LuckyTemplates Ügyfél-hozzárendelés elemzése Advanced DAX használatával

Ma haladni fogunk. Nagyon mélyre fogunk merülni az ügyfelek lemorzsolódásában: új ügyfelek és elveszett ügyfelek elemzése a LuckyTemplatesben. Az oktatóanyag teljes videóját a blog alján tekintheti meg.

Egy másik kifejezés erre a kopáselemzés, mert látni akarjuk, hogy ügyfeleink hogyan fogynak, hány ügyfelünk érkezik és vásárolja meg termékeinket, hányan térnek vissza és vásárolnak még néhányat, hány vevőt veszítünk el, és így tovább.

Nagyon sok nagyszerű betekintést érhet el az ilyen típusú, meglehetősen fejlett elemzésekkel, ezért szerettem volna egy kis időt szánni aés DAX képletek.

Ebben az ügyfélelemzési példában elkezdem az ügyfelek lemorzsolódását, és megvizsgálom, hogy egy bizonyos időkeret után hány ügyfél veszett el. Búvárkodok az új ügyfelekben és a visszatérő ügyfelekben is.

Az ügyfelek lemorzsolódásának elemzése nagyon fontos elem egy szervezet számára, különösen akkor, ha Ön egy nagy gyakorisággal értékesítő vállalkozás, például egy online kiskereskedő vagy egy szupermarketlánc.

Nyilvánvaló, hogy ha vásárlókat vonz be, akkor többet akarsz eladni nekik, és nem veszíted el őket például a versenytársakkal szemben.

Sokkal könnyebb eladni egy meglévő vásárlónak, mint új ügyfeleket találni.

A meglévő ügyfelek létfontosságúak a legtöbb vállalkozás számára, mivel sokkal jövedelmezőbb folytatni nekik a marketinget, ahelyett, hogy folyamatosan új ügyfeleket kell találniuk.

Tartalomjegyzék

• Elveszett ügyfelek felkutatása
• Új ügyfelek elkülönítése
• Tudja, kik a visszatérő vásárlók
• Következtetés

Elveszett ügyfelek felkutatása

Ebben az első vizualizációban megvan, amit túlórának tekintenénk.

Ez a pont körülbelül 90 napra nem annyira releváns, mert amikor a legelső napoknál tartunk, valójában mindenkit „elveszettnek” tartunk.

Most menjünk végig a funkción, hogy megnézzük, mit csinálunk itt.

Ebben a képletben azokat az ügyfeleket számoljuk, akik nem vásároltak az elmúlt 90 napban , vagy bármi más a lemorzsolódás dátuma.

Ezen a CustomersList változón keresztül minden egyes ügyfélhez létrehozunk egy virtuális táblázatot .

Minden ügyfelet minden napra szűrünk. És amit az ALL- mal csinálunk, az az, hogy tulajdonképpen minden egyes ügyfelet minden egyes napon megvizsgálunk.

Ezután minden egyes vásárló esetében felmérjük, hogy vásárolt-e az elmúlt 90 napban. Ha nem, akkor ez 0-ra értékeli, és megszámolja az ügyfelet.

Új ügyfelek elkülönítése

Most pedig nézzük meg új ügyfeleinket, és nézzük meg, mire értékelnek.

Ebben a táblázatban azt látjuk, hogy ez inkább a korábbi dátumokra vonatkozik, januártól júliusig, mert most kezdtük el vállalkozásunkat. Az emberek általában újak.

Aztán nyilván a vége felé ellaposodik, mert csak ott vannak a visszatérő vásárlóink.

Funkciója hasonló logikát hajt végre. Kiszámoljuk, hány ügyfél kötött a mai nap előtt.

És ha nem vásároltak semmit, ami 0-ra fog kiértékelni, akkor új vásárlóként értékeli.

Tudja, kik a visszatérő vásárlók

Visszatérő ügyfelek azok, akiket elveszettként értékeltek.

Vagyis 90 napja nem vettek semmit. Idővel kiszámoljuk, hányan térnek vissza valójában.

Ez elképesztő betekintést jelentene, ha promóciókat vagy marketinget folytat, és szeretné tudni, hogy ezek közül az elvesztett ügyfelek közül hányat szerezhetett vissza marketingtevékenységei révén.

A Visszatérő vásárlók képletben csak azokat az ügyfeleket értékeljük, akik egy adott napon ténylegesen vásároltak.

Tehát itt minden egyes vásárlón logikát alkalmazunk, hogy kiértékeljük, hogy az elmúlt 90 napban értékesítettek-e.

Ha nem vásárolt az elmúlt 90 napban, akkor visszaküldésnek minősül. Ezután értékelje igazra, és számolja ki az ügyfelet az adott napon.

Következtetés

Ez az oktatóanyag aAz ügyfélelemzés meglehetősen fejlett a DAX számításokban. Ez csak a LuckyTemplates elemző képességét mutatja be.

A múltban egy ilyen információ előállítása sok pénzbe került. De most ezeket a fantasztikus meglátásokat egy tiszta és hatékony képlet segítségével érheti el, a DAX nyelv használatával.

Ne feledje, hogy valójában igazodik az adatmodellhez. Minden benne van.

Valójában elhelyezhetünk néhány szűrőt erre. Például csak egy államba szeretnénk belemerülni, mondjuk Floridába, vagy a 3 legjobb államba, mindez dinamikusan értékelődik.

Rengeteg technikában merülök el a videóban. Vannak, akik nagyon fejlettek, de minden bizonnyal szeretne megismerkedni ezekkel a dolgokkal.

Ha látja a lehetőségeket és a potenciált a LuckyTemplatesben, akkor az elméje exponenciálisan bővülhet a saját adatkészletein végzett elemzések lehetőségeivel.

Mellékes megjegyzésként bemutatom a legfejlettebb LuckyTemplates technikák széles skáláját, amelyek a címen található kurzusban eszébe juthatnak, ezért nézze meg, amikor csak teheti.

Minden jót és sok sikert ezekkel a technikákkal.