Dynamisk segmentering: Sådan segmenteres kunder i grupper ved hjælp af avanceret DAX

I dag bliver jeg kompleks med DAX, men det er fordi jeg nyder at vise kraften i dette formelsprog inde i LuckyTemplates. Jeg vil have, at du også kommer dertil. Det er derfor, jeg altid ønsker at blive praktisk omkring implementering. Dynamisk segmentering er et perfekt eksempel på en virkelig værdifuld kommerciel indsigt, du kan trække ud af din analyse i LuckyTemplates. Du kan se den fulde video af denne tutorial nederst på denne blog.

Sig, at du vil se, hvilke kundegrupper der køber dine produkter. Når jeg siger kundegrupper, er det så dine topkunder, dine mellemkunder eller dine nederste kunder? Du vil hurtigt opdage, at dette faktisk ikke er så let at regne ud, da denne 'gruppering' ikke engang eksisterer i dine råtabeller. Du skal oprette det via en støttetabel, og jeg viser dig hvordan i dette blogindlæg.

I dette indlæg skal vi gennemgå, hvordan du kan visualisere, hvilke kundegrupper, der bidrager mest til dit overskud. Nu er der et par trin, vi skal igennem for at komme til dette punkt, men dette er et rigtig godt stykke analyse, hvis du ville vandre gennem tiden og bestemme, hvor meget dine Top 5, Top 5 – 20 og resten af dine kunder bidrager til dit overskud.

Du kan bruge de samme teknikker, som vi vil gennemgå i dette blogindlæg til rent faktisk at lave din egen analyse. Ved at bruge datamodellen kan du skabe denne form for dynamisk visualisering. For eksempel i dennevi ser på, hvad bidraget fra Top 5, Rank 5 – 20 og The Rest er.

Da alt er dynamisk, kan vi også klikke gennem hvert produkt, som vi sælger rigtigt, og se forskellen for hvert enkelt produkt. Vi kan se, at nogle produkter bliver totalt domineret af Top 5, men det er sandsynligvis fordi, der faktisk ikke sælges meget med det pågældende produkt.

På den anden side, når vi klikker på et højt sælgende produkt, kan vi se, at det er lidt mere distribuerende. Det er den slags fantastiske indsigter, du kan få fra denne type analyser.

Indholdsfortegnelse

• Beregning af det samlede overskud
• Oprettelse af tabel til rangering
• Formulering af kundeoverskud efter gruppe
• Brug af kundeoverskud efter gruppe
• Visualisering af bordet
• Visualisering af sammensætningen af ​​overskud
• Konklusion

Beregning af det samlede overskud

Lad os starte fra bunden og arbejde igennem, hvordan vi rent faktisk kan komme til dette punkt. Det første, vi skal gøre, er at opsætte nogle simple beregninger.

Vi skal først beregne vores samlede overskud ved at bruge vores samlede salg minus vores samlede omkostninger.

Oprettelse af tabel til rangering

Lad os lige springe tilbage til vores datamodel først. Du kan se, at vi øverst har vores kernedatamodeller: Dato-tabel, Produkttabel, Region-tabel og Kundetabel, som alle går ned til Salgstabellen nederst. Hver enkelt transaktion, der foretages, er i vores salgstabel, og det er der, vi laver vores beregninger over.

Hvis du tænker over det, har vi ikke noget i vores model her, der fortæller os, hvem der er i top fem, eller hvem der har rangeret fra 5 – 20, eller hvem alle andre er. Det betyder, at vi skal skabe det. Husk også, at vi gerne vil have det, højre?

Så vi er nødt til at lave en tabel, som vil gøre dette for os. Vi vil oprette grupper samt deres MIN og MAX. For Top 5 er minimum 0 og maksimum er 5. For placeringerne 5 – 20 vil det være 5 og 20, og så videre. Vi vil derefter integrere denne tabel i vores datamodel gennem Dax-formlen, og denne vil derefter dynamisk rangere kunder baseret på uanset konteksten for beregningen.

