Voorbeeld van mandanalyse – LuckyTemplates Advanced Analytics

In deze tutorial ga ik enkele van de meest geavanceerde soorten analytisch werk doornemen die u met LuckyTemplates kunt doen, en dat is Basket Analysis. Dit theoretische concept heeft veel toepassingen in LuckyTemplates. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Waar ik hier op inga, is hoe u dit type analyse kunt gebruiken om cross-sellingmogelijkheden binnen uw datasets te evalueren.

Ik ga in op nogal wat details over de DAX- formules die u moet implementeren. Ik heb wel gezegd dat dit geavanceerd is en dat het erg moeilijk is om alle verschillende elementen binnen elke formule te begrijpen.

Wat ik hier echter zou aanraden, is om er in eerste instantie mee in aanraking te komen en het vervolgens na verloop van tijd te herzien, terwijl je meer leert over elke individuele functie. Dat is alleen als het niet meteen duidelijk is hoe het allemaal in elkaar past.

Inhoudsopgave

• Binnen het gegevensmodel
• Mogelijkheden voor cross-selling evalueren met mandanalyse
• De formule op het werk
• Conclusie

Binnen het gegevensmodel

Het eerste dat we moeten doen, is ons model aanpassen. We moeten ons model specifiek bouwen voor dit type analyse. Er is echt geen andere manier om het te doen.

In dit voorbeeld van mandanalyse moeten we een bepaald product filteren. Maar dan filteren we ook een ander product. Als we bijvoorbeeld willen zien hoe vaak product 5 is gekocht in vergelijking met andere producten, filteren/selecteren we product 5.

Er zijn hier dus twee filters in werking: het filter op het product dat we selecteren en het filter op elk ander product. We evalueren of een bepaald product samen met een ander product wordt gekocht en daarom moeten we dit model maken.

We hebben onze tabel Producten en we hebben onze tabel Filterproducten. Hier kunnen we zien dat de relatie 'inactief' is.

We gaan werken met enkele verschillende contexten die vanuit deze twee tabellen worden toegepast. Het is hoe we deze filters of contexten binnen een formule beheren waarmee we het resultaat kunnen bereiken.

Mogelijkheden voor cross-selling evalueren met mandanalyse

Laten we nu eens kijken naar wat het resultaat daadwerkelijk doet.

Met de productselectietabel kunnen we een product selecteren en zien hoe vaak dit product samen met andere producten is gekocht.

Deze tabel 'Klanten die hebben gekocht' heeft echter geen betrekking op onze productselectietabel .

Deze tabel laat eenvoudig zien hoeveel mensen de producten hebben gekocht die worden weergegeven in de tabel Productnaam in 2016, aangezien we dit hebben gefilterd op 2016.

Dus voor product 1 zijn er 135 mensen die het in 2016 hebben gekocht, terwijl 128 mensen product 15 hebben gekocht, enzovoort.

De snijmachine voor productselectie is afkomstig van de filterproducten die we in ons model hebben, die een inactieve relatie hebben. Dus vanaf onze eerste selectie doet dit niets met de kolom Klanten die hebben gekocht.

Wat verandert er aan deze tabel Klanten met beide producten , omdat deze formule de producten evalueert (productselectiesnijder) en laat zien hoe vaak het samen met andere producten is gekocht (tabel Productnaam).

Laten we eens kijken naar de formule achter al deze om de resultaten beter te begrijpen.

De formule op het werk

Er zit een klein beetje aan deze formule met complexe DAX-functies. Ik heb variabelen zo effectief mogelijk gebruikt.

Ik heb een heel tabelfilter in deze variabele geplaatst en het Multi Purchase Evaluation genoemd .

We gebruiken CALCULATETABLE , wat een tabelfilter is.

Dus we gaan bijvoorbeeld voor product 1, het filter wordt op de verkooptafel geplaatst. Wat VALUES hier doet, is dat het een kolomtabel maakt van alle unieke mensen of klanten die product 1 hebben gekocht.

De ALLE producten geven het productenfilter vrij of verwijderen het, en vervolgens gaat USERELATIONSHIP dat andere filter inschakelen dat een inactieve relatie heeft.

Het gaat elke klant doorlopen en kijken of die klant ook het product heeft gekocht dat we selecteren in de snijmachine Productselectie.

De functie WAARDEN behoudt de klanten die bijvoorbeeld producten 1 en product 6 hebben gekocht voor dit specifieke resultaat.

Deze evaluatie hier, Klanten die hebben gekocht …

doet gewoon een DISTINCTCOUNT van de klanten die overblijven.

Dit is waarschijnlijk een van de moeilijkste dingen die ik heb gedemonstreerd in elke video-tutorial die ik heb gedaan, maar het heeft zeker veel toepassingen.

In het verleden kostte het u waarschijnlijk tienduizenden dollars om dit te doen, maar met LuckyTemplates kunt u dit gemakkelijk opwekken als u enkele echt geavanceerde DAX-formules begrijpt.

Inleiding winkelwagenanalyse – tips voor best practices voor het gebruik van LuckyTemplates met DAX
Ontdek het aantal klanten dat meerdere producten koopt met LuckyTemplates
Cross-sellingmatrix in LuckyTemplates – Geavanceerde analyse met DAX

Conclusie

Bedenk eens hoe waardevol dit inzicht is...

Bijna in realtime kunnen evalueren... Je zou jezelf iets kunnen afvragen in de trant van: “ Moet ik deze kans aangrijpen om onze klanten te upsellen op basis van wat ze eerder hebben gekocht? Zijn er promoties die we kunnen uitvoeren waarmee we onze omzet of winst in de toekomst kunnen verhogen op basis van deze cross-sellinganalyse of winkelwagenanalyse die we implementeren?”

Ik hoop dat je de enorme kracht van dit soort inzichten kunt zien en beseffen.

Als u leert hoe u deze analyse kunt implementeren, creëert u echt veel waarde voor uzelf, voor uw teams en voor uw organisaties. Ga er zeker voor en duik in de tutorial en kijk of je dit kunt implementeren in je eigen modellen en rapportages.

Succes met deze!