LuckyTemplates Analytics: Kjør scenarieanalyse på gjennomsnittlig ordrestørrelse

I denne opplæringen dykker vi ned i kraften til LuckyTemplates-analyse . Jeg skal gå gjennom noe ganske praktisk for en forhandler som selger varer med høy frekvens. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Når du er en bedrift som selger mange varer – for eksempel en nettforhandler – hvis du kan analysere hvor mye du vil ha nytte av å øke den gjennomsnittlige ordrestørrelsen , har du en analyse som på en svært effektiv måte kan gjøres om til en plan for angrep som vil gjøre en stor forskjell for bunnlinjen.

Fra denne innsikten kan du kjøre kampanjer eller markedsføringsarrangementer som er fokusert på kundene der du føler at du kommer til å få høyest avkastning.

Med dette eksemplet dekker jeg noen forskjellige DAX-teknikker. Det er mye å ta fra det, spesielt fra et teknisk synspunkt. Du kan lære hvordan du kjører iterasjonsfunksjoner over de underliggende datatabellene dine for å oppdage denne spesielle innsikten , men også se potensialet for mange flere innsikter akkurat som det.

Innholdsfortegnelse

• Kjøre scenarieanalyse på bestillingsstørrelse
• Bruke itererende funksjoner
•  Viktige punkter
• Konklusjon

Kjøre scenarieanalyse på bestillingsstørrelse

Her har jeg brukt parameterfunksjonen opp til å lage en dynamisk scenarioanalyse på ordrestørrelsen. Dette er en fantastisk måte å bruke LuckyTemplates-analyse på.

I dette tilfellet ønsker vi å se hva som kommer til å skje med salget vårt over tid hvis vi øker vår gjennomsnittlige ordrestørrelse . Vi har her muligheten til å velge hvor mye vi ønsker å øke. Vi kan ha $80 eller $230, helt opp til $250 som maksimum. Vi kan også se på hvordan det påvirker over tid.

Fra dette kan vi planlegge godt om vi ønsker å kjøre en kampanje eller gjøre noe annonsering. Vi kan foreta en analyse av hvilken innvirkning ordrestørrelsen vår har på salget, hvis for eksempel vi kan øke gjennomsnittlig ordrestørrelse basert på noen oppsalg eller krysssalg med salgsteamet vårt som er opplært til å anbefale disse produktene.

Nøkkelen er å ha en god forståelse av itererende funksjoner fordi det er i hovedsak det du trenger å bruke for å inkludere denne gjennomsnittlige ordrestørrelsesverdien.

Bruke itereringsfunksjonen s

Itererende funksjoner har vanligvis en X på slutten. Det er noen andre som ikke har, men hovedsakelig de du virkelig trenger å forstå tidlig er SUMX, AVERAGEX og mange flere. Disse funksjonene itererer gjennom hver enkelt rad i en tabell.

I dette tilfellet har vi spesifisert Salgstabellen . Det vi gjør her er at for hver enkelt rad i salgstabellen ser vi på hvor mye vi solgte og multipliserer det med hvilken pris produktet var.

Med andre ord, vi beregner et salg for hver transaksjon til hver rad med dataene våre. Hvis vi nå vil plassere noen scenarier over om vi kan øke gjennomsnittsbestillingene våre, må vi på en eller annen måte inkorporere en variabel i denne rad for rad-beregningen .

Så vi må multiplisere kvantitet med gjeldende pris og med vår økning i ordrestørrelse. I dette tilfellet må vi ta tak i denne variabelen som ble opprettet fra den nye parameteren og mate den inn i iterasjonsfunksjonen her.

Det er slik vi kommer til vår Salg med Order Bump- beregning.

Så for eksempel øker vi vår gjennomsnittlige ordre med $250 ved å gjøre noen oppsalg eller krysssalg, så er dette hva virkningen vil være kumulativt.

Vi tar så tak i denne nye beregningen, og jeg legger den inn i mønsteret vårt, der vi bruker.

Vi sammenlignet det kumulativt med salget vårt uten bestillingssvingninger, og det er slik vi får forskjellen. Deretter forgrener vi oss til Sales Gains .

 Viktige punkter

Jeg anbefaler at du starter med det innledende scenariet, og deretter forgrener du det til disse forskjellige kumulative totale mønstrene. På denne måten kan du visualisere ting på en litt annen måte.

Du kan starte med å mate inn variabelen, men deretter finne ut hva visualiseringen din er og implementere DAX-formelen som faktisk bringer deg dit.

Deretter kan du bruke kraften til datamodellen , som vi gjorde i eksemplet. Vi legger bare til flere produkter fordi vi for øyeblikket bare øker bestillingsverdien til disse produktene. Når vi legger til produktene, kan vi se hvordan det kommer til å påvirke oss over en hvilken som helst tidsramme.

Alle disse andre tingene, for eksempel Datoer-kolonnen, produktnavnet osv., henter bare inn dimensjoner fra resten av datamodellen vår. Vi inkorporerer dem ganske enkelt i rapporten vår og skaper overbevisende innsikt.

Kompleks 'Hva hvis'-analyseeksempel i LuckyTemplates som bruker DAX

Konklusjon

Denne analysen er veldig praktisk og kommersiell, og det er derfor jeg liker den så godt . Det kan tilføre mye verdi til organisasjoner som selger med høy frekvens, raskt.

Du vil kunne svare på spørsmålet, hvis jeg økte min gjennomsnittlige ordrestørrelse, hva vil det gjøre med lønnsomheten min? Hva kommer det til å gjøre sammenlignet med hvis vår gjennomsnittlige ordrestørrelse faktisk gikk ned?

Sjekk det ut og prøv å jobbe disse teknikkene inn i dine egne modeller.

Beste ønsker!