Yleisin asiakaskäyttäytymisen analyysi LuckyTemplatesin avulla

Nykypäivän yritysmaailmassa yhteisten asiakaskäyttäytymisanalyysien tekeminen on äärimmäisen tärkeää monille yritysten toiminnallisille alueille. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

Kuluttajien käyttäytymisen analysointi toimii työkaluna myyntitavoitteiden suunnittelussa ja saavuttamisessa.

Lisäksi ostajien käyttäytymisen ymmärtäminen auttaa päättämään, missä ja miten tuotteet tai palvelut sijoitetaan paremmin.

Voit arvioida asiakkaasi toimintaa ja ennustaa heidän käyttäytymistään tulevaisuudessa dynaamisesti LuckyTemplatesin avulla. 

Tässä opetusvideossa sukellan käyttäytymistyyppianalyysiin selvittääkseni asiakkaiden yleisimmän käyttäytymisen.

Aion käydä läpi, kuinka voit analysoida tietojoukkosi tiettyjen elementtien käyttäytymistä. Tässä tapauksessa haluan analysoida, kuinka paljon kuluttajasi keskimäärin ostavat tuotteidesi perusteella ajan myötä. Haluan myös tarkastella, kuinka monta tapahtumaa asiakkaamme keskimäärin tekevät tietyllä tuotteella. Nämä ovat käyttäytymistyyppisiä vastauksia, jotka voit hakea tietojoukostasi.

DAX-kaava ei ole hirveän vaikea, ja tärkein asia, joka sinun on ymmärrettävä, on iterointifunktiot – tai kuinka voit iteroida eri ulottuvuuksien läpi ja sitten analysoida niiden vaikutuksen tulosta riippumatta siitä, missä kontekstissa olet.

Näytän sinulle, kuinka tein sen, ja toivottavasti saat käsityksen, jota haluat ehkä soveltaa omaan analyysiisi.

Sisällysluettelo

• Keskimääräinen myynti asiakasta kohti
• Keskimääräinen kaikille asiakkaille
• Tapahtumat per asiakas
• Johtopäätös

Keskimääräinen myynti asiakasta kohti

Haluan nähdä, mikä on tietyn tuotteen keskimääräinen myynti asiakasta kohti. Haluan esimerkiksi nähdä, kuinka paljon asiakkaamme saavat keskimäärin kuluttaa tuotteeseen 63.

Joten miten teen sen? Ensinnäkin meidän on keksittävä kaava, jonka mukaan jokainen tuote käy läpi jokaisen asiakkaan arvioidakseen kyseisen asiakkaan kokonaismyynnin ja laskea sen sitten keskiarvon. Tämä antaa meille keskimääräisen myynnin, mutta asiakasta kohti.

Jos ajattelet sitä, voit myös käyttää vain asiakastunnusta ja saat täsmälleen samat tulokset.

On täysin sinun päätettävissäsi, miten teet sen, mutta on hyvä ymmärtää, mitä datamallille tapahtuu.

Tätä VALUES tekee: käymme läpi jokaisen tuotteen 63 ostaneen asiakkaan. Aiomme arvioida, kuinka paljon he ostivat, ja sitten se laskee sen keskiarvontoiminto.  

Keskimääräinen kaikille asiakkaille

Asiakkaan nimeen liittyvä asiayhteys vaikuttaa tähän . Aina kun valitsen yhden asiakkaan tai asiakasryhmän, iteraatio koskee vain sitä asiakasta, jonka olemme todella valinneet.

Tämä toistuisi vain jokaisen asiakkaan läpi, jos pääsisimme eroon tästä sliceristä tulevasta suodattimesta.

Tätä tekee kaikkien asiakkaiden keskiarvo ; tämä on aina numero, joka ei muutu riippumatta valinnasta, jonka teet asiakkaan nimen viipalointityökalussa.

Tein saadakseni tämän keskiarvon varmistaakseni, ettei mikään Asiakkaat-taulukosta päde nykyiseen kontekstiin. Näin voin iteroida – valinnasta riippumatta – jokaisen yksittäisen asiakkaan läpi ja noutaa myynnit.

Näin voimme selvittää, mikä on yleinen asiakaskäyttäytyminen, ja sitten verrata sitä valitsemaansa valikoimaan tai asiakasryhmittymään. Tämä on se osa, jossa se voi olla varsin hieno analyysissäsi. Oletetaan, että tarkastelet kaikkia asiakkaita, mutta halusit myös ryhmitellä kyseiset asiakkaat alueen mukaan, ovatko he hyviä vai huonoja asiakkaita, ovatko he korkea- vai matalakatteisia asiakkaita.

Tapahtumat per asiakas

Voit tehdä tämän myös tapahtumille ja tarkastella tuotteitasi kokonaisuutena käyttäytymisen näkökulmasta. Käytin täsmälleen samaa tekniikkaa ja laskin heidän kokonaistapahtumansa keskimäärin jokaiselle asiakkaalle.

Sitten menin takaisin ja laitoin sen CALCULATE-lauseeseen ALL:n kanssa. Tämä antoi minulle tietojoukon jokaisen yksittäisen asiakkaan yleisen käyttäytymisen, ja sitten voimme verrata sitä mihin tahansa valintaan.

Tämä on tehokasta tavaraa täällä, ja vastaaville tekniikoille on monia sovelluksia. LuckyTemplatesilla voit saavuttaa niin monia asioita yksinkertaisesti analysoimalla keskimääräistä asiakkaiden käyttäytymistä ja vertaamalla sitä sitten pieneen osajoukkoon.

Johtopäätös

Jos katsot sitä nimellisarvolla, on melko vaikea kuvitella, kuinka voit tehdä asiakkaiden käyttäytymisanalyysin LuckyTemplatesissa. Tästä syystä tämä opetusohjelma, jossa sukeltan syvästi tämäntyyppiseen näkemykseen.

Ensin sinun on mietittävä analyyttisesti, kuinka haluat saavuttaa haluamasi tuloksen LuckyTemplatesissa. Ja sitten rakentele mallisi ja DAX-kaavojasi yhdistämällä sekä "out of the box" -ajattelua ja joitain käytännön sovelluksia.

On monia tapoja, joilla tällainen asiakaskäyttäytymisanalyysi voi hyödyttää yritystä. Tällaiset oivallukset voivat auttaa sinua määrittämään toimet ja päätökset, joita toteutat markkinoinnin näkökulmasta ja myös tulevien logististen haasteiden kannalta.

Lisää esimerkkejä kehittyneestä liiketoiminta-analytiikasta . Tutustu alla olevaan kurssimoduuliin.

Nauti tämän analyysitekniikan oppimisesta.

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