如何在 LuckyTemplates 中實施隊列分析——高級 DAX 概念

在此博客中，我將介紹LuckyTemplates 同期群分析。上詳細討論的主題之一，我在會上演示了什麼是同期群分析以及如何在 LuckyTemplates 中進行分析。在本教程中，您將學習如何在 LuckyTemplates 模型中進行設置。您可以在本博客底部觀看本教程的完整視頻。

群組分析的想法是，我們根據客戶具有的特定行為或屬性對客戶進行分組。

在此示例中，我們將根據客戶首次購買的時間對其進行分組，然後我們將分析這些客戶的保留率。

因此，我們的想法是創建一個隊列，記錄客戶何時首次購買，然後通過時間分析他們再次購買需要多長時間。然後，我們比較所有月份隊列中的所有客戶，看看保留水平是提高還是降低。

在這個演示中，我們有百分比，這是一種很好的觀察方式，但我們也有絕對數字。

目錄

• 對客戶購買進行分類
• 用於隊列分析的 DAX 公式
• 分類時間範圍
• 結論

對客戶購買進行分類

如果您單獨考慮隊列，它的意思是“客戶分組”。所以我們在這裡計算客戶加入的時間或他們第一次從我們這裡購買的時間。這就是我們歸類為加入日期的內容。 

Join Date 公式只是 Sales 表中的 Min Purchase Date。因此，我們正在計算每個不同行中的任何這些客戶購買的最短或最短日期。

然後我們根據他們購買的月份和年份將他們歸類到他們的特定隊列中。 

例如，此處的 Jesse Evans 於 2014 年 3 月 11 日購買，因此像 Evans 這樣的客戶將屬於 2014 年 3 月的隊列。

用於隊列分析的 DAX 公式

我們在這裡使用的公式非常簡單。加入日期只是訂單日期（銷售）的最小值。

隊列月基本上是找出加入日期的月份。

然後，我們把它們帶到這裡。

我們可以根據許多不同的變量創建一個群組。這只是保留率的一個真實示例。

分類時間範圍

另一個要分類的是時間段。這些只是通用的（1、2、3 等），但我們需要創建一些通用時間段來比較所有這些同類群組（2014 年 1 月、2014 年 2 月等），因為它們都處於不同的時間範圍內。我們需要對不同時間段的所有這些隊列進行同類比較。

如果我們正在進行這種分析，這就是我們設置它的方式。我們有 Period 1 到 12，我們正在捕獲 Min Days 和 Max Days。

例如，如果客戶從我們這裡購買並在前 30 天內再次購買，則該客戶將被歸類為第一個保留期（第 1 期）。如果客戶在 120 到 150 天之間再次向我們購買，則該客戶處於第 5 期，依此類推。

我們看到，儘管這些客戶是在稍後時間進行首次購買，但我們所有同類群組都在完成這項工作。然後，我們利用複雜的計算組合，在同類基礎上一直比較我們的隊列，一直到 2014 年 1 月。

基於時間的同類群組分析——如何在 LuckyTemplates 中設置數據模型
LuckyTemplates 中的客戶分析：
使用數據模型審查隨時間變化的客戶細分技術的性能——LuckyTemplates 和 DAX

結論

在 Learning Summit 中，我深入探討瞭如何生成公式才能做到這一點，但我認為這將是一個很好的介紹。你們中的許多人可能甚至沒有聽說過同期群分析。

這是一種相當先進的分析技術，但我想向您介紹什麼是同類群組分析，並向您展示我們如何在 LuckyTemplates 中解決這個問題。我們也可以以一種非常動態和有效的方式來做到這一點，我們可以將它集成到我們的模型中。

我已經看到這種分析是在 Excel 和其他一些高級工具中完成的，但我們可以在 Power Bi 中進行，並使其更好、更高效。查看下面的鏈接，了解有關此主題的更多 LuckyTemplates 資源。

乾杯!

***** Learning LuckyTemplates？*****