Techniki segmentacji klientów z wykorzystaniem modelu danych – LuckyTemplates & DAX

W tym wpisie na blogu pokażę, jak wykonać techniki segmentacji klientów za pomocą modelu danych w usłudze LuckyTemplates. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.

Czasami Twoje nieprzetworzone dane nie będą zawierały wszystkich informacji potrzebnych do zaprezentowania czegoś w usłudze LuckyTemplates. Ale niech cię to nie powstrzymuje.

Wszystko, czego potrzebujesz, to wyobrażenie o tym, jak możesz zbudować swój model danych lub zastosować dodatkową logikę w swoich tabelach odnośników, która może zapewnić znacznie większy wgląd, niż mógłbyś sądzić, że jest to możliwe przy surowych danych, które masz w ich obecnej formie.

Przeprowadzę Cię przez szczegółowy przykład tego, jak możesz podzielić klientów na segmenty, oceniając, czy są dobrymi klientami, dobrymi klientami czy złymi klientami.

Spis treści

• Segmentacja klientów na podstawie wyników
• Tworzenie tabeli grupowania klientów
• Tabele wyszukiwania i kolumny obliczeniowe
• Obliczanie różnicy sprzedaży
• Korzystanie z logiki SWITCH
• Wniosek

Segmentacja klientów na podstawie wyników

Zasadniczo będziemy pracować nad tym, jak podzielić klientów na podstawie wyników.

Możesz wykorzystać tę technikę do segmentacji niemal wszystkiego, ale chciałem pokazać, jak skuteczne może być zaprezentowanie spostrzeżeń w raporcie na podstawie rzeczywistego scenariusza.

Korzystając z modelu danych, możemy szybko wyizolować każdy konkretny segment do analizy. Widzimy podstawowe czynniki, które wyróżnią naszych klientów jako świetnych, dobrych, przeciętnych lub słabych pod względem sprzedaży.

Stworzyłem fragmentator lub filtr , który pozwala mi analizować klientów jako świetnych, dobrych, przeciętnych lub słabych na podstawie wizualizacji, które umieściliśmy w naszym raporcie.

Wizualizacja pokaże nam, kiedy zaczęła się rozbieżność (luty 2016) i dlaczego jest rozbieżność.

Ważne jest, aby pokazać dlaczego za pomocą wizualizacji w raportach.

W dolnej części naszego raportu możemy zobaczyć dokładnie, kiedy nastąpiła rozbieżność.

Możemy również przyjrzeć się naszym produktom, aby określić, które produkty spowodowały tę rozbieżność i sprawiły, że ci klienci byli świetni. Możemy dowiedzieć się, jakie produkty sprawiły, że klienci kupowali u nas więcej niż wcześniej.

Fajne są też krajalnice w naszych wizualizacjach. Będą filtrować na podstawie tego, co zintegrowaliśmy z naszym modelem, a następnie będą filtrować na podstawie wybranych przez nas grup lub segmentów wydajności.

Przyjrzyjmy się naszym biednym klientom, klikając Słaba sprzedaż na krajalnicy. Możemy wtedy zobaczyć, którzy klienci wypadli słabo w kolumnie poniżej fragmentatora.

Patrząc na wykres porównań skumulowanych ram czasowych sprzedaży, możemy porównać sprzedaż w tym roku ze sprzedażą z ubiegłego roku. Dlaczego istnieje duża różnica między nimi? Czy ma to coś wspólnego z produktami lub marżami?

Na wszystkie te pytania można odpowiedzieć i przedstawić je, wykorzystując techniki segmentacji klientów, które ci pokażę.

Tworzenie tabeli grupowania klientów

Jak więc wykonałem tę technikę? Najpierw wróćmy do modelu. Stworzyłem tabelę o nazwie .

To jest coś, czego nie musisz robić, ale lubię to tworzyć, ponieważ daje mi to oddzielną tabelę, która prezentuje grupy klientów. Umieściłem również indeks obok grup, abyśmy mogli je filtrować lub sortować od najlepszych do słabych.

Oczywiście będziemy potrzebować połączenia z tabeli Customer Grouping do tabeli Customers , ponieważ musimy pogrupować naszych klientów w określony sposób.

Wskoczmy i przyjrzyjmy się moim klientom, których muszę podzielić.

W tym miejscu pojawiają się kolumny obliczeniowe wewnątrz tych tabel przeglądowych .

