Poistumisanalyysi: Kadonneiden asiakkaiden löytäminen LuckyTemplatesin ja DAX:n avulla

Tässä opetusohjelmassa keskitymme LuckyTemplatesin asiakkaiden poistumisanalyysiin . Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

LuckyTemplates on hämmästyttävä työkalu korkealaatuiseen analytiikkaan. Mielestäni sillä ei ole tällä hetkellä läheistä kilpailijaa.

Tässä käyttämämme kojelauta on osa Learning Summit -tapahtumaa, joka minulla oli kulumisanalyysistä, mutta tämä opetusohjelma keskittyy kadonneiden asiakkaidemme löytämiseen.

Tässä demossa selvitämme, keitä menetetyt asiakkaamme ovat, ja näemme heidän menetettyjen myyntien kokonaismäärän .

Perehdymme dynaamisesti näihin asiakkaisiin ja saamme upeita oivalluksia. Voimme napsauttaa tiettyä numeroa, esimerkiksi -16, ja näemme, keitä nämä 16 menetettyä asiakasta ovat ja mitä tuloja menetimme heiltä.

Käytämme kompleksiasaavuttaaksesi tämän tehokkaan kulumisanalyysin LuckyTemplatesissa.

Tässä esimerkissä kadonneen asiakkaan katsotaan olevan asiakas, joka on ostanut jotain viimeisen 10 kuukauden aikana, mutta ei viimeisen 2 kuukauden aikana.

Sisällysluettelo

• Poistumisanalyysiraportin luominen
• Näytetään menetettyjen asiakkaiden tulot
• Johtopäätös

Poistumisanalyysiraportin luominen

Meidän on löydettävä luettelo asiakkaistamme, jotka ovat ostaneet viimeisen 2 kuukauden tai 60 päivän aikana , ja luettelo asiakkaista, jotka ovat ostaneet sitä edeltävien 10 kuukauden aikana . 

Sen jälkeen vertaamme näitä asiakastaulukoita ja katsomme, mitkä asiakkaat eivät ole taulukossa viimeisen 2 kuukauden ajalta, mutta niitä oli sitä edeltäneiden 10 kuukauden aikana. 

Ja sitä tämä tietty kaava tekee. Theantaa meille mahdollisuuden tehdä sen minä tahansa kuukausina. 

Joten luomme virtuaalisia taulukoita ja CALCULATETABLE on täydellinen toiminto käytettäväksi, koska se on hyvin samanlainen kuin CLCULATE, jossa voit muuttaa laskennan kontekstia. Mutta tässä tapauksessa muutamme taulukon kontekstia ( Asiakkaan nimihakemisto ).

Se näyttää meille luettelon asiakkaista, jotka ostivat 365 päivää sitten 60 päivää sitten . Tämä antaa meille 10 kuukauden ikkunan ja myös luettelon ihmisistä, jotka ostivat jotain noina kuukausina.

Teemme täsmälleen samoin toiselle muuttujalle PriorCustomers , mutta perustuimme viimeisiin 60 päivään kuukauden ensimmäisestä päivästä . Tarkastelemme siis 2 kuukautta taaksepäin, emme nykyistä kuukautta.

MAAT osoittavat, kuinka moni näistä asiakkaista osti edellisen ajanjakson aikana ( CustomersPurchased VAR ) , mutta ei ostanut tällä tietyllä ajanjaksolla ( PriorCustomers VAR ).

The aikoo palauttaa toisen virtuaalisen pöydän vain asiakkaista, joita pidämme kadonneina asiakkaina. Ja aiomme kertoa sen -1:llä , ja näin saamme tietyn luvun tässä kaaviossa.

Keitä ovat nämä -9, -15, -8 jne. asiakkaat? Tarvitsemme toisen kaavan saadaksemme tämän asiakasluettelon.

Näytetään menetettyjen asiakkaiden tulot

Käytämme samoja virtuaalitaulukoita Lost Customers -kaavassa näyttääksemme luettelon asiakkaista, joiden katsoimme olevan kadonneet. Erona on se, että yritämme laskea summan – kuinka paljon me itse asiassa pidämme menetettynä? 

Thetämä tuo arvon tähän taulukkoon ja tyhjennämme kaikki muut arvot. Emme näytä kaikkia asiakkaita, joita emme pidä kadonneina. Näemme vain menetettyjen asiakkaiden myyntimäärän.

Joten sen sijaan, että siirrymme COUNTROWS EXCEPT:iin, käytämme muuttujia jonkinlaisena kontekstina CLCULATE -funktion sisällä. Sitten laskemme kokonaismyynnin ajanjakson välillä, jonka määritimme käyttämällä .

Johtopäätös

Tämä on melko edistynyt aihe, mutta se on erittäin mielenkiintoinen näkökohta kulumisanalyysissä. Toivon, että näet, kuinka tehokas tämä analyysi voi olla ja kuinka se voi parantaa päätöksentekoasi organisaatioissasi.

Näet korkean tason lukujen lisäksi myös yksityiskohtaiset tiedot . Tämän avulla voit tehdä resursseja, markkinointia, mainontaa jne. koskevia päätöksiä hyvin erityisille asiakkaillesi.

Tässä opetusohjelmassa on useita edistyneitä toimintoja ja tekniikoita. Tutustu CALCULATETABLE-funktioon , joka on säännöllisesti käytetty funktio ja olennainen funktio korkean tason analytiikkaan.

Suosittelen tutkimaan tätä lisää ja yrittämään ymmärtää tämän analyysin kaikki eri näkökohdat. Monet ideat ja konseptit ovat uudelleenkäytettävissä muihin korkean tason ja edistyneisiin analyyseihin, joita voit tehdä LuckyTemplatesissa.

Toivottavasti nautit tämän aiheen tutkimisesta enemmän!

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