LuckyTemplates er et fantastisk værktøj til analyse af høj kvalitet. Efter min mening har den ikke en tæt konkurrent på dette tidspunkt.
Dashboardet, vi bruger her, er en del af Learning Summit, jeg havde om nedslidningsanalyse, men denne vejledning fokuserer på at finde vores mistede kunder.
I denne demo finder vi ud af, hvem vores mistede kunder er, og vi vil se det samlede salg, der er tabt fra dem.
Vi vil dynamisk bore ned i disse kunder og uddrage nogle fantastiske indsigter. Vi kan klikke på et bestemt tal, for eksempel -16, og vi vil se, hvem disse 16 mistede kunder er, og den omsætning, vi mistede fra dem.
Vi anvender kompleksefor at opnå denne kraftfulde nedslidningsanalyse inde i LuckyTemplates.
I dette eksempel anses en mistet kunde for at være en kunde, der har købt noget inden for de sidste 10 måneder, men ikke de sidste 2.
Vi skal finde en liste over vores kunder, der har købt inden for de sidste 2 måneder eller 60 dage , og en liste over kunder, der har købt i de sidste 10 måneder før det .
Derefter sammenligner vi disse tabeller over kunder og ser, hvilke kunder der ikke findes i tabellen fra de sidste 2 måneder, men som gjorde det inden for de seneste 10 måneder forud for det.
Og det er, hvad denne særlige formel gør. Detgør det muligt for os at gøre det i en bestemt måned.
Så vi opretter virtuelle tabeller, og CALCULATETABLE er en perfekt funktion at bruge, fordi den minder meget om CALCULATE, hvor du kan ændre konteksten for en beregning. Men i dette tilfælde ændrer vi konteksten for en tabel ( kundenavnindeks ).
Det viser os en liste over kunder, der har købt for mellem 365 dage siden og 60 dage siden . Det vil give os et 10-måneders vindue og også en liste over de personer, der har købt noget i disse måneder.
Vi gør præcis det samme for den anden variabel PriorCustomers , men vi baserede den på de sidste 60 dage fra den første dag i måneden . Så vi ser på 2 måneder tilbage, ikke på den nuværende måned.
LANDENE viser, hvor mange af disse kunder, der købte i perioden før ( CustomersPurchased VAR ) , men ikke købte i denne bestemte periode ( PriorCustomers VAR ).
Den kommer til at returnere endnu en virtuel tabel med kun de kunder, som vi anser for at være tabte kunder. Og vi skal gange det med -1 , og det er sådan, vi får det bestemte tal her i diagrammet.
Hvem er disse -9, -15, -8 osv. kunder? Vi har brug for en anden formel for at få denne liste over kunder.
Viser mistet omsætning fra mistede kunder
For at vise listen over kunder, som vi betragtede som tabte, bruger vi de samme virtuelle tabeller i formlen for tabte kunder. Forskellen er, at vi forsøger at beregne et beløb - hvor meget betragter vi egentlig som tabt?
Dether bringer en værdi ind i denne tabel, og vi vil slette alle andre værdier. Vi viser ikke alle kunder, som vi ikke betragter som tabte. Det eneste, vi vil se, er salgsmængden for kunder, som vi overvejer at gå tabt.
Så i stedet for at gå COUNTROWS UNDTAGET, bruger vi variablerne som en kontekst inde i en CALCUATE -funktion. Derefter beregner vi det samlede salg mellem den periode, vi identificerede ved hjælp af .
Konklusion
Dette er et ret avanceret emne, men det er et meget interessant aspekt af nedslidningsanalyse. Jeg håber, du kan se, hvor kraftfuld denne analyse kan være, og hvordan den kan forbedre din beslutningstagning i dine organisationer.
Ikke alene kan du se tal på højt niveau, du kan også se detaljerede oplysninger . Dette vil give dig mulighed for at træffe beslutninger omkring ressourcer, markedsføring og annoncering osv. til dine meget specifikke kunder.
Der er en række avancerede funktioner og teknikker, der skal gennemgås i denne særlige vejledning. Udforsk funktionen CALCULATETABLE , som er en regelmæssigt brugt funktion og en vigtig funktion for flere analyser på højt niveau.
Jeg anbefaler stærkt at udforske denne mere og prøve at forstå alle de forskellige aspekter af dette stykke analyse. Mange af ideerne og koncepterne kan genbruges til andre avancerede analyser på højt niveau, som du kan lave inde i LuckyTemplates.