Uusi asiakasanalyysi Advanced DAX:n avulla

Ei liian kauan sitten suoritin koko skenaariomenetelmäistunnon LuckyTemplatesin jäsenille. Työskentelin koko istunnon parissa, joka sisälsi monenlaisia ​​analyyseja, mukaan lukien menetettyjen asiakkaiden, vakituisten asiakkaiden ja uusien asiakkaiden analyysit . Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

Ne kaikki vaativat suurta analyyttistä työtä näiden asiakastietojen liiketoimintapotentiaalin maksimoimiseksi.

Tässä erityisessä opetusohjelmassa haluan selvittää, miten sinä itse asiassa .

Mutta on varmasti avoin keskustelu siitä, mitä luokittelet "uudeksi asiakkaaksi" organisaatiosi tai toimialasi perusteella. Onko se joku, joka ei ole koskaan ostanut yrityksesi perustamisen jälkeen? Tuo analyysi on aika ainutlaatuinen. Mutta toisinaan saatat haluta asettaa sille jonkinlaisen aikakehyksen. Jos asiakas ei ole tehnyt ostoksia kyseisenä ajanjaksona, voit katsoa ne uusina, kun ne tulevat takaisin.

Kuitenkin määritelmästäsi riippumatta tekniikka on hyvin samanlainen kuin esimerkki, jonka opastan sinulle. 

Sisällysluettelo

• Uusien asiakkaiden analyysin ymmärtäminen
• Uusien asiakkaiden analyysin kaava
• Johtopäätös

Uusien asiakkaiden analyysin ymmärtäminen

Tämä opetusohjelma on varsin edistynyt ja vaatii ymmärtämään LuckyTemplatesin taulukkofunktiot ja virtuaalitaulukot . Mutta käyn tämän läpi yksityiskohtaisesti läpi opetusohjelman. Näytän sinulle myös kaavat, joiden avulla voit dynaamisesti korostaa näitä tietoja LuckyTemplates-raporteissasi.

Ensinnäkin haluan näyttää näyteanalyysin tässä dynaamisessa ikkunassa.

Tässä tapauksessa pidän uusina asiakkaina niitä, jotka eivät ole ostaneet mitään viimeisten 90 päivän aikana.

Päästäkseni tähän malliin minun on ensin määritettävä parametrit ja kaava. Voit tehdä tämän napsauttamalla Mallintaminen ja valitsemalla sitten Uusi parametri. 

Loin myös yksinkertaisen taulukon Churn Time Frame -ohjelmalle alla olevan kaavan avulla . 

Asiakasvaihtuvuus tarkoittaa asiakkaita, jotka ovat lopettaneet ostamasta tietyn yrityksen tuotetta tai palvelua tietyn ajanjakson aikana. 

Nyt voin pidentää vaihtuvuusaikaikkunaa tehdäkseni analyysistä dynaamisemman. Alun perin minulla oli 90 päivää , mutta voin nostaa sen 180 päivään. Voin jopa mennä lyhyemmällekin aikavälille.

Voimme käyttää Amazonia esimerkkinä. Jos et ole ostanut mitään Amazonilta 90 tai 180 päivään, he saattavat pitää sinua eksyneenä asiakkaana. Tämän jälkeen he todennäköisesti lähettävät joitakin markkinointimuotoja saadakseen sinut takaisin "uudeksi" asiakkaaksi.

Se on tärkein asia, josta aion puhua tässä videossa. Avain siitä, kuinka ratkaista tai laskea nämä uudet asiakkaat , jotka voivat kertoa paljon siitä, kuinka onnistuneita markkinointitoimesi ovat.

Uusien asiakkaiden analyysin kaava

Joten käydään läpi tämä uusille asiakkaille tarkoitettu kaava . Tämä kaava laskee asiakkaat, jotka ovat ostaneet jotain kuluvan kuukauden aikana, mutta eivät ole ostaneet mitään sitä edeltäneiden 90 päivän aikana.

Ensinnäkin CustomerTM- kaava arvioi kuluvan kuukauden asiakasmyynnin.

Näet tämän kaavan tulokset alla olevan taulukon sarakkeessa.

Sen jälkeen käytin PriorCustomer -kaavaa etsiäkseni niitä asiakkaita, joilla on aikaisemmat tiedot viimeisten 90 päivän ajalta. Se tarkoittaa vain sitä, että he ovat pysyviä asiakkaita.

Nykyisen kontekstin sijaan meidän on muutettava tämän taulukon aikakehystä tai kontekstia käyttämällä.

Olen myös lisännyttoiminto poistaa kaikki kontekstit päivämääristä ja käyttää suodatinta uudelleen 90 päivän aikaikkunan perusteella. Tämä on kaavan ydin.

Nytfunktio arvioi kaksi näistä taulukoista. Sen jälkeen se palauttaa yksittäisten asiakkaiden taulukon.

Sen jälkeen olen lisännytkaava yksilöllisten asiakkaiden laskemiseen.

Myöhemmin voin laatia uuden asiakasanalyysin, kuten alla.

Katsotaanpa tätä esimerkkiä maaliskuulle 2017 .

Meillä on yhteensä 282 asiakasta, ja sen CustomerTM -kaava arvioi. Näistä asiakkaista vain 191 ei ole ostanut mitään viimeisten 90 päivän aikana. Siksi pidämme heitä uusina asiakkaina.

Tämän uuden asiakasanalyysin avulla voit selvittää, onnistuvatko markkinointitoimenpiteesi tuomaan uusia asiakkaita yritykseesi.

Johtopäätös

Yleensä uusi asiakas maksaa enemmän kuin olemassa oleva asiakas. Joten monille organisaatioille on erittäin tärkeää ymmärtää trendit, jotka ostavat sinulta.

Tämä on todella tehokas mittari, jonka avulla voit ymmärtää asiakkaidesi kokoonpanon minä tahansa ajanjaksona. Tässä nimenomaisessa tapauksessa näytämme sen kuukausittain.

Tämän tekniikan avulla voit ymmärtää, kuinka paljon organisaatiosi tulojen saaminen todellisuudessa maksaa.

Jätän linkin alle kuvaukseen, jos haluat todella nähdä koko työpajan. Sinun tarvitsee vain päivittää jäsenyytesi, jotta voit toistaa ja ladata koko resurssin.