Conjuntos de dados do LuckyTemplates: saiba como detectar comportamento anormal usando o DAX

Nesta postagem do blog, mostrarei em detalhes como você pode descobrir padrões anormais de comportamento em seus conjuntos de dados do LuckyTemplates . Isso não é algo que se destacará imediatamente ao executar a análise em seus dados, portanto, você deve pensar de forma bastante analítica sobre isso. Você pode assistir ao vídeo completo deste tutorial na parte inferior deste blog.

Ao pensar profundamente sobre o que você deseja alcançar e, em seguida, configurar um modelo de dados que funcione para esses tipos de cálculos, você pode obter resultados de alta qualidade.

Neste exemplo, tentaremos entender o que um cliente fez anteriormente. Também avaliaremos se as compras recentes são normais ou anormais em comparação com o que aconteceu no passado.

Índice

• Descubra outliers em seus conjuntos de dados do LuckyTemplates
• Produtos exclusivos comprados
• Produtos médios comprados em um trimestre
• Produtos médios comprados em todos os trimestres
• Conclusão

Descubra outliers em seus conjuntos de dados do LuckyTemplates

Vamos pensar sobre isso de uma perspectiva comercial. Digamos que somos um varejista online, uma companhia aérea ou um supermercado e temos que implementar um programa de fidelidade.

Precisamos examinar nosso conjunto de dados de clientes para saber quanto um cliente realmente comprou em cada trimestre individual em relação ao que eles compraram em média.

De repente, vemos um grande aumento ou diminuição nos padrões de compra ou no comportamento de compra. Queremos entender por que eles estão comprando muito mais do que o normal ou por que estão comprando menos do que o normal.

Dessa forma, podemos criar alertas em nosso sistema de CRM e deixar que nossa equipe de vendas atinja essas pessoas distribuindo descontos ou cupons.

Esse é um insight realmente poderoso que você pode obter do LuckyTemplates. O valor que você pode extrair de sua análise pode impactar positivamente seu negócio.

Produtos exclusivos comprados

Para calcular a média de produtos comprados em um determinado trimestre, primeiro precisamos calcular os produtos exclusivos comprados. Para cada cliente individual, quantos produtos individuais eles compraram?

Podemos descobrir isso dizendo que, para qualquer contexto de cliente, calcularemos a CONTAGEM DISTINTA do ID do produto na tabela de vendas.

Essa fórmula nos dará todos os produtos exclusivos que um cliente comprou de nós no contexto atual.

Dada a fórmula acima, quando clicamos no Q1 de 2017, podemos ver que o cliente Aaron Day comprou apenas 1 produto.

Produtos médios comprados em um trimestre

Essa é a fórmula que usaremos para produzir esse insight específico. Ele vai dizer, em média, quanto um determinado cliente comprou em um trimestre.

Produtos médios comprados em todos os trimestres

A próxima coisa que precisamos é de uma referência ou um número para compará-lo a algo para que possamos entender o que é um comportamento anormal.

Em seguida, calcularemos o mesmo insight, mas não olharemos para nenhuma data específica. Vamos liberar qualquer contexto em datas.

O que essa fórmula faz é retornar a média de produtos únicos em cada trimestre para um determinado cliente. É assim que alcançamos esse insight específico.

Então agora temos dois valores. Quando fazemos uma seleção (por exemplo, segundo trimestre de 2017), a coluna Média de produtos comprados em todos os trimestres nunca será alterada devido à função TODAS as datas . Esta função remove todos os filtros que exibimos de Datas.

A cada seleção que fazemos, a coluna Média de produtos comprados em um trimestre muda.

Ao comparar essas duas colunas, podemos saber o que é normal e o que não é.

Podemos colocar o que descobrimos até agora em um gráfico visual para uma análise mais aprofundada. Podemos ver rapidamente quantos produtos nossos clientes compraram em um determinado trimestre (lado direito) versus quanto eles compram em média (lado esquerdo).

Poderemos ver o comportamento anormal de nossos conjuntos de dados do LuckyTemplates e ver quais clientes aumentaram suas compras. Quem são essas pessoas e por que estão fazendo isso?

Armados com os dados que coletamos, podemos implementar estratégias acionáveis ​​para replicar isso.

Podemos ampliar nossa mensagem de marketing para aumentar as compras daqueles que não estão produzindo comportamento anormal.

Conclusão

É aqui que um tipo de análise anormal, discrepante ou de anomalia agrega muito valor. Por que? Porque queremos entender se nossos clientes estão performando melhor ou se os vendedores estão vendendo mais.

Se pudermos encontrar padrões de comportamento positivos para nós em um segmento específico de nossos dados, podemos replicar isso em outros segmentos.

O objetivo é replicar o comportamento vantajoso do cliente e aplicá-lo em outras áreas do negócio.

Essa técnica ajudará tremendamente a aumentar seu pensamento analítico sobre o que você pode alcançar no LuckyTemplates. 

Esses tipos de análise e muitos mais podem ser encontrados nos módulos avançados do LuckyTemplates em LuckyTemplates Online . Para mais detalhes, confira o módulo abaixo.

Divirta-se revisando este.