Ez az oktatóanyag az ügyfelek meglátásairól szól. Bemutatok egy fejlett LuckyTemplates ügyfélszegmentációs technikát DAX-képletek és egy másodlagos táblázat segítségével. Az oktatóanyag teljes videóját a blog alján tekintheti meg.
Az ügyfelek azonosítása vagy szegmentálása önmagában egy technika, de egy másik nagyszerű technika az aktuális és egy korábbi időszak ügyfélszegmenseinek összehasonlítása . Ezzel a betekintéssel valódi értéket nyerhetünk a LuckyTemplates ügyfélszegmentációs elemzésünkből.
Ez a technika kombinációjaés helyes adatmodellezés .
Az itt hivatkozott ügyfélszegmentálás vagy csoportosítás a felső vagy a felső, a középső és az alsó. Összehasonlítjuk az egyes ügyfelek jelenlegi és korábbi szegmentálását, és meglátjuk, hogy mely ügyfelek, akik valaha a legjobban teljesítettek, váltak a legrosszabbul teljesítő ügyfeleink közé.
Az ilyen típusú ügyfélelemzéssel jobb döntéseket hozhatunk az értékesítés, a marketing vagy a reklámozás terén, mivel ez az egyik valós forgatókönyv az üzleti környezetekben.
Tartalomjegyzék
Ügyfélcsoportok azonosítása idén és tavaly
A konkrét dolog, amit meg akarok mutatni ebben az oktatóanyagban, az ebben a táblázatban szereplő eredmények. Létrehoztam egy listát azokról az ügyfelekről, akiket legjobbnak, közepesnek és alacsonynak tartok, és százalékosan kidolgoztam az ügyfélcsoportokat.
Ebben a táblázatban azt láthatjuk, hogy a TY Ügyfélcsoport (idén) oszlopban az idei év legnagyobb vásárlói vannak, az LY Vevőcsoport (tavaly) oszlopban viszont egy másik szegmensben vagy csoportban (középső és alsó) szerepeltek. ). Láthatjuk a tavalyi legalacsonyabb vásárlókat, akik idén eljutottak a középső és a felső részekhez .
Például az itteni Johnson Ltd tavaly mélyponton volt, idén viszont 38,2%-os növekedéssel közepes ügyfél. A Liberty Group tavaly is mélypontot ért el, ám idén már 512,7%-os növekedéssel a legjobb ügyfél.
Ez a szám önmagában mutat valamit, de ez lehetővé teszi számunkra, hogy sokkal több logikát hozzunk létre, amely tisztán szegmentálja az ügyfeleket az alapján, hogy egy adott csoportba tartoznak.
Mielőtt rátérnénk a képletre, gyorsan megmutatom, hogyan csoportosítottam ezeket az ügyfeleket. Ezeket a csoportokat az értékesítési százalékok alapján hoztam létre , így a legjobb vásárlók a 80% és 100% között vannak, míg a középső csoport 25% és 80% között van, az alsó csoport pedig a 25%.
DAX számítások az ügyfélcsoportokon belüli mozgás megjelenítéséhez
Itt két DAX képletet használunk – az idei évre (TY) és az előző évre (LY). Nézzük először az idei képletet ( Customer Group TY ), és a képlet kiemelt részére koncentrálunk a.
A SELECTEDVALUE függvény lehetővé teszi, hogy szöveges értéket adjunk vissza (felső, középső, alsó). A SZŰRŐ funkció segítségével azonosítjuk, hogy az ügyfelek melyik csoportba tartoznak . Ezt a logikát az általam létrehozott Ügyfélcsoportok tábla minden sorában futtatjuk .
A FILTER olyan, mint egy iteráló függvény, amely egy adott táblán keresztül iterál, és minden egyes sorban egy logikát futtat. Az a kontextus, amely igaznak értékel, az marad meg. Tehát ebben az esetben megvan a felső, a középső és az alsó érték.
A logika itt tartalmazza a CustomerRank és TotalCustomer változókat (VAR) , amelyeket a képlet első részében dolgozunk ki. A képlet Alacsony és Magas értékei az Ügyfélcsoportok tábla oszlopai . Így például ahhoz, hogy a legfelső csoportba kerüljön, az ügyfélnek 80% és 100% között kell lennie az eladások alapján.
Tehát ez a vevői rangszámítás, amely az idei eladásokon alapul . Ha most megnézzük az Ügyfélcsoport LY képletét, akkor csak az ügyfelek rangja változott, amely a tavalyi eladásokon alapul az idei eladások helyett .
Ugyanaz a logika, amely pontosan ugyanazon a táblázaton fut végig, de az előző év rangja alapján fut. És ez visszaadja azt a csoportot, amelyben az előző évben szerepelnek, és az aktuális évhez képest.
Következtetés
Ez a LuckyTemplates ügyfélszegmentációs technika lehetővé teszi számunkra, hogy táblázaton keresztül futtassunk és értékeljünk, és szöveges eredményt adjunk vissza. Össze tudjuk hasonlítani a tavalyi és az idei ügyfélköri eredményeket.
Az is nagyszerű, hogy ugyanazt a másodlagos táblát (Ügyfélcsoportok) használhatjuk a logika futtatására.egy adatmodellezési technika, amelyet egy másik oktatóanyagban mutattam be.
A DAX és az adatmodellezési technikák kombinálása lehetővé teszi számunkra, hogy kinyerjük ezt az értékes betekintést. Továbbá a negyedéves eredményeket is összehasonlíthattuk. Ugyanez a logika és technika érvényesülne.
Ez egy igazán hatékony technika, amelyet saját LuckyTemplates ügyfélszegmentációs jelentéseiben is alkalmazhat.
Minden jót!
Ebből a blogból megtudhatja, hogyan mentheti automatikusan az e-mail mellékleteket a SharePointba, majd törölheti az e-maileket a Power Automate segítségével.
A Microsoft LuckyTemplates irányítópult 18 legjobb példája 2023
Ismerje meg, hogyan hozhat létre <strong>Power Automate</strong> folyamatokat a semmiből. Sablon használata helyett mi magunk hozzuk létre a kiváltó okokat és a műveleteket.
4 módszer a Pi használatára a Pythonban példákkal
Ebben az útmutatóban bemutatom, hogyan lehet Pénzügyi információk mátrixát létrehozni a Profit és veszteség (P&L) kimutatással a LuckyTemplates alkalmazásban.
Fedezze fel, hogyan lehet dinamikusan egyesíteni oszlopokat a Power Query Table.CombineColumns függvény segítségével.
Ismerje meg, hogyan adhatjuk hozzá és szinkronizálhatjuk SharePoint-fájljainkat az asztalon és a OneDrive-on.
Tudja meg, miért fontos egy dedikált dátumtáblázat a LuckyTemplatesben, és ismerje meg ennek leggyorsabb és leghatékonyabb módját.
Ez a rövid oktatóanyag kiemeli a LuckyTemplates mobil jelentési funkcióját. Megmutatom, hogyan készíthet hatékony jelentéseket mobileszközökön.
Ebben a LuckyTemplates bemutatóban olyan jelentéseket tekintünk át, amelyek professzionális szolgáltatáselemzést mutatnak be egy olyan cégtől, amely több szerződéssel és ügyfél-elkötelezettséggel rendelkezik.
