基於時間的隊列分析——在 LuckyTemplates 中設置數據模型

在本教程中，我將深入探討 LuckyTemplates 中基於時間的群組分析。

這是最近為 LuckyTemplates 成員舉辦的活動的簡短分組會議。您可以在本博客底部觀看本教程的完整視頻。

我想向您展示我如何在 LuckyTemplates 中設置此同類群組分析。當您開始運行更高級的計算時，這是最困難的任務。

您想知道如何正確設置數據模型以避免混淆並確保 LuckyTemplates 模型正常工作。

目錄

• 隊列分析快速回顧
• 在 LuckyTemplates 中創建群組
• 設置同類群組月份表
• 隊列分析見解
• 使用的其他隊列分析公式
• 更多隊列分析示例
• 結論

隊列分析快速回顧

在我討論這項技術之前，我想首先展示您可以從中獲得的見解以及對基於時間的隊列分析的快速回顧。

隊列是一種奇特的方式來調用數據中的維度或變量的段或分組。

例如，您想查看客戶組。

您希望根據客戶首次加入或開始使用您的軟件或應用程序的時間創建同類群組。

對於這種情況，我創建了特定月份的隊列。因此，如果您的客戶是在 2017 年 6 月開始的，那是他們的特定隊列。

這不是他們與您交易的金額或次數的分組。您的分組是基於時間的。

對於此示例，這是他們加入的時間。

現在，我將向您展示如何創建這些群組，然後將其應用到您的模型中。

在 LuckyTemplates 中創建群組

讓我們來看看這個模型。

這是一個非常通用的模型。這就是您想讓模型看起來的樣子。

你可以看到我有另一層查找表。

但在向您展示其用途之前，我將首先在查找表中創建這些同類群組。

查找表是您要對特定維度進行分組的地方。在這種情況下，是客戶。

那麼，讓我們看看我的 Customers 表。

最初，我的客戶表只包含客戶索引和客戶名稱。

但是，如果您想在查找表中創建同類群組，則需要將它們放在您希望進行分段的位置。

現在，我想計算出客戶的加入日期。在我的演示數據中，加入日期是客戶首次登錄的時間。

第一次登錄可能是客戶使用電子郵件註冊或他們首次使用該應用程序的試用版時。

您需要找出客戶第一次發起連接的時間。

我使用這個公式得到了這些信息：

它使用LogIn Date的。然後，我將其包裝在函數中以確保我獲得正確的過濾器上下文。這給了我第一次約會。

我現在需要算出這個月。我想根據客戶加入的月份創建我的同類群組。

這種技術非常靈活，因為您可以創建不同的同類群組。

但同樣，在這個例子中，我將使用顯示月份和年份的 Month Cohort。

這是我用於加入月群組的公式：

我使用以下邏輯從 Date 表中獲取了Month & Year列：

我計算出日期表以及什麼日期等於客戶加入日期。然後一旦它等於TRUE，它將返回同一個表的 Month & Year 列。 

有了這個，我現在有了我的加入月隊列。

設置同類群組月份表

現在，我想向您展示我為什麼要設置同類群組月份表。

讓我們回到客戶表。

如果您將此信息和邏輯留給它，您可能無法獲得月和年的每次迭代。

這是因為客戶可能沒有在任何月份和年份加入。因此，為了獲得良好的可視化效果，您需要確保每個月和年都在某個表中被引用。

此外，這可能是因為您需要的信息可能不在所有客戶的動態計算範圍內。

請記住，隨時都有新客戶加入。因此，從理論上講，這些信息應該始終得到更新。

這就是為什麼我使用隊列月公式創建另一個表的原因：

我從 Dates 表中抓取了Index和這兩列成為Cohort MonthnYear。

這是日期表：

您可以看到它有很多包含大量信息的列。但是對於這個例子，我只需要 Index 和 Month & Year 列。因此，我使用Cohort Months總結了 Dates 表。

我現在有了每一次迭代，這也成為了獨特的價值。

現在，如果從 Dates 表中檢索到此信息，它就會被引用很多次。但是因為它現在是一個包含唯一值的列，所以它變成了一個簡單的查找表。

您可以創建從Cohort Months 表到Customer 表的一對多關係。

這種關係將繼續過濾，直到網站數據表。由於與 Customer 表的關係，CALCULATE邏輯將位於該表中。

一旦你完成了所有這些設置，你現在就有了一個可以放入矩陣中的維度。這個矩陣每個月都會給你。

隊列分析見解

LuckyTemplates 中群組分析的另一個有趣之處是您可以分析群組內的趨勢。

對於這個例子，我想計算出我的客戶流失。

你可以看到我有一個動態可視化。我有 641 名客戶加入了 2017 年 6 月的隊列。但是，在第一階段有 12 位顧客離開了。

您需要生成一個通用表格來展示您設計的時期。

對於這種情況，我在我的模型中創建了一個名為Cohort Periods 的表。

我還在其中創建了一個支持表。

您可以看到我是如何為每個週期創建最小和最大天數的。這是指定您要為每個單獨的同類群組分析的時間窗口。

回到示例，您可以看到在時間段 2 中，有 14 位客戶在 30 天和 60 天的時間段內流失。

當您沿著表格往下看時，您可以看到這個值對於不同的同類群組是如何變化的。

在另一個表中，它以百分比顯示值。

與數字相比，百分比更好，因為您可以從中獲得有價值的見解。您可以確定特定時期內客戶離開的趨勢。

您可以確定導致此趨勢的問題。這可能是因為您放棄了營銷和廣告，或者您沒有從客戶那裡獲得那麼多的銷售額。

使用的其他隊列分析公式

這些是我在 LuckyTemplates 中用於此基於時間的隊列分析技術的其他公式。

這種動態攪動公式使我能夠從數據中獲得洞察力。

了解使用 DAX 的動態分組技術後，您將能夠從報表中獲得更多收益。

更多隊列分析示例

為了展示這種技術的功能，我想添加另一個示例。

假設我想單獨查看這個流失的特定隊列中的客戶。

我可以在我的表中選擇一個值，它會根據我的設置自動在另一個表中顯示各個客戶級別。

如何在 LuckyTemplates 中實施同類群組分析——高級 DAX 概念
細分示例在 LuckyTemplates 中使用高級 DAX
LuckyTemplates 客戶細分：展示隨時間變化的群組

結論

您可以將此策略用於您嘗試設計的任何群組。它可以是產品、地區或客戶的群組。

但是，本教程中的示例是最相關的。隊列分析已通過 SAS 應用程序得到普及。因此，您應該根據客戶流失的時間對其進行分組。

您可以使用此技術在 LuckyTemplates 中創建令人難以置信的分析。

我希望本教程能讓您很好地了解隊列分析是什麼以及如何實施它。

一切順利，