Nem is olyan régen befejeztem egy teljes forgatókönyv-módszer munkamenetet a LuckyTemplates tagjai számára. Egy egész munkameneten dolgoztam, amely sokféle elemzést tartalmazott, beleértve az elveszett ügyfeleket, az állandó ügyfeleket és az új ügyfelek elemzését . Az oktatóanyag teljes videóját a blog alján tekintheti meg.
Mindegyik nagy elemző munkát végzett az ügyféladatokban rejlő üzleti potenciál maximalizálása érdekében.
Ebben a konkrét oktatóanyagban azt szeretném lebontani, hogy valójában hogyan .
De minden bizonnyal vita tárgyát képezi, hogy szervezete vagy iparága alapján mit minősítene „új ügyfélnek”. Olyan valaki, aki a vállalkozása kezdete óta soha nem vásárolt? Ez az elemzés egészen egyedi. De időnként érdemes valamilyen időkeretet rászánni. Ha az ügyfél nem vásárolt az adott időszakban, akkor újnak tekintheti, ha visszatér.
A definíciódtól függetlenül azonban a technika nagyon hasonló lesz ahhoz a példához, amelyet végigvezetek.
Tartalomjegyzék
Az új ügyfelek elemzéséből származó betekintés megértése
Ez az oktatóanyag meglehetősen fejlett, és megköveteli a táblafüggvények és a LuckyTemplates virtuális tábláinak megértését . De ezt részletesen végig fogom nézni az oktatóanyagban. Megmutatom azokat a képleteket is, amelyekkel dinamikusan kiemelheti ezeket az adatokat a LuckyTemplates jelentésekben.
Először egy mintaelemzést szeretnék bemutatni ebben a dinamikus ablakban.
Ebben a konkrét esetben azokat tekintem új vásárlóknak, akik az elmúlt 90 napban nem vásároltak semmit.
A modell eléréséhez először be kell állítani a paramétereket és a képletet. Ehhez kattintson a Modellezés , majd az Új paraméter elemre.
Létrehoztam egy egyszerű táblázatot is a lemorzsolódási időkerethez az alábbi képlet segítségével .
Az ügyfelek lemorzsolódása azokra a vevőkre vonatkozik, akik egy bizonyos időn belül abbahagyták egy adott vállalat termékének vagy szolgáltatásának vásárlását.
Most, hogy az elemzés dinamikusabb legyen, ténylegesen meghosszabbíthatom a lemorzsolódási időt. Eredetileg 90 napom van, de fel tudom emelni 180 napra. Akár rövidebb időkeretre is tudok menni.
Példaként használhatjuk az Amazont. Ha 90 vagy 180 napig nem vásárolt semmit az Amazon-tól, elveszett vásárlónak tekinthetik. Ezt követően valószínűleg ki fognak küldeni bizonyos marketingformákat, hogy visszakapja „új” ügyfélként.
Ez a legfontosabb dolog, amiről ebben a videóban fogok beszélni. A kulcs az új ügyfelek tényleges megoldásához vagy kiszámításához , amelyek sokat elárulhatnak marketingtevékenységeinek sikerességéről .
Képlet az új ügyfelek elemzéséhez
Tehát csak fussuk át ezt a képletet itt az új ügyfelek számára . Ez a képlet azokat az ügyfeleket számítja ki, akik vásároltak valamit az aktuális hónapban, de nem vásároltak semmit az azt megelőző 90 napon belül.
Először is, a CustomerTM képlet kiértékeli az adott hónap vásárlói eladásait.
Ennek a képletnek az eredményeit az alábbi táblázat oszlopában láthatja .
Ezt követően a PriorCustomer képlet segítségével megkerestem azokat az ügyfeleket, akiknek az elmúlt 90 napra vonatkozó korábbi rekordjaik vannak. Ez csak azt jelenti, hogy állandó vásárlók.
A jelenlegi kontextus helyett ennek a táblázatnak az időkeretét vagy kontextusát kell módosítanunk a használatával.
Én is hozzáadtam afüggvény segítségével eltávolíthat minden kontextust a dátumoknál, és újra alkalmazhatja a szűrőt a 90 napos időablak alapján. Ez a képlet lényege.
Most afüggvény két ilyen táblát értékel ki. Ezt követően visszaadja az egyedi ügyfelek táblázatát.
Ezek után hozzáadtam aképlet az egyedi ügyfelek megszámlálásához.
Ezt követően az alábbihoz hasonló új ügyfélelemzéssel állhatok elő.
Nézzük meg ezt a 2017. márciusi példát .
Összesen 282 ügyfelünk van , és ezt értékeli a CustomerTM formula. Ezen ügyfelek közül csak 191 nem vásárolt semmit az elmúlt 90 napban. Így új vásárlóknak tekintjük őket.
Ennek az új ügyfélelemzésnek a segítségével kiderítheti, hogy marketingtevékenységei sikeresek-e új ügyfelek bevonásával a vállalkozásba.
Következtetés
Általában egy új ügyfél többe kerül, mint egy meglévő ügyfél. Tehát sok szervezet számára nagyon fontos, hogy megértse a trendeket, amelyek mögött kik vásárolnak Öntől.
Ez egy igazán hatékony mérőszám arra, hogy megértse ügyfelei összetételét bármely időszakban. Ebben a konkrét esetben hónapról hónapra megmutatjuk.
Ez a technika lehetővé teszi annak megértését, hogy valójában mennyibe kerül, hogy bevételt szerezzen a szervezetben.
Lent hagyok egy linket a leírásban, ha valóban meg szeretné tekinteni ezt a teljes műhelyt. Mindössze annyit kell tennie, hogy frissítse tagságát, hogy újra lejátszhassa és letölthesse a teljes erőforrást.
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.
