Jak zaimplementować analizę kohortową w LuckyTemplates – Zaawansowane koncepcje języka DAX

Na tym blogu przedstawiam analizę kohortową usługi LuckyTemplates . To był jeden z tematów, który szczegółowo omówiłem podczas , gdzie pokazałem, czym jest analiza kohortowa i jak można to zrobić w LuckyTemplates. W tym samouczku dowiesz się, jak skonfigurować go w swoim modelu usługi LuckyTemplates. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.

Idea analizy kohortowej polega na tym, że grupujemy naszych klientów na podstawie określonego zachowania lub cechy, którą posiadają.

W tym przykładzie grupujemy naszych klientów na podstawie daty pierwszego zakupu , a następnie analizujemy wskaźnik utrzymania tych klientów .

Pomysł polega więc na utworzeniu kohorty, kiedy klienci po raz pierwszy dokonują zakupu, a następnie przeanalizowaniu w czasie, ile czasu zajmuje im przyjście i dokonanie ponownego zakupu. Następnie porównujemy wszystkich klientów z naszej kohorty ze wszystkich miesięcy i sprawdzamy, czy poziomy retencji poprawiają się, czy zmniejszają.

W tej demonstracji mamy wartości procentowe, co jest dobrym sposobem patrzenia na to, ale mamy też liczby bezwzględne.

Spis treści

• Klasyfikacja zakupów klientów
• Formuły języka DAX do analizy kohortowej
• Klasyfikacja ram czasowych
• Wniosek

Klasyfikacja zakupów klientów

Jeśli myślisz o samej kohorcie, oznacza to „grupowanie klientów”. Więc tutaj ustalamy , kiedy klient dołączył lub kiedy po raz pierwszy kupił u nas. To właśnie klasyfikujemy jako datę dołączenia . 

Formuła daty dołączenia to po prostu minimalna data zakupu w tabeli Sales. Opracowujemy więc minimalną lub najniższą datę zakupu przez każdego z tych klientów w każdym innym rzędzie.

Następnie sklasyfikowaliśmy ich w określonej kohorcie na podstawie miesiąca i roku, w którym dokonali zakupu . 

Na przykład Jesse Evans kupił tutaj 11 marca 2014 r., więc klienci tacy jak Evans będą należeć do kohorty z marca 2014 r.

Formuły języka DAX do analizy kohortowej

Formuły, których tutaj używamy, są bardzo proste. Data dołączenia to po prostu MIN daty zamówienia ( sprzedaży).

Miesiąc kohorty polega zasadniczo na ustaleniu miesiąca tej daty dołączenia.

A potem sprowadzamy ich tutaj.

Możemy utworzyć kohortę na podstawie wielu różnych zmiennych . To tylko jeden z rzeczywistych przykładów wskaźników retencji.

Klasyfikacja ram czasowych

Inną rzeczą, którą należy sklasyfikować, są okresy . Są to tylko ogólne (1, 2, 3 itd.), ale musimy utworzyć kilka ogólnych przedziałów czasowych, aby porównać wszystkie te kohorty (styczeń 2014 r., luty 2014 r. itd.), ponieważ wszystkie mieszczą się w różnych ramach czasowych. Musimy przeprowadzić podobne porównanie wszystkich tych kohort w różnych okresach.

Tak to ustawiamy, jeśli przeprowadzamy tego rodzaju analizę. Mamy okres od 1 do 12 i rejestrujemy dni min. i maks. dni.

Na przykład, jeśli klient dokonał u nas zakupu, a następnie dokonał ponownego zakupu w ciągu pierwszych 30 dni, taki klient zostałby sklasyfikowany jako pierwszy okres przechowywania (Okres 1). Jeśli klient dokonał u nas ponownego zakupu między 120 a 150 dniami, ten klient jest w okresie 5 i tak dalej.

Widzimy, że jest to realizowane we wszystkich naszych kohortach, mimo że ci klienci dokonują pierwszego zakupu w późniejszym czasie. Następnie porównujemy naszą kohortę na podobnych zasadach aż do stycznia 2014 r., wykorzystując złożoną kombinację obliczeń.

Analiza kohortowa oparta na czasie — jak skonfigurować model danych w usłudze LuckyTemplates
Analiza klientów w usłudze LuckyTemplates: przeglądanie wydajności w czasie
Techniki segmentacji klientów przy użyciu modelu danych — LuckyTemplates i DAX

Wniosek

Podczas Learning Summit zagłębiłem się znacznie bardziej w to, jak dokładnie możesz generować swoje formuły, aby móc to zrobić, ale pomyślałem, że byłoby to dobre wprowadzenie. Wielu z Was pewnie nawet nie słyszało o analizie kohortowej.

Jest to dość zaawansowana technika analityczna, ale chciałem dać ci podstawy tego, czym jest analiza kohortowa i pokazać, jak możemy to rozgryźć w LuckyTemplates. Możemy to również zrobić w bardzo dynamiczny i skuteczny sposób, w którym możemy zintegrować to z naszym modelem.

Widziałem tę analizę wykonaną w Excelu i kilku innych zaawansowanych narzędziach, ale możemy to zrobić w Power Bi i uczynić ją jeszcze lepszą i wydajniejszą. Sprawdź poniższe łącza, aby uzyskać więcej zasobów usługi LuckyTemplates dotyczących tego tematu.

Dzięki!

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