Ebben az oktatóanyagban a LuckyTemplates idő alapú kohorszelemzésébe fogok belemerülni.
Ez egy rövid kitörési munkamenet a LuckyTemplates tagjainak nemrégiben történt eseményből. Az oktatóanyag teljes videóját a blog alján tekintheti meg.
Meg akarom mutatni, hogyan állítottam be ezt. Ez a legnehezebb feladat, ha haladóbb számításokat kezd futtatni.
Szeretné tudni, hogyan állítsa be megfelelően adatmodelljeit, hogy elkerülje a félreértéseket, és győződjön meg arról, hogy a LuckyTemplates modell működik.
Tartalomjegyzék
Gyors áttekintés a kohorszelemzésről
Mielőtt megvitatnám ezt a technikát, először szeretném bemutatni, milyen betekintést nyerhet belőle, valamint egy gyors áttekintést az időalapú kohorszelemzésről.
A kohorszok nagyszerű módja annak, hogy az adatokban szereplő dimenziók vagy változók szegmenseit vagy csoportjait hívja meg.
Például szeretné megnézni az ügyfelek csoportjait.
Csoportokat szeretne létrehozni arról, hogy az ügyfelek mikor csatlakoztak először az Ön szoftveréhez vagy alkalmazásához, illetve mikor kezdték el használni.
Erre az esetre meghatározott hónapokból csoportokat hoztam létre. Tehát, ha ügyfelei 2017 júniusában kezdtek, akkor ez az ő csoportjuk.
Ez nem az összegek vagy az Önnel folytatott tranzakciók számának csoportosítása. A csoportosítás idő alapján történik.
Ebben a példában ez az, amikor csatlakoztak.
Most megmutatom, hogyan hozhatja létre ezeket a kohorszokat, majd hogyan dolgozhatja be őket a modelljébe.
Kohorszok létrehozása a LuckyTemplates alkalmazásban
Nézzük meg a modellt.
Ez egy meglehetősen általános modell. Így szeretnéd modelljeidet kinézni.
Láthatja, hogy van egy másik rétege a keresőtáblázataimnak.
Mielőtt azonban bemutatnám a célját, először azon dolgozom, hogy létrehozzam ezeket a kohorszokat a keresési táblázatban.
A keresési táblázat az a hely, ahol egy bizonyos dimenziót szeretne csoportosítani. Ebben az esetben a vásárlókról van szó.
Lássuk tehát az Ügyfelek táblázatomat.
Eredetileg az Ügyfelek táblázatom csak az Ügyfélindexet és az Ügyfélneveket tartalmazta.
Ha azonban a keresési táblákon belül szeretné létrehozni a kohorszokat, akkor azokat oda kell helyeznie, ahol a szegmentálást meg kívánja tenni.
Most szeretném kidolgozni az ügyfél csatlakozási dátumát. A bemutató adataimban a csatlakozás dátuma az, amikor az ügyfél először jelentkezett be.
Az első bejelentkezés akkor lehet, amikor az ügyfél e-mailben regisztrált, vagy amikor először használta az alkalmazás próbaverzióját.
Meg kell tudnia, amikor először kezdeményezte a kapcsolatot egy ügyfél.
Ezt az információt a következő képlet segítségével kaptam:
Használa bejelentkezési dátumtól . Aztán becsomagoltam afüggvényt, hogy megbizonyosodjon arról, hogy a megfelelő szűrőkörnyezetet kapom. Ez adja az első randevút.
Most ki kell dolgoznom a hónapot. Az alapján szeretném létrehozni a kohorszokat, hogy az ügyfél melyik hónapban csatlakozott.
Ez a technika nagyon rugalmas, mivel különböző kohorszokat hozhat létre.
De ebben a példában ismét egy hónap kohorszot fogok használni, amely a hónapot és az évet mutatja.
