Как внедрить когортный анализ в LuckyTemplates — расширенные концепции DAX

В этом блоге я представляю когортный анализ LuckyTemplates . Это была одна из тем, которую я подробно рассмотрел на , где я продемонстрировал, что такое когортный анализ и как его можно сделать в LuckyTemplates. В этом руководстве вы узнаете, как настроить его в своей модели LuckyTemplates. Вы можете посмотреть полное видео этого урока в нижней части этого блога.

Идея когортного анализа заключается в том, что мы группируем наших клиентов на основе определенного поведения или атрибута, которым они обладают.

В этом примере мы группируем наших клиентов в зависимости от того, когда они впервые приобрели , а затем собираемся проанализировать коэффициент удержания этих клиентов .

Таким образом, идея состоит в том, чтобы создать когорту клиентов, когда они впервые покупают, а затем проанализировать, сколько времени им требуется, чтобы прийти и купить снова. Затем мы сравниваем всех клиентов в нашей когорте за все месяцы и смотрим, улучшаются или снижаются уровни удержания.

В этой демонстрации у нас есть проценты, что является хорошим способом взглянуть на это, но у нас также есть абсолютные числа.

Оглавление

• Классификация покупок клиентов
• Формулы DAX для когортного анализа
• Классификация временных рамок
• Заключение

Классификация покупок клиентов

Если вы думаете о когорте отдельно, это означает «группирование клиентов». Итак, здесь мы определяем, когда клиент присоединился к нам или когда он впервые купил у нас. Это то, что мы классифицируем как дату присоединения . 

Формула «Дата присоединения» — это просто минимальная дата покупки в таблице «Продажи». Таким образом, мы вычисляем минимальную или самую низкую дату покупки любым из этих клиентов в каждой отдельной строке.

Затем мы классифицировали их по отдельным группам в зависимости от того, в каком месяце и году они совершили покупку . 

Например, Джесси Эванс совершил покупку 11 марта 2014 года, поэтому такие клиенты, как Эванс, будут в когорте марта 2014 года.

Формулы DAX для когортного анализа

Используемые здесь формулы очень просты. Дата присоединения — это всего лишь MIN даты заказа ( продажи).

Месяц когорты в основном определяет месяц этой даты присоединения.

А потом мы приносим их сюда.

Мы можем создать когорту по многим различным переменным . Это всего лишь один реальный пример показателей удержания.

Классификация временных рамок

Другая вещь, которую нужно классифицировать, это периоды времени . Это просто общие периоды (1, 2, 3 и т. д.), но нам нужно создать несколько общих периодов времени, чтобы сравнить все эти когорты (январь 2014 г., февраль 2014 г. и т. д.), потому что все они находятся в разных временных рамках. Нам нужно провести сопоставимое сравнение всех этих когорт за разные периоды времени.

Итак, вот как мы это настраиваем, если мы проводим такого рода анализ. У нас есть периоды с 1 по 12, и мы фиксируем минимальное и максимальное количество дней.

Например, если клиент купил у нас, а затем купил снова в течение первых 30 дней, этот клиент будет классифицирован как первый период удержания (Период 1). Если клиент купил у нас снова между 120 и 150 днями, этот клиент находится в периоде 5 и так далее.

Мы видим, что это выполняется во всех наших когортах, даже несмотря на то, что эти клиенты совершают свои первоначальные покупки позже. Затем мы сравниваем нашу когорту на сопоставимой основе вплоть до января 2014 года, используя сложную комбинацию вычислений.

Когортный анализ на основе времени — как настроить модель данных в LuckyTemplates
Анализ клиентов в LuckyTemplates: анализ эффективности с течением времени
Методы сегментации клиентов с использованием модели данных — LuckyTemplates и DAX

Заключение

В Learning Summit я углубился в то, как именно вы можете генерировать свои формулы, чтобы иметь возможность делать это, но я подумал, что это будет хорошим введением. Многие из вас, наверное, даже не слышали о когортном анализе.

Это довольно продвинутый аналитический метод, но я хотел дать вам базовое представление о том, что такое когортный анализ, и показать, как мы можем понять это в LuckyTemplates. Мы также можем сделать это очень динамичным и эффективным способом, интегрировав его в нашу модель.

Я видел, как этот анализ выполнялся в Excel и некоторых других продвинутых инструментах, но мы можем сделать его в Power Bi и сделать его еще лучше и эффективнее. Перейдите по ссылкам ниже, чтобы получить дополнительные ресурсы LuckyTemplates по этой теме.

Ваше здоровье!

***** Изучаете LuckyTemplates? *****