Analiza kohortowa oparta na czasie — konfigurowanie modeli danych w usłudze LuckyTemplates

W tym samouczku szczegółowo omówię analizę kohortową opartą na czasie w usłudze LuckyTemplates.

To jest krótka sesja podsumowująca ostatnie wydarzenie dla członków LuckyTemplates. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.

Chcę pokazać, jak skonfigurowałem analizę kohortową w usłudze LuckyTemplates . Jest to najtrudniejsze zadanie, gdy zaczynasz przeprowadzać bardziej zaawansowane obliczenia.

Chcesz wiedzieć, jak prawidłowo skonfigurować modele danych, aby uniknąć nieporozumień i upewnić się, że model usługi LuckyTemplates działa.

Spis treści

• Szybki przegląd analizy kohortowej
• Tworzenie kohort w LuckyTemplates
• Konfigurowanie tabeli miesięcy kohorty
• Spostrzeżenia dotyczące analizy kohortowej
• Inne stosowane formuły analizy kohortowej
• Więcej przykładów analizy kohortowej
• Wniosek

Szybki przegląd analizy kohortowej

Zanim omówię tę technikę, chcę najpierw pokazać spostrzeżenia, które można z niej wyciągnąć, wraz z krótkim przeglądem analizy kohortowej opartej na czasie.

Kohorty to fantazyjny sposób wywoływania segmentów lub grup wymiarów lub zmiennych w danych.

Na przykład chcesz spojrzeć na grupy swoich klientów.

Chcesz utworzyć kohorty, kiedy Twoi klienci po raz pierwszy dołączyli do Twojego oprogramowania lub aplikacji lub zaczęli z niego korzystać.

W tym przypadku stworzyłem kohorty z poszczególnych miesięcy. Tak więc, jeśli Twoi klienci rozpoczęli działalność w czerwcu 2017 r., to jest ich szczególna kohorta.

To nie jest grupowanie według kwot ani liczby transakcji, które z Tobą przeprowadziły. Grupowanie jest oparte na czasie.

W tym przykładzie jest to moment, w którym dołączyli.

Teraz pokażę ci, jak utworzyć te kohorty, a następnie zastosować je w swoim modelu.

Tworzenie kohort w LuckyTemplates

Rzućmy okiem na model.

To dość ogólny model. Tak chcesz, aby wyglądały Twoje modele.

Możesz zobaczyć, że mam kolejną warstwę moich tabel przeglądowych.

Ale zanim pokażę ci jego cel, najpierw popracuję nad utworzeniem tych kohort w tabeli przeglądowej.

Tabela przeglądowa to miejsce, w którym chcesz pogrupować określony wymiar. W tym przypadku są to klienci.

Spójrzmy więc na moją tabelę Klienci.

Pierwotnie moja tabela Klienci zawierała tylko Indeks klientów i Nazwy klientów.

Ale jeśli chcesz utworzyć kohorty w tabelach odnośników, musisz umieścić je tam, gdzie chcesz przeprowadzić segmentację.

Teraz chcę ustalić datę dołączenia klienta. W moich danych demonstracyjnych data dołączenia to data pierwszego zalogowania klienta.

Pierwsze logowanie mogło nastąpić w momencie rejestracji przez klienta za pomocą e-maila lub pierwszego użycia wersji testowej aplikacji.

Musisz dowiedzieć się, kiedy po raz pierwszy połączenie zostało zainicjowane przez klienta.

Otrzymałem te informacje za pomocą tego wzoru:

Używa daty logowania . Następnie zawinąłem go w funkcję , aby upewnić się, że otrzymam poprawny kontekst filtra. To daje mi pierwszą randkę.

Teraz muszę rozliczyć miesiąc. Chcę utworzyć moje kohorty na podstawie miesiąca, w którym klient dołączył.

Ta technika jest bardzo elastyczna, ponieważ możesz tworzyć różne kohorty.

Ale znowu w tym przykładzie użyję kohorty miesięcznej, która pokazuje miesiąc i rok.

To jest formuła, której użyłem do Kohorty Miesiąca Dołączenia :

Chwyciłem kolumnę Month & Year z tabeli Date, używając tej logiki:

Przeanalizowałem tabele dat i ustaliłem, która data odpowiada dacie dołączenia klienta. Następnie, gdy będzie równa TRUE , zwróci kolumnę Month & Year z tej samej tabeli. 

Dzięki temu mam teraz swoją kohortę miesiąca łączenia .

Konfigurowanie tabeli miesięcy kohorty

Teraz chcę ci pokazać, dlaczego stworzyłem tabelę Miesiące kohorty .

Wróćmy do tabeli Klient.

Jeśli zostawisz to z tymi informacjami i logiką, możesz nie uzyskać każdej iteracji miesiąca i roku.

Dzieje się tak, ponieważ klient mógł nie dołączyć w żadnym miesiącu i roku. Tak więc, aby uzyskać dobrą wizualizację, musisz upewnić się, że każdy miesiąc i rok jest wymieniony w określonej tabeli.

