Asiakassegmentointitekniikat tietomallilla – LuckyTemplates & DAX

Tässä blogikirjoituksessa aion näyttää sinulle, kuinka asiakassegmentointitekniikoita tehdään LuckyTemplatesin tietomallin avulla. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

Joskus raakatiedoissasi ei ole kaikkia tietoja, joita tarvitset esitelläksesi jotain LuckyTemplatesissa. Mutta älä anna tämän estää sinua.

Tarvitset vain mielikuvituksen siitä, kuinka voit rakentaa tietomallisi tai käyttää lisälogiikkaa hakutaulukoissasi, mikä voi tarjota paljon parempia näkemyksiä kuin olet luullut mahdolliseksi nykyisessä muodossasi olevan raakadatan avulla.

Ohjaan sinulle yksityiskohtaisen esimerkin siitä, kuinka voit segmentoida asiakkaasi arvioimalla, ovatko he hyviä asiakkaita, ok asiakkaita vai huonoja asiakkaita.

Sisällysluettelo

• Asiakkaiden segmentointi suorituskyvyn perusteella
• Asiakkaiden ryhmittelytaulukon luominen
• Hakutaulukot ja lasketut sarakkeet
• Myyntieron laskeminen
• SWITCH-logiikan käyttäminen
• Johtopäätös

Asiakkaiden segmentointi suorituskyvyn perusteella

Pohjimmiltaan pyrimme segmentoimaan asiakkaasi suorituskyvyn perusteella.

Voit käyttää tätä tekniikkaa segmentoimaan melkein mitä tahansa, mutta halusin näyttää, kuinka tehokasta on esitellä oivalluksia raportistasi tosielämän skenaarion perusteella.

Tietomallin avulla voimme nopeasti eristää kunkin segmentin analysointia varten. Näemme taustalla olevat tekijät, jotka erottavat asiakkaamme myynnin suhteen mahtaviksi, hyviksi, keskivertoiksi tai huonoiksi.

Olen luonut viipalointityökalun tai suodattimen , jonka avulla voin analysoida asiakkaita loistaviksi, hyviksi, keskivertoiksi tai huonoiksi raporttiimme sisällyttämiemme visualisointien perusteella.

Visualisointi näyttää meille, milloin ero alkoi (helmikuussa 2016) ja miksi ero on olemassa.

On tärkeää näyttää syy raporteissasi olevilla visualisoinneilla.

Raporttimme alaosassa näemme tarkalleen, milloin ero tapahtui.

Voimme myös tarkastella tuotteitamme selvittääksemme, mitkä tuotteet aiheuttivat tämän eron ja tekivät näistä asiakkaista mahtavia. Voimme selvittää, mitkä tuotteet auttoivat asiakkaita ostamaan meiltä enemmän kuin ennen.

Hienoa ovat myös visualisoinneissamme olevat slicers. Ne suodattavat sen perusteella, mitä olemme integroineet malliimme, ja sitten ne myös suodattavat sen perusteella, minkä tehokkuusryhmän tai segmentin olemme valinneet.

Katsotaanpa köyhiä asiakkaitamme napsauttamalla slicerissa Huono myynti. Voimme sitten nähdä, mitkä asiakkaat ovat toimineet huonosti slicerin alla olevassa sarakkeessa.

Tarkastelemalla kumulatiivisen myynnin aikakehyksen vertailua -kaaviota voimme tarkastella tämän vuoden myyntiä viime vuoden myyntiin verrattuna. Miksi näiden kahden välillä on suuri ero? Onko sillä jotain tekemistä tuotteiden tai marginaalien kanssa?

Kaikkiin näihin kysymyksiin voidaan vastata ja ne voidaan tuoda esille käyttämällä esittelemiäni asiakassegmentointitekniikoita.

Asiakkaiden ryhmittelytaulukon luominen

Joten miten tein tämän tekniikan? Ensin palataan malliin. Tein taulukon nimeltä.

Tämä on jotain, mitä sinun ei tarvitse tehdä, mutta pidän sen luomisesta, koska se antaa minulle erillisen taulukon, joka esittelee asiakasryhmät. Olen myös laittanut ryhmittelyjen viereen indeksin, jotta voimme suodattaa tai lajitella ne suuresta huonoon.

Ilmeisesti tarvitsemme yhteyden asiakkaiden ryhmittelytaulukosta Asiakkaat -taulukkoon, koska meidän on ryhmiteltävä asiakkaamme tietyllä tavalla.

Hyppäämme sisään ja katsomme asiakkaitani, jotka minun on segmentoitava.

