Dynaaminen segmentointi dynaamisilla parametreilla – edistyneet LuckyTemplates ja DAX-tekniikka

Aion puhua dynaamisesta segmentoinnista dynaamisten parametrien avulla, koska olen nähnyt jäsenten kysyvän siitä niin monta kertaa LuckyTemplates-tukifoorumilla. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

Haastetta tässä on selvittää, mitkä alueet segmentoidaan ensin. Sinun on myös löydettävä tapa syöttää dynaamisia parametreja kaavaan. Aion yksinkertaistaa tätä kaikkea esimerkin avulla, jonka aion näyttää tässä.

Sisällysluettelo

• Mitä jos -parametrin luominen
• Dynaamisten parametrien käyttö
• Tulosten visualisointi
• Johtopäätös

Mitä jos -parametrin luominen

Ensimmäinen asia, jonka tarvitsen, olisi parametri. Tässä tapauksessa loin Customer Rank -parametrin.

Loin tämän parametrin siirtymällä mallinnukseen ja napsauttamalla sitten Uusi parametri.

Mitä jos -parametri luo automaattisesti taulukon minulle. Se luo myös mittarin tekemälleni valinnalle.

Kun vedän sen raporttiin, se näyttää minkä tahansa valinnan, jonka teen viipalointityökalussa.

Tärkeintä tässä on muistaa, että parametrien tulisi jakaa tulokset aina, kun teet mukautetun segmentoinnin .

Joten Customer Rank -parametrin lisäksi minulla on myös tietoa alueista, joilla kaupat sijaitsevat.

Laskennan konteksti on yksi avaintekijöistä, jotta tämä saadaan oikein. Täällä on myös lisäkonteksti, joka näyttää, missä kaupat ovat.

Nyt haluan erottaa tuloni vertaamalla parhaita asiakkaitani ja huonoimpia asiakkaitani. Haluan myös näiden ylä- ja alaryhmien olevan dynaamisia. Tässä dynaamiset parametrit tulevat kuvaan.

Dynaamisten parametrien käyttö

Joten tulosten on vaihdettava sen mukaan, miten haluan tarkastella tietoja. Tämä tarkoittaa, että jos vaihdan Customer Rank -leikkuria , myös taulukon tietojen pitäisi muuttua.

Ensimmäinen asia, jonka aion tehdä, on käyttää kaavaa saadakseni parhaat asiakkaat pöytään.

Loin sarakkeen käyttämällätoimintoa kokonaistulolle ja sitten käyttämälläsijoitusfunktiona. TOPN palauttaa myös virtuaalisen taulukon sijoitustulosten perusteella.

Lisäsin tähän kontekstin, kun laskemme kokonaistuloa, koska tarkastelen vain parhaita asiakkaita. Tämä sijoitus määräytyy asiakkaan sijoituksen arvon perusteella .

Käyttämällä TOPN -palvelua aion käsitellä kaikki asiakastiedot. Se kuitenkin säilyttäisi kontekstin vain neljälle parhaalle, koska se on taulukossa asetettu parametri. Se on se arvo, jonka olen asettanut leikkuriin.

Voin siirtää leikkurini arvoon 3, ja myös tulosten pitäisi muuttua ja heijastaa vain kolmen parhaan tiedot.

Haluan myös tarkastella alempia asiakkaitani, joten aion lisätä sen taulukkooni.

Koska laitan alimmaiset asiakkaat sinne, on myös tärkeää huomata, että tarvitsen asiakkaiden kokonaismäärän myymälää kohti millä tahansa aikavälillä.

Saadakseni asiakkaiden kokonaismäärän käytintoiminto.

Huomaa, että tämä kaikki on vain esimerkkitietoja, joten tästä kaavasta löytämäni luvut saattavat vaikuttaa pieniltä ja epärealistisilta. Mutta tämä laskelma toimisi myös suuremmilla taajuuksilla, kun sitä sovelletaan tosielämän skenaarioihin.

Tässä on kaava, jota käytin saadakseni alhaisimpia asiakkaita. Huomaa, että se on hyvin samankaltainen kuin se, jota käytin parhaiden asiakkaiden kohdalla , mutta pienin muutoksin.

Käytin tässäkin sekä CLCULATE- että TOPN -funktioita. Mutta sen sijaan, että asettaisin vain asiakkaan sijoituksen , käytin asiakkaiden kokonaismäärän ja asiakkaan sijoitusarvon välistä eroa . 

Sitten vain sijoittamisen sijaanja asiakkaiden nimet , minun piti lisätä logiikkaa. Koska saan alhaisimpia asiakkaita parhaiden sijaan, aion käyttää ASC:tä DESC:n sijaan .

Edellinen kaava toistui jokaisen asiakkaan läpi saadakseen parhaat. Mutta koska saan alhaisimpia asiakkaita, tämä tarkoittaa, että se laskee myös tapaukset, joissa myyntiä ei ole ollut .

Minun on varmistettava, että alimmalle asiakkaalle lasketut tekivät myös ostoksen. Tästä syystä olen lisännyt, että arvon tulee olla suurempi kuin 0 .

Tästä syystä tietoni osoittavat nyt, kuinka moni asiakas todella teki ostoksen. Tällä ensimmäisellä rivillä se osoittaa, että 11 asiakasta osti jotain kyseisestä kaupasta tietyn ajan kuluessa.

Se voi olla melko hankala tässä osassa, lähinnä siksi, että TOPN on jo luomassa virtuaalitaulukkoa, mutta olen myös luomassa toista virtuaalitaulukkoa siihen. Tässä virtuaalitaulukossa tarkastellaan paljon pienempiä asiakkaita, ei asiakkaita kokonaisuutena.

Joten teen toisen sijoituksen tässä kokonaistulon kaavan lopussa . Ja kuten aiemmin mainitsin, käytän ASC:tä DESC:n sijaan .

Näillä kaavoilla olen nyt lisännyt dynaamisia parametreja dynaamiseen segmentointiin.

Tulosten visualisointi

Käyttämääni tekniikkaa voitaisiin mahdollisesti käyttää paljon suurempiin tietokokonaisuuksiin. Tämä tarkoittaa, että tulosten ymmärtämiseksi paremmin on hyödyllistä käyttää visualisointeja niiden esittelemiseksi.

Aloitan yksinkertaisella kaaviolla, joka voi näyttää vertailun kunkin myymälän parhaista ja heikoimmista asiakkaista.

Voin myös muuttaa tätä ja käyttää pinottua pylväskaaviota, jos luvut ovat riittävän suuria ja ne näkyvät paremmin sillä tavalla.

Näillä visualisoinneilla saan paremman käsityksen numeroista. Tämä osoittaa esimerkiksi, mitkä kaupat ovat suuremmassa riskissä. Näen, missä myymälöissä on hyvin vähän asiakkaita, mikä johtaa alhaiseen tuloon.

Johtopäätös

Tässä käyttämäni data on erittäin alhaista, mutta kuvittele mahdollisuudet, kun tätä sovelletaan suurempiin tietokokonaisuuksiin. Tämä tekniikka voi myös segmentoida muita tietoja ja lisätä niin monia erilaisia ​​parametreja paitsi parhaiden ja alhaisten asiakkaiden tai myymälöiden sijainteja.

Tämä esimerkki näyttää kuinka työskennellä mittausten kanssa myös toimenpiteiden sisällä. Tällaiset tekniikat antavat hämmästyttävän käsityksen tiedoista riippumatta siitä, missä niitä käytetään.

Kaikki parhaat,