A következő képletet használtam a csatlakozási hónap kohorszához :
A Hónap és év oszlopot a Dátum táblázatból a következő logikával ragadtam meg :
Végigdolgoztama Dátum táblázatból, és melyik dátum egyenlő az Ügyfél csatlakozási dátumával. Ezután amint az IGAZ értékkel egyenlő , ugyanannak a táblázatnak a Hónap és Év oszlopát adja vissza.
Ezzel most megvan a csatlakozási hónap kohorszom .
A kohorsz hónapok táblázatának beállítása
Most szeretném megmutatni, miért állítottam be aasztal.
Térjünk vissza az Ügyfél táblázathoz.
Ha ezzel az információval és logikával hagyta volna, előfordulhat, hogy nem kapja meg a Hónap és az Év minden iterációját.
Ennek az az oka, hogy egy ügyfél nem csatlakozott egyetlen hónapban és évben sem. Tehát a jó vizualizáció érdekében meg kell győződnie arról, hogy minden egyes hónapra és évre hivatkozni kell egy bizonyos táblázatban.
Ez azért is lehet, mert a szükséges információk nem feltétlenül szerepelnek az összes ügyfél dinamikus számításában.
Ne feledje, hogy folyamatosan érkeznek új ügyfelek a fedélzetre. Tehát ezeket az információkat elméletileg mindig frissíteni kell.
Ezért készítettem egy másik táblázatot a Kohorsz hónapok képletével:
Megragadtam az Indexet és aoszlopokat a Dátumok táblázatból. Ez a két oszlop lett a Kohorsz hónap Éve .
Ez a dátum táblázat:
Látható, hogy sok oszlopa van, amelyek sok információt tartalmaznak. De ehhez a példához csak az Index és a Hónap és év oszlopokra volt szükségem. Tehát a Dátumok táblázatot a Kohorsz hónapok segítségével foglaltam össze .
Most már minden iterációm megvan, ami egyben egyedi értékké is vált.
Ha ezt az információt a Dátumok táblából kérték volna le, akkor sokat hivatkoztak volna rá. De mivel ez egy egyedi értékeket tartalmazó oszlop, egyszerű keresőtáblázattá vált.
Létrehozhat egy-a többhez kapcsolatot aaz Ügyfél asztalhoz .
Ez a kapcsolat a Webhelyadatok táblázatig tovább szűrhető . A SZÁMÍTÁS logika ebben a táblában lesz az Ügyfél táblával való kapcsolata miatt.
Ha mindezt beállította, most már van egy dimenziója, amelyet elhelyezhet egy mátrixban. Ez a mátrix minden egyes hónapban megadja neked.
Kohorszelemzési betekintések
Egy másik érdekes dolog a LuckyTemplates kohorszelemzésével kapcsolatban, hogy elemezheti a kohorszokon belüli trendeket.
Ebben a példában ki akartam dolgozni az Ügyféllemorzsolódást.
Láthatja, hogy dinamikus vizualizációm van. 641 ügyfelem van, akik csatlakoztak a 2017. júniusi kohorszhoz. Az első időszakban azonban 12 ügyfél távozott.
Létre kell hoznia egy általános táblázatot, amely bemutatja az Ön által kidolgozott időszakokat.
Erre az esetre létrehoztam egy táblázatot a modellemben, Cohort Periods néven.
Létrehoztam benne egy alátámasztó táblázatot is.
Láthatja, hogyan hoztam létre a Min és Max napokat minden egyes időszakra. Ez meghatározza az egyes kohorszokhoz elemezni kívánt időablakot.
Visszatérve a példához, láthatja, hogy a 2. periódusban 14 ügyfél volt, aki a 30 és 60 napos perióduson belül lemorzsolódott.
És ahogy lefelé halad a táblázatban, láthatja, hogyan változik ez az érték a különböző kohorszoknál.
Egy másik táblázatban százalékban mutatja az értékeket.
A százalékok jobbak a számokhoz képest, mert értékes betekintést nyerhetsz belőlük. Meghatározhatja a vásárlók távozásának trendjét egy adott időszakon belül.
