Técnicas de segmentação de clientes usando o modelo de dados – LuckyTemplates e DAX

Nesta postagem do blog, mostrarei como fazer técnicas de segmentação de clientes por meio do modelo de dados no LuckyTemplates. Você pode assistir ao vídeo completo deste tutorial na parte inferior deste blog.

Às vezes, seus dados brutos não terão todas as informações necessárias para mostrar algo no LuckyTemplates. Mas não deixe que isso pare você.

Tudo o que você precisa é de imaginação sobre como construir seu modelo de dados ou usar alguma lógica adicional em suas tabelas de pesquisa que possam permitir insights muito maiores do que você pode imaginar com os dados brutos que possui em sua forma atual.

Vou orientá-lo através de um exemplo detalhado de como você pode segmentar seus clientes, avaliando se eles são bons, bons ou ruins.

Índice

• Segmentação de clientes com base no desempenho
• Criando a tabela de agrupamento de clientes
• Tabelas de pesquisa e colunas calculadas
• Calculando a diferença de vendas
• Usando a Lógica SWITCH
• Conclusão

Segmentação de clientes com base no desempenho

Basicamente, trabalharemos em como segmentar seus clientes com base no desempenho.

Você pode utilizar essa técnica para segmentar praticamente qualquer coisa, mas eu queria mostrar como pode ser eficaz mostrar informações sobre seu relatório com base em um cenário da vida real.

Usando o modelo de dados, podemos isolar rapidamente cada segmento específico para análise. Podemos ver os motivadores subjacentes que distinguirão nossos clientes como ótimos, bons, medianos ou ruins em termos de vendas.

Criei uma segmentação ou filtro que me permite analisar os clientes como ótimos, bons, medianos ou ruins com base nas visualizações que colocamos em nosso relatório.

A visualização nos mostrará quando a divergência começou (fevereiro de 2016) e por que ela existe.

É importante mostrar o porquê com as visualizações em seus relatórios.

Na parte inferior do nosso relatório, podemos ver exatamente quando a divergência aconteceu.

Também podemos examinar nossos produtos para determinar quais produtos causaram essa divergência e tornaram esses clientes excelentes. Podemos descobrir quais produtos permitiram que os clientes comprassem mais de nós do que antes.

O que também é legal são as segmentações em nossas visualizações. Eles filtrarão com base no que integramos em nosso modelo e, em seguida, também filtrarão com base em qualquer agrupamento ou segmento de desempenho que selecionamos.

Vamos dar uma olhada em nossos clientes ruins clicando em Vendas ruins no slicer. Podemos então ver quais clientes tiveram um desempenho ruim na coluna abaixo do slicer.

Observando o gráfico Comparações de prazos de vendas cumulativas, podemos ver as vendas deste ano em relação às vendas do ano passado. Por que há uma grande diferença entre os dois? Tem algo a ver com os produtos ou com as margens?

Todas essas perguntas podem ser respondidas e apresentadas utilizando as técnicas de segmentação de clientes que mostrarei a você.

Criando a tabela de agrupamento de clientes

Então, como eu fiz essa técnica? Primeiro, vamos voltar ao modelo. Criei uma tabela chamada .

Isso é algo que você não precisa fazer, mas gosto de criá-lo porque me dá uma tabela separada que mostra os grupos de clientes. Também coloquei um índice ao lado dos agrupamentos para que possamos filtrá-los ou classificá-los de ótimo a ruim.

Obviamente, vamos precisar de uma conexão da tabela Customer Grouping até a tabela Customers porque precisamos agrupar nossos clientes de uma maneira específica.

Vamos entrar e dar uma olhada nos meus clientes que preciso segmentar.

É aqui que entram as colunas calculadas dentro dessas tabelas de consulta .

Tabelas de pesquisa e colunas calculadas

As tabelas dentro da caixa azul são o que chamamos de tabelas de consulta .

É aqui que podemos colocar nossas colunas calculadas .

Agora, alguns de vocês podem pensar que podem tornar essa dinâmica usando medidas. Bem, você absolutamente pode.

No entanto, eu queria fazer isso a partir de um certo ponto no tempo. Isso depende da situação e você pode usar colunas ou medidas calculadas.

Usando colunas calculadas, eu queria ver nossas vendas de um ponto específico no tempo. Nesse caso, eu queria olhar especificamente para as vendas de 2016 e 2015 .

Para fazer isso, usei a função CALCULAR e coloquei um filtro dentro dela para obter apenas as vendas de um determinado período de tempo.

Calculando a diferença de vendas

Então, das vendas de 2016 e das vendas de 2015 , posso derivar a diferença de vendas usando esta fórmula:

A diferença de vendas é onde podemos começar a segmentar nossos clientes com base nas vendas.

Usando a Lógica SWITCH

A Diferença de Vendas entre 2016 e 2015 determinará em qual grupo de desempenho nossos clientes estarão. É aqui que entra a lógica SWITCH .

A lógica SWITCH TRUE permite criar dimensões adicionais que se parecem com instruções IF aninhadas que parecem melhores.

Podemos fazer afirmações que dizem que se a diferença de vendas de um cliente for maior ou igual a US$ 200.000, ele é um ótimo cliente.

É assim que determinamos em qual segmento ou grupo colocar nossos clientes. Essa técnica é altamente adaptável e pode ser aplicada em qualquer dimensão e em qualquer tabela de pesquisa.

Você pode simplificar ainda mais não usando as colunas de vendas de 2016 e 2015 e a coluna Diferença de vendas. Você pode simplesmente colocar toda a lógica dentro da medida.

Mas, neste caso, queria mostrar como usar colunas calculadas em tabelas de pesquisa para criar esses segmentos de informações.

Se voltarmos às nossas visualizações finais, este cortador específico

está vindo desta mesa.

A tabela então filtra os cálculos e a lógica que fizemos na tabela Customers . Em seguida, esse relacionamento é filtrado para as outras tabelas.

É assim que todas as nossas visualizações podem ser atualizadas com base no segmento de clientes que selecionamos no slicer.

Por meio deste tutorial, pudemos mostrar técnicas de segmentação de clientes e mostrar diferentes maneiras de dividir e dividir nossos dados.

A maravilha de tudo isso é que não existia em nosso modelo atual; tivemos que criá-lo usando a lógica.

Conclusão

Na maioria dos casos, você deseja se concentrar em seus principais clientes, porque é daí que vem a maioria dos seus bons resultados. Portanto, você deseja identificar tendências em relação ao desempenho e realizar uma análise aprofundada desse segmento específico de seus dados .

Ao usar essa técnica, podemos isolar nossos bons clientes e descobrir por que eles são bons. Podemos entender por que eles tiveram um bom desempenho e tentar replicá-lo em todos os outros clientes que tiveram um desempenho ruim.

É disso que trata este tutorial. Você pode reutilizar essas técnicas de segmentação de clientes em vários cenários analíticos. Não precisa ser apenas sobre os clientes, mas esse é o item no qual me concentrei neste caso específico.

Para obter maneiras mais práticas de utilizar o LuckyTemplates para encontrar informações importantes importantes, confira este módulo de curso no LuckyTemplates Online. Muito para aprender com este curso.

***** Aprendendo LuckyTemplates? *****