LuckyTemplates Analytics: Kør scenarieanalyse på gennemsnitlig ordrestørrelse

I denne tutorial dykker vi ned i kraften i LuckyTemplates-analyse . Jeg skal igennem noget ganske praktisk for en forhandler, der sælger varer med høj frekvens. Du kan se den fulde video af denne tutorial nederst på denne blog.

Når du er en virksomhed, der sælger mange varer – f.eks. en online forhandler – hvis du kan analysere, hvor meget du ville have ud af at øge din gennemsnitlige ordrestørrelse , så har du et stykke analyse, der meget effektivt kan omsættes til en plan for angreb, der vil gøre en stor forskel for din bundlinje.

Ud fra denne indsigt kan du køre kampagner eller marketingbegivenheder, der er fokuseret på de kunder, hvor du føler, at du vil få det højeste afkast.

Med dette eksempel dækker jeg et par forskellige DAX-teknikker. Der er meget at tage fra det, især fra et teknisk synspunkt. Du kan lære, hvordan du kører itererende funktioner over dine underliggende datatabeller for at opdage denne særlige indsigt , men også se potentialet for mange flere indsigter ligesom den.

Indholdsfortegnelse

• Kørsel af scenarieanalyse på ordrestørrelse
• Brug af itererende funktioner
•  Centrale punkter
• Konklusion

Kørsel af scenarieanalyse på ordrestørrelse

Her har jeg brugt parameterfunktionen op til at lave en dynamisk scenarieanalyse på ordrestørrelsen. Dette er en fantastisk måde at bruge LuckyTemplates-analyse på.

I dette tilfælde ønsker vi at se, hvad der kommer til at ske med vores salg over tid, hvis vi øger vores gennemsnitlige ordrestørrelse . Vi har her mulighed for at vælge, hvor meget vi vil øge. Vi kan have $80 eller $230, helt op til $250 som vores maksimum. Vi kan også se på, hvordan det påvirker over tid.

Ud fra dette kan vi godt planlægge, hvis vi vil køre en kampagne eller lave noget reklame. Vi kan lave en analyse af virkningen af ​​vores ordrestørrelse på vores salg, hvis vi f.eks. kan få vores gennemsnitlige ordrestørrelse op baseret på nogle opsalg eller krydssalg med vores salgsteam, der er uddannet til at anbefale disse produkter.

Det vigtigste er at have en god forståelse af itererende funktioner, fordi det i bund og grund er det, du skal bruge for at inkorporere denne gennemsnitlige ordrestørrelsesværdi.

Brug af iterationsfunktion s

Itererende funktioner har generelt et X i enden. Der er et par andre, der ikke har, men hovedsagelig dem, du virkelig skal forstå tidligt, er SUMX, AVERAGEX og mange flere. Disse funktioner gentager hver enkelt række i en tabel.

I dette tilfælde har vi specificeret Salgstabellen . Det, vi gør her, er, at vi for hver enkelt række i salgstabellen ser på, hvilken mængde vi solgte og multiplicerer det med den pris, det produkt var.

Med andre ord, vi beregner et salg for hver transaktion til hver række af vores data. Hvis vi nu vil placere nogle scenarier over, om vi kan øge vores gennemsnitlige ordrer, så skal vi på en eller anden måde inkorporere en variabel i denne række for række beregning .

Så vi skal gange mængden med den aktuelle pris og med vores stigning i ordrestørrelse. I dette tilfælde skal vi gribe denne variabel, der blev oprettet fra den nye parameter, og føre den ind i iterationsfunktionen her.

Det er sådan, vi kommer til vores Salg med Ordrebump- beregning.

Så for eksempel øger vi vores gennemsnitlige ordre med $250 ved at lave nogle op- eller krydssalg, så er det, hvad virkningen ville være kumulativt.

Så griber vi denne nye beregning, og jeg sætter den ind i vores mønster, hvori vi bruger.

Vi sammenlignede det kumulativt med vores salg uden ordrebump, og det er sådan, vi får forskellen. Derefter forgrener vi os til Sales Gains .

 Centrale punkter

Jeg anbefaler, at du starter med det indledende scenarie, hvorefter du forgrener det til disse forskellige kumulative samlede mønstre. På denne måde kan du så visualisere tingene på en lidt anden måde.

Du kan starte med at indlæse variablen, men derefter finde ud af, hvad din visualisering er, og implementere DAX-formlen, der rent faktisk bringer dig derhen.

Herefter kan du udnytte kraften i datamodellen , som vi gjorde i eksemplet. Vi tilføjer bare flere produkter, fordi vi i øjeblikket kun øger ordreværdien af ​​disse specifikke produkter. Når vi tilføjer produkterne, kan vi se, hvordan det kommer til at påvirke os over en hvilken som helst tidsramme.

Alle disse andre ting, såsom kolonnen Datoer, produktnavnet osv., bringer bare dimensioner ind fra resten af ​​vores datamodel. Vi inkorporerer dem simpelthen i vores rapport og skaber nogle overbevisende indsigter.

Kompleks 'Hvad nu hvis'-analyseeksempel i LuckyTemplates ved hjælp af DAX

Konklusion

Denne analyse er virkelig praktisk og kommerciel, og derfor holder jeg så meget af den . Det kan tilføje en masse værdi til organisationer, der sælger ved en høj frekvens, hurtigt.

Du vil være i stand til at svare på spørgsmålet, hvis jeg øgede min gennemsnitlige ordrestørrelse, hvad vil det så gøre ved min rentabilitet? Hvad vil det gøre i forhold til, hvis vores gennemsnitlige ordrestørrelse faktisk faldt?

Tjek det ud og prøv at arbejde disse teknikker ind i dine egne modeller.

Alt det bedste!