Meghatározhatja azokat a problémákat, amelyek ezt a tendenciát okozták. Ennek oka lehet az, hogy abbahagyta a marketinget és a reklámozást, vagy azért, mert nem kap annyi eladást ügyfeleitől.
Egyéb alkalmazott kohorszelemzési képletek
Ezeket a többi képletet használtam ehhez az időalapú kohorszelemzési technikához a LuckyTemplatesben.
Ez a dinamikus kavargatási képlet lehetővé tette számomra, hogy betekintést nyerjek az adatokból.
Ha már megértette a DAX-ot használó dinamikus csoportosítási technikákat, többet hozhat ki jelentéséből.
További kohorszelemzési példák
A technika képességeinek bemutatására szeretnék egy másik példát is hozzáadni.
Tegyük fel, hogy egyenként szeretném megvizsgálni az ügyfeleket ebben a konkrét kohorszban, amely lemorzsolódott.
Kiválaszthatok egy értéket a táblázatomban, és az automatikusan megjeleníti az egyéni ügyfélszinteket egy másik táblázatban, attól függően, hogy én hogyan állítottam be.
Következtetés
Ezt a stratégiát bármilyen kohorszhoz használhatja, amelyet ki akar alakítani. Lehetnek termékek, régiók vagy ügyfelek csoportjai.
Az oktatóanyagban található példa azonban a legrelevánsabb. A kohorszelemzést a SAS-alkalmazások népszerűsítették. Tehát az ügyfeleket az alapján kell csoportosítania, hogy mikor vásárolnak.
Ezzel a technikával hihetetlen elemzéseket készíthet a LuckyTemplatesben.
Remélem, hogy ez az oktatóanyag jó ötletet adott arról, hogy mi az a Kohorsz-elemzés, és hogyan kell megvalósítani.
Minden jót,
Ismerje meg, hogyan töltheti le és telepítheti a DAX Studio és a Tabular Editor 3 alkalmazást, és hogyan konfigurálhatja őket a LuckyTemplates és az Excel programban való használatra.
Ez a blog tartalmazza a Shape Map vizualizációt a LuckyTemplates térbeli elemzéséhez. Megmutatom, hogyan használhatja hatékonyan ezt a vizualizációt annak funkcióival és elemeivel.
Ebben az oktatóanyagban egy egyedülálló ötletet mutatok be a pénzügyi jelentésekkel kapcsolatban, amely az eredmények hozzárendelését jelenti a LuckyTemplates-en belüli táblázatsablonok előre meghatározásához.
Hozzon létre DAX-mértékeket a LuckyTemplates alkalmazásban meglévő mértékek vagy képletek használatával. Ezt nevezem mértékelágazási technikának.
Ebben a blogban fedezze fel a LuckyTemplates adatkészletet, a leghatékonyabb függvényhívást, amely M- és DAX-függvények ezreit juttatja a keze ügyébe.
A mai oktatóanyagban megosztok néhány adatmodellezési technikát a DAX-mérések jobb rendszerezéséhez a hatékonyabb munkafolyamat érdekében.
A LuckyTemplates egy nagyszerű eszköz a pénzügyi jelentésekhez. Itt található egy oktatóanyag, amely bemutatja, hogyan hozhat létre személyre szabott táblázatokat a LuckyTemplates pénzügyi irányítópultjához.
Ez az oktatóanyag megvitatja a Power Query nyelvi folyamatot, és azt, hogyan segíthet zökkenőmentes és hatékony adatjelentések létrehozásában.
Az egyik kedvenc technikámról fogok beszélni a LuckyTemplates egyéni ikonok körül, amely dinamikusan használja az egyéni ikonokat a LuckyTemplates vizualizációkban.
Ebben a blogban megmutatom, hogyan hozhat létre LuckyTemplates táblázatokat olyan képlet segítségével, amely egyesíti az UNION és a ROW függvényt.