Formulering af kundeoverskud efter gruppe

Vi skal finde ud af, hvordan man kan slå kundeoverskud op efter gruppe (4:00). Lad os hurtigt gennemgå, hvad der faktisk sker her. Først og fremmest skal vi beregne det samlede overskud, som er det samlede overskudsmål, jeg lærte dig tidligere.

Men det, vi skal gøre, er at se, hvilken rang hver kunde er i, og om de sidder inden for hver af de tilpassede rangeringer, som vi lige har oprettet i vores tabel. Hvis de gør det, bliver de derefter sat i den gruppe af Top 5, Rank 5 til 10 eller The Rest.

Dette er den logik, vi vil bruge til faktisk at oprette eller køre disse beregninger.

Lad os lige håne noget meget hurtigt her og trække måneden og året ind i vores tabel. Vi vil være i stand til at se det samlede salg for hver af disse måneder.

Brug af kundeoverskud efter gruppe

Hvis vi trækker vores kundegrupper i tabellen, giver det os ikke et korrekt resultat. Hvis du virkelig borer i disse tal, er de alle nøjagtig ens. Så det, vi skal gøre, er at bruge Customer Profits by Group . Dette vil levere hver af overskuddene pr. placeringer til os.

Det, vi skal gøre, er at bore ind i en mere specifik tidsramme, så vi sætter et filter på for de sidste seks måneder af 2016.

Hvis vi sætter nogle dataetiketter på, kan vi se, at dette er at beregne det samlede overskud, men så dele det op efter vores kundegruppe.

Visualisering af bordet

Lad os give det et diagram og se procentdelen. Alt vi skal gøre er at ændretil diagrammet 100 % stablet kolonne.

Dette giver os nu procentdelen af ​​salget fra disse tilpassede grupper. Vi ændrer visualiseringen lidt og gør dette til en rullemenu. Og så skal vi lave endnu en visualisering, som vil give os vores Salg Per Produkt.

Denne beregning vil automatisk justere baseret på den kontekst, vi sætter den i. Så hvis vi justerer og inkluderer alle måneder i 2016, kan vi se, hvordan tingene ændrer sig for hver måned.

Hvis vi klikker på et af produkterne i den venstre tabel, kan vi dynamisk se på procentbasis, hvor meget af vores overskud, der bestemmes af specifikke grupper.

Visualisering af sammensætningen af ​​overskud

Når vi klikker gennem alle de forskellige produkter, kan vi se, hvordan vores overskud består af gennem tiden for hvert af vores produkter, vi sælger. Vi kan se på det fra et helt porteføljeperspektiv.

Eller vi kan endda bore i vores top 3 produkter og se, at der var et dyk i slutningen af ​​2015. Vi kan spørge, hvorfor en højere andel af vores mindre kunder køber disse produkter sammenlignet med vores større kunder, der ikke køber noget.

Ting som disse ville naturligvis give en rigtig god diskussion at høre fra dine sælgere og din ledelse. Denne DAX-formel er en rigtig god teknik, som faktisk kan genbruges i en række forskellige scenarier. Jeg anbefaler stærkt at dykke ned i denne dynamiske segmenteringsteknik og se på, hvordan du rent faktisk kunne bruge det til dig selv og til nogle af de analyser, du laver.

Konklusion

Som du kan se, er der lidt i det, men det er virkelig kraftfulde ting. Denne analyse er fantastisk til at se sammensætningen af, hvem der køber dine ting, ikke kun på tværs af dine produkter som helhed, men du kan endda dykke ned i specifikke produkter og sammenligne, hvordan makeuppen kan være anderledes. Denne teknik har et teknisk udtryk -. Det er fordi vi dynamisk segmenterer vores resultater ved at placere dem gennem en eller anden logik, som vil dele det op i sin egen kage.

Jeg gennemgår netop denne teknik på en omfattende måde i mit kursus Løsning af analytiske scenarier på. Tjek dette ud for at lære mere. I denne video gennemgår jeg en oversigt over, hvordan du selv kunne implementere det, og hvordan det kan se ud i dine rapporter.

Held og lykke med at implementere denne!