Het kan ook zijn dat de informatie die u nodig heeft niet binnen de dynamische berekening van alle klanten valt.

Vergeet niet dat er voortdurend nieuwe klanten aan boord komen. Deze informatie zou dus theoretisch altijd bijgewerkt moeten worden.

Daarom heb ik een andere tabel gemaakt met de formule Cohortmaanden :

Ik pakte de kolommen Index en uit de tabel Datums. Deze twee kolommen werden de Cohort MonthnYear .

Dit is de datumtabel:

Je kunt zien dat het veel kolommen heeft met veel informatie. Maar voor dit voorbeeld had ik alleen de kolommen Index en Maand & Jaar nodig. Dus vatte ik de tabel Dates samen met behulp van Cohort Months .

Ik heb nu elke iteratie, die ook unieke waarden werden.

Als deze informatie uit de tabel Datums zou zijn gehaald, zou er veel naar zijn verwezen. Maar omdat het nu een kolom is met unieke waarden, is het een eenvoudige opzoektabel geworden.

U kunt een een-op-veel-relatie maken van de tabel Cohortmaanden naar de tabel Klant .

Deze relatie blijft filteren tot de tabel Websitegegevens . De CALCULATE- logica komt in deze tabel te staan ​​vanwege de relatie met de klantentabel.

Als je dit eenmaal hebt ingesteld, heb je nu een dimensie die je in een matrix kunt plaatsen. Deze matrix geeft je elke maand.

Inzichten in cohortanalyse

Een ander interessant aspect van Cohortanalyse in LuckyTemplates is dat je de trends binnen de cohorten kunt analyseren.

Voor dit voorbeeld wilde ik mijn Customer Churning uitwerken.

Je kunt zien dat ik een dynamische visualisatie heb. Ik heb 641 klanten die zich hebben aangesloten bij het cohort van juni 2017. In de eerste periode vertrokken echter 12 klanten.

U moet een generieke tabel genereren waarin de door u bedachte perioden worden weergegeven.

Voor dit geval heb ik in mijn model een tabel gemaakt met de naam Cohortperiodes.

Ik heb er ook een ondersteunende tafel in gemaakt.

Je kunt zien hoe ik de Min- en Max-dagen voor elke afzonderlijke periode heb gemaakt. Dit specificeert het tijdvenster dat u voor elk afzonderlijk cohort wilt analyseren.

Als je teruggaat naar het voorbeeld, kun je zien dat er in periode 2 14 klanten waren die binnen de periode van 30 en 60 dagen afhaken.

En terwijl u de tabel doorloopt, kunt u zien hoe deze waarde verandert voor verschillende cohorten.

In een andere tabel worden de waarden in procenten weergegeven.

Percentages zijn beter in vergelijking met cijfers omdat u er waardevolle inzichten uit kunt halen. U kunt de trend van de klanten die binnen een bepaalde periode vertrekken, identificeren.

U kunt de problemen identificeren die deze trend hebben veroorzaakt. Het kan zijn omdat u bent gestopt met marketing en reclame, of dat u niet zoveel verkopen van uw klanten krijgt.

Andere gebruikte formules voor cohortanalyse

Dit zijn de andere formules die ik heb gebruikt voor deze Time-Based Cohort Analysis-techniek in LuckyTemplates.

Deze dynamische karnende formule stelde me in staat om inzichten uit de gegevens te halen.

Zodra u dynamische groeperingstechnieken met behulp van DAX begrijpt, kunt u meer uit uw rapport halen.

Meer voorbeelden van cohortanalyse

Om de mogelijkheden van deze techniek te laten zien, wil ik nog een voorbeeld toevoegen.

Laten we zeggen dat ik individueel wil kijken naar klanten in dit specifieke cohort dat aan het karnen was.

Ik kan een waarde in mijn tabel selecteren en het zal automatisch individuele klantniveaus in een andere tabel tonen op basis van hoe ik het heb ingesteld.

Cohortanalyse implementeren in LuckyTemplates –
Voorbeeld van geavanceerde DAX-concepten Segmentatie Geavanceerde DAX gebruiken in LuckyTemplates
LuckyTemplates Klantsegmentatie: groepsbewegingen door de tijd laten zien

Conclusie

U kunt deze strategie gebruiken voor elk cohort dat u probeert te bedenken. Dit kunnen cohorten zijn voor producten, regio's of klanten.

Het voorbeeld in deze zelfstudie is echter het meest relevant. Cohortanalyse is gepopulariseerd door SAS-toepassingen. U moet uw klanten dus groeperen op basis van wanneer ze aan het karnen zijn.

Met deze techniek kunt u ongelooflijke analyses maken in LuckyTemplates.

Ik hoop dat deze tutorial je een goed idee heeft gegeven van wat cohortanalyse is en hoe je het kunt implementeren.

Al het beste,