Tabele wyszukiwania i kolumny obliczeniowe

Tabele wewnątrz niebieskiego pola to tak zwane tabele przeglądowe .

Tutaj możemy umieścić nasze kolumny obliczeniowe .

Niektórzy z was mogą pomyśleć, że można nadać tej dynamice za pomocą miar. Cóż, absolutnie możesz.

Jednak chciałem to zrobić od pewnego momentu. Zależy to od sytuacji i można użyć kolumn obliczeniowych lub miar.

Za pomocą kolumn obliczeniowych chciałem spojrzeć na naszą sprzedaż z określonego punktu w czasie. W tym przypadku chciałem w szczególności przyjrzeć się sprzedaży 2016 i sprzedaży 2015 .

Aby to zrobić, użyłem funkcji OBLICZ i umieściłem w niej filtr, aby uzyskiwać sprzedaż tylko za określony czas.

Obliczanie różnicy sprzedaży

Następnie ze Sprzedaży 2016 i Sprzedaży 2015 mogę wyprowadzić różnicę sprzedaży za pomocą następującego wzoru:

Różnica w sprzedaży to miejsce, w którym możemy rozpocząć segmentację naszych klientów na podstawie sprzedaży.

Korzystanie z logiki SWITCH

Różnica w sprzedaży między 2016 a 2015 rokiem określi, do której grupy wydajności trafią nasi klienci. I tu wkracza logika SWITCH .

Logika SWITCH TRUE umożliwia tworzenie dodatkowych wymiarów, które wyglądają jak zagnieżdżone instrukcje IF , które wyglądają lepiej.

Możemy złożyć oświadczenia, które mówią, że jeśli różnica w sprzedaży klienta jest większa lub równa 200 000 USD, to jest on wspaniałym klientem.

W ten sposób określamy, do którego segmentu lub grupy przypisać naszych klientów. Ta technika jest bardzo elastyczna i można ją zastosować w dowolnym wymiarze i dowolnej tabeli przeglądowej.

Możesz to jeszcze bardziej uprościć, nie używając kolumn sprzedaży 2016 i 2015 oraz kolumny Różnica sprzedaży. Możesz po prostu umieścić całą logikę wewnątrz miary.

Ale w tym przypadku chciałem pokazać, jak używać kolumn obliczeniowych w tabelach przeglądowych do tworzenia tych segmentów informacji.

Jeśli wrócimy do naszych ostatecznych wizualizacji, do tego konkretnego slicera

pochodzi z tego stołu.

Następnie tabela filtruje obliczenia i logikę, które wykonaliśmy w tabeli Klienci . Następnie ta relacja jest filtrowana do innych tabel.

W ten sposób wszystkie nasze wizualizacje mogą być aktualizowane na podstawie segmentu klientów wybranego we fragmentatorze.

Dzięki temu samouczkowi mogliśmy zaprezentować techniki segmentacji klientów i pokazać różne sposoby dzielenia i dzielenia naszych danych.

Cudem tego wszystkiego jest to, że nie istniało to w naszym rzeczywistym modelu; musieliśmy go stworzyć za pomocą logiki.

Wniosek

W większości przypadków chcesz skoncentrować się na swoich najlepszych klientach, ponieważ to stąd pochodzi większość dobrych wyników. Chcesz więc zidentyfikować trendy dotyczące wydajności i przeprowadzić dogłębną analizę tego konkretnego segmentu danych .

Korzystając z tej techniki, możemy wyizolować naszych dobrych klientów i dowiedzieć się, dlaczego są dobrzy. Możemy zrozumieć, dlaczego osiągnęli dobre wyniki i spróbować powtórzyć to u wszystkich innych klientów, którzy osiągnęli słabe wyniki.

O tym jest ten samouczek. Możesz ponownie wykorzystać te techniki segmentacji klientów w różnych scenariuszach analitycznych. Nie musi to dotyczyć tylko klientów, ale na tym skupiłem się w tym konkretnym przypadku.

Aby poznać bardziej praktyczne sposoby korzystania z usługi LuckyTemplates w celu znajdowania przydatnych szczegółowych informacji, zapoznaj się z tym modułem kursu w witrynie LuckyTemplates Online. Dzięki temu jednemu kursowi można się wiele nauczyć.

***** Nauka LuckyTemplates? *****