Dodawaj, usuwaj i zmieniaj nazwy kolumn w R za pomocą Dplyr
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Dzisiaj przedstawię niesamowite rzeczy, które możesz zrobić dzięki technice analizy koszykowej . Dzięki analizie koszyka w usłudze LuckyTemplates możesz spróbować przeanalizować sprzedaż klientom jednej grupy produktów w porównaniu z inną grupą produktów . Możesz obejrzeć pełny film tego samouczka na dole tego bloga
Istnieje wiele aplikacji do tego w usłudze LuckyTemplates. Ale w tym samouczku chcę podzielić się z Tobą najlepszymi praktykami w korzystaniu z tego typu techniki.
Przeprowadzając tego typu analizy możemy wypracować trendy sprzedażowe lub zachowania zakupowe klientów, którzy dokonują zakupów u nas lub w naszych sklepach.
Znając i rozumiejąc te wzorce, możemy lepiej zarządzać wieloma aspektami procesu sprzedaży. Na przykład lepsze zarządzanie zapasami, możliwości sprzedaży dodatkowej, bardziej ukierunkowany marketing i wiele więcej.
W tej analizie koszyka staram się w zasadzie pokazać klientów, którzy kupili określoną grupę produktów. A potem spróbuję zobaczyć, czy kupili też inną grupę produktów.
Wyniki byłyby bardzo pomocne, gdy chcesz przeprowadzić analizę cech tych klientów , którzy kupili jedną grupę produktów, a nie drugą. Następnie możesz je śledzić za pomocą skutecznego marketingu i reklamy.
Spis treści
Model usługi LuckyTemplates do analizy koszyka
Przede wszystkim przejdę do mojego modelu, ponieważ właśnie w nim możemy znaleźć najbardziej istotny sposób prawidłowej analizy koszyka. Ważną wskazówką podczas przeprowadzania tego typu analizy jest to, że zintegrowanie selekcji, takich jak te koszyki, z głównym modelem jest skomplikowanym sposobem.
Spójrz na mój podstawowy model, który jest bardzo prosty.
Wracając do moich danych, zreplikowałem bardzo prostą tabelę Products. Właśnie utworzyłem dwie tabele, które są dokładnie takie same, ale mają różne tytuły. Jeden nazywa się koszykiem początkowym .
Drugi nosi nazwę Koszyk wyboru .
Te kosze to coś, co nazywam stołami pomocniczymi. Jeśli spojrzysz na mój model, te tabele nie mają związku z żadnymi innymi tabelami.
Zamierzam po prostu zintegrować obliczenia z tych tabel z głównym modelem. Ale trzeba to zrobić za pomocą formuły, a nie relacji. Osobiście uważam, że robienie tego sprawia, że wszystko jest o wiele łatwiejsze i czystsze niż nadmierne komplikowanie relacji.
To jedna z moich najlepszych wskazówek dotyczących analizy koszyka. Utwórz te kosze oddzielnie i użyj ich jako stołów pomocniczych z boku modelu podstawowego. Przyjrzyjmy się teraz formułom lub obliczeniom, które wykonałem i umieściłem w tabelach.
Prezentacja klientów koszyka
Jak widać, inaczej nazwałem kosze w tabeli. Teraz jest to Produkty początkowego koszyka i Produkty selekcji , a następnie mogę wybrać wiele produktów tutaj, umieszczając je w krajalnicy.
Następnie przeprowadziłem obliczenia dla unikalnych klientów , korzystając z poniższego wzoru.
Zasadniczo po prostu uruchamiam funkcję sprzedaży według nazwy każdego klienta.
Kolumna Klienci koszyka zaczyna być nieco skomplikowana. Ten oblicza, ilu klientów kupiło określoną grupę produktów, którą wybrałem w krajalnicy Początkowy koszyk .
Ponieważ tabela nie ma żadnego związku z tabelą sprzedaży, w której znajdują się wszystkie transakcje, muszę użyć poniższej formuły.
Podczas obliczania unikalnych klientów stosuję również inną relację lub kontekst wewnątrz za pomocą funkcji . Pozwala mi to na stworzenie wirtualnej relacji pomiędzy koszykiem początkowym a Indeksem Koszyka Początkowego oraz Indeksem Opisu Produktu w odpowiedniej sprzedaży.
Co więcej, dla kolumny Selection Customers muszę po prostu zrobić to samo i użyć dokładnie tego samego wzorca. Ale tym razem ocenia inny podzbiór produktów na podstawie mojego wyboru.
