Eksempel på kurveanalyse – LuckyTemplates Advanced Analytics

I denne tutorial vil jeg gennemgå nogle af de mest avancerede typer analytisk arbejde, du kan udføre med LuckyTemplates, og det er Basket Analysis. Dette teoretiske koncept har masser af applikationer på tværs af LuckyTemplates. Du kan se den fulde video af denne tutorial nederst på denne blog.

Det, jeg vil gå ind på her, er, hvordan du kan bruge denne type analyse til at evaluere muligheder for krydssalg inden for dine datasæt.

Jeg går en del i detaljer vedrformler, som du skal implementere. Jeg sagde, at dette er avanceret, og det er meget svært at få hovedet omkring alle de forskellige elementer inden for hver formel.

Hvad jeg dog vil anbefale her er at få eksponering for det i første omgang, og derefter gennemgå det over tid, efterhånden som du lærer mere om hver enkelt funktion. Det er kun, hvis det ikke umiddelbart giver mening, hvordan det hele hænger sammen.

Indholdsfortegnelse

• Inde i datamodellen
• Evaluering af krydssalgsmuligheder med kurveanalyse
• Formlen på arbejde
• Konklusion

Inde i datamodellen

Det første, vi skal gøre, er at justere vores model. Vi skal specifikt bygge vores model til denne type analyser. Der er virkelig ingen anden måde at gøre det på.

I dette eksempel på kurvanalyse skal vi filtrere et bestemt produkt. Men så filtrerer vi også et andet produkt. Hvis vi for eksempel ønsker at se, hvor mange gange produkt 5 er blevet købt sammenlignet med andre produkter, vil vi filtrere/vælge produkt 5.

Så der er to filtre i drift her: filteret på det produkt, vi vælger, og filteret på hvert eneste andet produkt. Vi vurderer, om et bestemt produkt er købt sammen med et andet produkt, og det er derfor, vi skal lave denne model.

Vi har vores produkttabel, og vi har vores filterprodukttabel. Her kan vi se, at forholdet er 'inaktivt'.

Vi kommer til at arbejde med nogle forskellige kontekster, der vil blive anvendt fra disse to tabeller. Det er, hvordan vi administrerer disse filtre eller sammenhænge inden for en formel, der vil give os mulighed for at opnå resultatet.

Evaluering af krydssalgsmuligheder med kurveanalyse

Lad os nu se på, hvad resultatet rent faktisk gør.

Produktvalgstabellen giver os mulighed for at vælge et produkt og se, hvor mange gange dette produkt er blevet købt sammen med andre produkter.

Denne tabel over kunder, der har købt her, relaterer sig dog ikke til vores produktudvalgstabel .

Denne tabel viser blot, hvor mange personer, der købte produkterne vist i tabellen Produktnavn i 2016, da vi har filtreret dette på 2016.

Så for produkt 1 er der 135 personer, der købte det i 2016, mens 128 personer købte produkt 15 og så videre.

Product Selection sliceren kommer fra de filterprodukter, vi har i vores model, som har et inaktivt forhold. Så fra vores første valg gør dette ikke noget for kolonnen Kunder, der har købt .

Det, der ændrer sig, er denne tabel Kunder med begge produkter, fordi denne formel evaluerer produkterne (Produktvalgsskærer) og viser, hvor mange gange det er købt sammen med andre produkter (tabel med produktnavn).

Lad os se på formlen bag alle disse for at få en bedre forståelse af resultaterne.

Formlen på arbejde

Der er lidt til denne formel med komplekse DAX-funktioner. Jeg har brugt variabler så effektivt, som jeg overhovedet kan.

Jeg har sat et helt tabelfilter i denne variabel og kaldt det Multi Purchase Evaluation .

vi bruger, som er et tabelfilter.

Så for eksempel går vi med produkt 1, filteret placeres på salgstabellen. Det, VALUES gør her, er, at det opretter en kolonnetabel over alle de unikke personer eller kunder, der har købt produkt 1.

ALLE produkter frigiver eller fjerner produktfilteret, og så vil USERELATIONSHIP tænde det andet filter, der har et inaktivt forhold.

Den kommer til at gentage hver enkelt kunde og se, om den pågældende kunde også har købt det produkt, som vi vælger i produktvalgsskæreren.

Funktionen VÆRDIER beholder de kunder, der har købt f.eks. produkt 1 og produkt 6 for dette specifikke resultat.

Denne evaluering her, kunder, der har købt ...

laver bare en DISTINCTCOUNT af de kunder, der er tilbage.

Dette er nok en af ​​de sværeste ting, jeg har demonstreret på en video tutorial, jeg har lavet, men den har bestemt mange applikationer.

Tidligere ville det sandsynligvis koste dig titusindvis af dollars at gøre dette, men med LuckyTemplates kan du nemt piske dette op, hvis du bare forstår nogle virkelig avancerede DAX-formler.

Krydssalgsmatrix i LuckyTemplates – Avanceret analyse m/DAX

Konklusion

Tænk på, hvor værdifuld denne indsigt er...

At være i stand til at evaluere næsten i realtid... Du spørger måske dig selv noget i retning af: " Nå, skal jeg benytte lejligheden til at opsælge vores kunder baseret på, hvad de købte tidligere? Er der nogen kampagner, vi kan køre, som kan gøre os i stand til at øge vores omsætning eller overskud i fremtiden baseret på denne krydssalgsanalyse eller kurveanalyse, som vi implementerer?"

Jeg håber, du kan se og indse den enorme kraft af indsigter som disse.

At lære at implementere denne analyse skaber virkelig en masse værdi for dig selv, for dine teams og for dine organisationer. Gå bestemt efter det og dyk ned i tutorialen og se, om du kan implementere dette i dine egne modeller og rapporter.

Held og lykke med denne!