Динамическая сегментация с динамическими параметрами — расширенная техника LuckyTemplates и DAX

Я собираюсь поговорить о динамической сегментации с использованием динамических параметров, потому что я видел, как участники много раз спрашивали об этом на форуме поддержки LuckyTemplates. Вы можете посмотреть полное видео этого урока в нижней части этого блога.

Что сложно в этом, так это выяснить, какие области сегментировать в первую очередь. Вам также придется найти способ ввести в формулу динамические параметры. Я собираюсь упростить все это с помощью примера, который я собираюсь показать здесь.

Оглавление

• Создание параметра «что, если»
• Применение динамических параметров
• Визуализация результатов
• Заключение

Создание параметра «что, если»

Первое, что мне нужно, это параметр. В этом случае я создал параметр Customer Rank .

Я создал этот параметр, зайдя в раздел «Моделирование», а затем нажав «Новый параметр».

Параметр «что, если» автоматически создал бы для меня таблицу. Он также создает меру для сделанного мной выбора.

Когда я перетащу это в свой отчет, он покажет, какой выбор я сделал в слайсере.

Здесь важно помнить, что ваши параметры должны разделять результаты каждый раз, когда вы выполняете пользовательскую сегментацию .

Таким образом, помимо параметра Customer Rank, у меня также есть информация о районах, где находятся магазины.

Контекст расчета является одним из ключевых факторов, позволяющих сделать это правильно. Здесь также есть дополнительный контекст, показывающий, где находятся магазины.

Теперь я хочу разделить свой доход, сравнив своих лучших и худших клиентов. Я также хочу, чтобы обе эти верхние и нижние группы были динамическими. Здесь на помощь приходят динамические параметры.

Применение динамических параметров

Поэтому результаты должны меняться в зависимости от того, как я хочу смотреть на данные. Это означает, что если я изменю слайсер для Customer Rank , данные в таблице также должны измениться.

Первое, что я собираюсь сделать, это использовать формулу, чтобы вывести в таблицу моих лучших клиентов.

Я создал столбец, используя функцию для общего дохода , а затем используя в качестве функции ранжирования. TOPN также возвращает виртуальную таблицу на основе результатов ранжирования.

Я добавил здесь контекст, поскольку мы рассчитываем общий доход , потому что я смотрю только на клиентов с самым высоким рейтингом. Этот рейтинг определяется значением рейтинга клиентов .

Используя TOPN , я буду обрабатывать все данные о клиентах. Однако это будет поддерживать контекст только для первых 4, поскольку этот параметр задается в таблице. Это значение, которое я установил в слайсере.

Я могу переместить свой слайсер на 3, и результаты также должны измениться и отражать только данные для первых 3.

Я также хочу посмотреть на своих нижних клиентов, поэтому я собираюсь добавить это в свою таблицу.

Поскольку я поместил туда своих последних клиентов, также важно отметить, что мне потребуется общее количество клиентов в магазине в любой заданный период времени.

Чтобы получить общее количество клиентов , я использовал функцию .

Обратите внимание, что это всего лишь примеры данных, поэтому цифры, которые я получаю по этой формуле, могут показаться маленькими и нереалистичными. Но этот расчет также будет работать для более высоких частот, если он будет применен к реальным сценариям.

Вот формула, которую я использовал, чтобы получить нижних клиентов. Обратите внимание, что он очень похож на тот, который я использовал для Top Customers , но с некоторыми небольшими изменениями.

Здесь я также использовал функции CALCULATE и TOPN . Но вместо того, чтобы просто ввести рейтинг клиента , я использовал разницу между общим количеством клиентов и значением рейтинга клиента . 

Затем вместо того, чтобы просто размещать и Customer Names , мне пришлось добавить логику. Поскольку я получаю нижних клиентов, а не верхних, я собираюсь использовать ASC вместо DESC .

Предыдущая формула итерировала каждого клиента, чтобы получить лучших. Но поскольку у меня самые низкие клиенты, это означает, что он также будет учитывать случаи, когда продажи были нулевыми .

Я должен убедиться, что те, кто считается последним покупателем, также совершили покупку. Вот почему я добавил, что значение должно быть больше 0 .

Из-за этого мои данные теперь показывают, сколько клиентов действительно совершили покупку. В этой первой строке показано, что 11 клиентов купили что-то в этом конкретном магазине в течение заданного периода времени.

В этой части может быть довольно сложно, в основном потому, что TOPN уже создает виртуальную таблицу, но я также создаю в ней еще одну виртуальную таблицу. Эта виртуальная таблица рассматривает гораздо меньшее подмножество клиентов, а не клиентов в целом.

Итак, я делаю еще один рейтинг здесь, в конце формулы общего дохода . И, как я упоминал ранее, я использую ASC вместо DESC .

С помощью этих формул у меня теперь есть динамические параметры, добавленные в динамическую сегментацию.

Визуализация результатов

Метод, который я использовал, потенциально может быть использован для гораздо больших наборов данных. Это означает, что для лучшего понимания результатов полезно иметь некоторые визуализации для их демонстрации.

Я начну с простой диаграммы, которая покажет вам сравнение самых популярных и худших клиентов для каждого магазина.

Я также могу изменить это и использовать гистограмму с накоплением, если числа достаточно велики и будут лучше отображаться таким образом.

С помощью этих визуализаций я могу лучше понять числа. Это, например, показывает, какие магазины подвержены более высокому риску. Я вижу, в каких магазинах очень мало покупателей, что приводит к низкому доходу.

Динамическая сегментация: как сегментировать клиентов на группы с помощью
методов сегментации клиентов Advanced DAX с использованием модели данных —
Пример сегментации LuckyTemplates и DAX с использованием Advanced DAX в LuckyTemplates

Заключение

Данные, которые я использовал здесь, имеют очень низкую частоту, но представьте себе возможности, когда это применяется к большим наборам данных. Этот метод также может сегментировать другую информацию и добавлять множество различных параметров, помимо только самых популярных и худших клиентов или местоположений магазинов.

В этом примере также показано, как работать с мерами внутри мер. Подобные методы дают удивительное представление о данных, независимо от того, где они применяются.

Всего наилучшего,