Identyfikacja całkowitej liczby klientów koszyka
Teraz przechodzę do najważniejszej analizy koszyków i tutaj potrzebna jest bardziej zaawansowana logika, aby naprawdę porównać dwa koszyki.
Chcę porównać wszystkich klientów, którzy dokonali zakupu w pierwszym zestawie koszyka, ze wszystkimi klientami, którzy dokonali zakupu w drugim zestawie koszyka. To jest powód, dla którego dodałem kolumnę dla Total Basket Customers .
W ten sposób mogę to zrobić tutaj, używając tej bardzo zaawansowanej formuły poniżej.
Najważniejszą rzeczą do rozważenia jest to, że funkcja TREATAS jest dokładnie taka sama jak poprzednie obliczenie. Ale zamiast tworzyć wartości skalarne, utworzy wirtualną tabelę za pomocą funkcji .
Tak więc formuła wyświetli tabelę dla klientów na podstawie wybranych przeze mnie produktów z początkowych produktów koszykowych i wybranych produktów .
Następnie użyłem funkcji , aby ocenić, którzy klienci są częścią początkowego koszyka i są również uwzględnieni w wybranym koszyku.
Na koniec funkcja kończy zadanie, zwracając całkowitą liczbę klientów znajdujących się w obu koszykach.
Dodatkowe wskazówki i techniki dotyczące analizy koszyka w usłudze LuckyTemplates
Wspaniałą rzeczą w tej technice analizy koszykowej jest to, że możesz ponownie użyć formuły, gdy chcesz wprowadzić inny kontekst.
Na przykład chcę dołączyć tutaj kontekst dla kraju ; Muszę tylko przynieść to do tabeli w celu uzyskania innej wizualizacji i dodać formułę Total Basket Customers do nowej wizualizacji.
Teraz mogę pokazać łączną liczbę klientów korzystających z koszyka we wszystkich tych różnych krajach. Jest to bardzo przydatne w sklepach detalicznych i można je zawęzić do bardziej szczegółowych regionów lub grup klientów .
Jak widzisz, istnieje wiele sposobów na ulepszenie analizy koszyka. Ten samouczek jest jedynie wprowadzeniem do wspaniałej mocy analizy koszykowej.
Przykład analizy koszyka — zaawansowana analiza usługi LuckyTemplates
Analiza trendów klientów przy użyciu języka DAX w usłudze LuckyTemplates
Używanie średnich kroczących do wyświetlania trendów w usłudze LuckyTemplates
Wniosek
Zdecydowanie warto zagłębić się w to bardzo szczegółowo, jeśli ta konkretna analiza jest tym, czego szukasz lub potrzebujesz we własnych modelach.
Umożliwia to wiele wglądów na wysokim poziomie, dzięki którym możesz redystrybuować swoje zasoby lub fundusze do najbardziej odpowiednich obszarów dla Twojej firmy.
Uważaj na bardziej szczegółowe sesje dotyczące analizy koszyka w nadchodzących filmach LuckyTemplates. Jeśli chcesz zobaczyć bardziej zaawansowane przykłady analityczne, z pewnością możesz sprawdzić ten moduł w LuckyTemplates Online – .
Powodzenia z tym!
***** Nauka LuckyTemplates? *****
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Odkryj różnorodne funkcje zbierania, które można wykorzystać w Power Automate. Zdobądź praktyczne informacje o funkcjach tablicowych i ich zastosowaniu.
Z tego samouczka dowiesz się, jak ocenić wydajność kodów DAX przy użyciu opcji Uruchom test porównawczy w DAX Studio.
Czym jest self w Pythonie: przykłady z życia wzięte
Dowiesz się, jak zapisywać i ładować obiekty z pliku .rds w R. Ten blog będzie również omawiał sposób importowania obiektów z R do LuckyTemplates.
Z tego samouczka języka kodowania DAX dowiesz się, jak używać funkcji GENERUJ i jak dynamicznie zmieniać tytuł miary.
W tym samouczku omówiono sposób korzystania z techniki wielowątkowych wizualizacji dynamicznych w celu tworzenia szczegółowych informacji na podstawie dynamicznych wizualizacji danych w raportach.
W tym artykule omówię kontekst filtra. Kontekst filtrowania to jeden z głównych tematów, z którym każdy użytkownik usługi LuckyTemplates powinien zapoznać się na początku.
Chcę pokazać, jak usługa online LuckyTemplates Apps może pomóc w zarządzaniu różnymi raportami i spostrzeżeniami generowanymi z różnych źródeł.
Dowiedz się, jak obliczyć zmiany marży zysku przy użyciu technik, takich jak rozgałęzianie miar i łączenie formuł języka DAX w usłudze LuckyTemplates.