Może to być również spowodowane tym, że potrzebne informacje mogą nie mieścić się w dynamicznych obliczeniach wszystkich klientów.

Pamiętaj, że na pokładzie cały czas pojawiają się nowi klienci. Tak więc informacje te teoretycznie powinny zawsze być aktualizowane.

Dlatego stworzyłem kolejną tabelę przy użyciu formuły Cohort Months :

Pobrałem kolumny Indeks oraz z tabeli Daty. Te dwie kolumny stały się Kohortą MonthnYear .

Oto tabela dat:

Możesz zobaczyć, że ma wiele kolumn zawierających wiele informacji. Ale w tym przykładzie potrzebowałem tylko kolumn Indeks oraz Miesiąc i rok. Podsumowałem więc tabelę Daty, używając Cohort Months .

Mam teraz każdą iterację, która również stała się unikalnymi wartościami.

Teraz, gdyby te informacje zostały pobrane z tabeli Daty, byłyby często przywoływane. Ale ponieważ jest to teraz kolumna zawierająca unikalne wartości, stała się prostą tabelą przeglądową.

Możesz utworzyć relację jeden-do-wielu z tabeli Cohort Months do tabeli Customer .

Ta relacja będzie nadal filtrowana do momentu wyświetlenia tabeli Dane witryny . Logika CALCULATE będzie znajdować się w tej tabeli ze względu na jej związek z tabelą Customer.

Po skonfigurowaniu tego wszystkiego masz teraz wymiar, który możesz umieścić w macierzy. Ta matryca da ci każdy miesiąc.

Spostrzeżenia dotyczące analizy kohortowej

Kolejną interesującą rzeczą w analizie kohortowej w usłudze LuckyTemplates jest możliwość analizowania trendów w obrębie kohort.

W tym przykładzie chciałem wypracować odejście klienta.

Widać, że mam dynamiczną wizualizację. Mam 641 klientów, którzy dołączyli do kohorty z czerwca 2017 roku. Jednak w pierwszym okresie odeszło 12 klientów.

Musisz wygenerować ogólną tabelę, która przedstawia okresy, które opracowałeś.

W tym przypadku utworzyłem tabelę w moim modelu o nazwie Okresy kohortowe.

Stworzyłem w nim również tabelę pomocniczą.

Możesz zobaczyć, jak stworzyłem dni Min i Max dla każdego okresu. Jest to określenie okna czasowego, które chcesz przeanalizować dla każdej indywidualnej kohorty.

Wracając do przykładu, widać, że w okresie 2 było 14 klientów, którzy odeszli w okresie 30 i 60 dni.

Idąc w dół tabeli, możesz zobaczyć, jak zmienia się ta wartość dla różnych kohort.

W innej tabeli pokazuje wartości w procentach.

Procenty są lepsze w porównaniu z liczbami, ponieważ można z nich uzyskać cenne informacje. Możesz zidentyfikować trend odchodzenia klientów w określonym okresie.

Możesz zidentyfikować problemy, które spowodowały ten trend. Może to być spowodowane tym, że zrezygnowałeś z marketingu i reklamy lub że nie uzyskujesz tak dużej sprzedaży od swoich klientów.

Inne stosowane formuły analizy kohortowej

Oto inne formuły, których użyłem w tej technice opartej na czasie analizy kohortowej w usłudze LuckyTemplates.

Ta dynamiczna formuła ubijania umożliwiła mi uzyskanie wglądu w dane.

Gdy zrozumiesz techniki grupowania dynamicznego przy użyciu języka DAX, będziesz w stanie uzyskać więcej ze swojego raportu.

Więcej przykładów analizy kohortowej

Aby pokazać możliwości tej techniki, chcę dodać jeszcze jeden przykład.

Załóżmy, że chcę indywidualnie przyjrzeć się klientom w tej konkretnej kohorcie, która odeszła.

Mogę wybrać wartość w mojej tabeli, a ona automatycznie pokaże poziomy poszczególnych klientów w innej tabeli na podstawie tego, jak ją ustawię.

Jak zaimplementować analizę kohortową w usłudze LuckyTemplates — zaawansowane koncepcje języka DAX
Przykład segmentacji przy użyciu zaawansowanego języka DAX w usłudze
LuckyTemplates Segmentacja klientów w usłudze LuckyTemplates: prezentacja ruchu grupy w czasie

Wniosek

Możesz użyć tej strategii dla dowolnej kohorty, którą próbujesz opracować. Mogą to być kohorty dotyczące produktów, regionów lub klientów.

Jednak przykład w tym samouczku jest najbardziej odpowiedni. Analiza kohortowa została spopularyzowana przez aplikacje SAS. Dlatego należy grupować klientów na podstawie tego, kiedy się zmieniają.

Korzystając z tej techniki, możesz tworzyć niesamowite analizy w LuckyTemplates.

Mam nadzieję, że ten samouczek dał ci dobre wyobrażenie o tym, czym jest analiza kohortowa i jak ją wdrożyć.

Wszystkiego najlepszego,