Tässä ovat näiden hakutaulukoiden sisällä olevat lasketut sarakkeet .

Hakutaulukot ja lasketut sarakkeet

Sinisen laatikon sisällä olevia taulukoita kutsutaan hakutaulukoiksi .

Tähän voimme sijoittaa lasketut sarakkeet .

Nyt jotkut teistä saattavat ajatella, että voit tehdä tästä dynaamisen mittausten avulla. No, voit ehdottomasti.

Halusin kuitenkin tehdä tämän tietyltä ajalta. Tämä riippuu tilanteesta, ja voit käyttää joko laskettuja sarakkeita tai mittoja.

Laskettujen sarakkeiden avulla halusin tarkastella myyntiämme tietystä ajankohdasta. Tässä tapauksessa halusin tarkastella erityisesti vuoden 2016 myyntiä ja 2015 myyntiä .

Tätä varten käytin CLCULATE -toimintoa ja asetin sen sisään suodattimen, jotta saan myyntiä vain tietyltä ajanjaksolta.

Myyntieron laskeminen

Sitten vuoden 2016 myynnistä ja 2015 myynnistä voin johtaa myyntieron tällä kaavalla:

Myyntierosta voimme aloittaa asiakkaidemme segmentoinnin myynnin perusteella .

SWITCH-logiikan käyttäminen

Myyntiero vuosien 2016 ja 2015 välillä määrittää , mihin suorituskykyryhmään asiakkaamme kuuluvat. Tässä SWITCH- logiikka tulee esiin.

Thelogiikan avulla voit luoda lisäulottuvuuksia, jotka näyttävät sisäkkäisiltä IF-lauseilta , jotka näyttävät paremmilta.

Voimme tehdä lausuntoja, joissa sanotaan, että jos asiakkaan myyntiero on suurempi tai yhtä suuri kuin 200 000 dollaria, hän on loistava asiakas.

Näin määritämme, mihin segmenttiin tai ryhmään asiakkaamme sijoittaa. Tämä tekniikka on erittäin mukautuva ja sitä voidaan käyttää mihin tahansa ulottuvuuteen ja mihin tahansa hakutaulukkoon.

Voit yksinkertaistaa tätä entisestään jättämällä käyttämättä vuosien 2016 ja 2015 myyntisarakkeita ja Myyntiero-saraketta. Voit vain laittaa kaiken logiikan mittaan.

Mutta tässä tapauksessa halusin näyttää sinulle, kuinka voit käyttää laskettuja sarakkeita hakutaulukoissa näiden tietosegmenttien luomiseen.

Jos palaamme lopullisiin visualisointeihin, tähän leikkuriin

tulee tästä pöydästä.

Thetaulukko suodattaa sitten asiakastaulukossa tekemämme laskelmat ja logiikan . Sitten tämä suhde suodattuu alas muihin taulukoihin.

Näin kaikki visualisoinnit voivat päivittyä slicerissa valitsemamme asiakassegmentin perusteella.

Tämän opetusohjelman avulla pystyimme esittelemään asiakkaiden segmentointitekniikoita ja erilaisia ​​tapoja pilkkoa ja pilkkoa tietojamme.

Kaiken ihme on, että sitä ei ollut olemassa todellisessa mallissamme; meidän piti luoda se logiikkaa käyttäen.

Johtopäätös

Useimmissa tapauksissa haluat keskittyä parhaisiin asiakkaisiisi, koska suurin osa hyvistä tuloksista tulee sieltä. Haluat siis tunnistaa tehokkuuteen liittyvät trendit ja tehdä perusteellisen arvion tästä tietystä datasegmentistä .

Tätä tekniikkaa käyttämällä voimme eristää hyvät asiakkaamme ja selvittää, miksi he ovat hyviä. Ymmärrämme, miksi he ovat menestyneet hyvin, ja yritämme toistaa sen kaikille muille huonosti menestyneille asiakkaille.

Tästä tässä opetusohjelmassa on kyse. Voit käyttää näitä asiakkaiden segmentointitekniikoita uudelleen useissa eri analyyttisissa skenaarioissa. Sen ei tarvitse koskea vain asiakkaita, vaan se on se asia, johon keskityin tässä nimenomaisessa tapauksessa.

Tästä LuckyTemplates Online -kurssimoduulista saat käytännöllisempiä tapoja hyödyntää LuckyTemplatesia tehokkaiden oivallusten saamiseksi . Tällä kurssilla on paljon opittavaa.

***** Opitko LuckyTemplates? *****