LuckyTemplates kundeattribusjonsanalyse ved bruk av avansert DAX

Vi skal komme videre i dag. Vi skal virkelig dykke dypt inn i kundefragang: analyse av nye kunder og tapte kunder i LuckyTemplates. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Et annet begrep for dette er avgangsanalyse fordi vi ønsker å se hvordan kundene våre churner, hvor mange av kundene våre som kommer om bord og kjøper produktene våre, hvor mange som kommer tilbake og kjøper noen flere, hvor mange kunder vi mister, og og så videre.

Det er så mange gode innsikter du kan oppnå med denne typen ganske avanserte analyser, og derfor ønsket jeg å bruke litt tid på å gå i dybden medog DAX-formler.

I dette kundeanalyseeksemplet begynner jeg å gå gjennom kundeavgang og utforske hvor mange kunder som går tapt etter en viss tidsramme. Jeg dykker også inn i nye kunder og tilbakevendende kunder.

Å analysere kundefragangen er en veldig viktig del av analyse for en organisasjon, spesielt hvis du er en høyfrekvent selgerbedrift som en nettforhandler eller en supermarkedskjede.

Selvfølgelig, hvis du får kunder om bord, ønsker du å selge dem mer og ikke miste dem til konkurrenter, for eksempel.

Det er mye lettere å selge til en eksisterende kunde enn det er å finne nye kunder.

Eksisterende kunder er avgjørende for de fleste virksomheter siden det er så mye mer lønnsomt å fortsette å markedsføre til dem i motsetning til å måtte finne nye kunder hele tiden.

Innholdsfortegnelse

• Finne tapte kunder
• Isolere nye kunder
• Å vite hvem som er tilbakevendende kunder
• Konklusjon

Finne tapte kunder

I denne første visualiseringen her har vi det vi vil vurdere overtid.

Dette punktet ned til omtrent 90 dager er ikke like relevant fordi når vi er på de aller første dagene, ser vi faktisk på alle som "tapt" for øyeblikket.

La oss nå gå gjennom funksjonen for å se hva vi gjør her.

I denne formelen teller vi opp kundene som ikke har kjøpt de siste 90 dagene , eller hva som er den variable avgangsdatoen din.

Vi lager en virtuell tabell for hver enkelt kunde gjennom denne CustomersList- variabelen.

Vi filtrerer alle kunder for enhver dag. Og det vi gjør med ALL er at vi faktisk ser på hver enkelt kunde i hver enkelt dag.

Og så for hver enkelt kunde vurderer vi om de har foretatt et kjøp de siste 90 dagene. Hvis de ikke har det, kommer det til å evaluere til 0 og telle den kunden.

Isolere nye kunder

La oss nå se på våre nye kunder og se hva de evaluerer til.

I denne tabellen ser vi at det er mer på de tidligere datoene, januar til juli fordi vi nettopp startet virksomheten vår. Folk er generelt nye.

Så flater det tydeligvis ut mot slutten fordi vi bare har returkundene våre der.

Dens funksjon gjør lignende logikk. Vi teller ut hvor mange kunder som har foretatt et salg før i dag.

Og hvis de ikke har kjøpt noe, som kommer til å evalueres som 0, så evalueres det som ny kunde.

Å vite hvem som er tilbakevendende kunder

Tilbakevendende kunder er de som har blitt vurdert som tapt.

De har med andre ord ikke kjøpt noe på 90 dager. Over tid vil vi beregne hvor mange som faktisk kommer tilbake.

Dette ville være en fantastisk innsikt hvis du kjører kampanjer eller driver med markedsføring, og du vil vite hvor mange av disse tapte kundene du fikk tilbake gjennom markedsføringsaktivitetene dine.

I formelen for returkunder vurderer vi kun kunder som faktisk har kjøpt på en gitt dag.

Så her kjører vi litt logikk på hver kunde, og evaluerer om de har solgt i løpet av de siste 90 dagene.

Hvis de ikke har kjøpt de siste 90 dagene, anses de å returnere. Evaluer deretter til sant, og tell ut den kunden den aktuelle dagen.

Konklusjon

Denne opplæringen påkundeanalyse er ganske avansert i DAX-beregninger. Dette viser bare den analytiske kraften du kan ha med LuckyTemplates.

Tidligere ville denne typen informasjon koste mye penger å generere. Men nå kan du oppnå denne fantastiske innsikten gjennom en ren og effektiv formel, ved å bruke DAX-språket.

Husk at det faktisk stemmer overens med datamodellen. Alt er innlemmet der.

Vi kan faktisk plassere noen filtre på dette. For eksempel, vi ønsker å dykke inn i bare én stat, si Florida, eller våre topp 3 stater, alt evalueres dynamisk.

Jeg dykker ned i så mange teknikker i videoen. Noen er veldig avanserte, men du vil absolutt bli utsatt for disse tingene.

Hvis du kan se mulighetene og potensialet med LuckyTemplates, kan hjernen din bare eksponentielt utvides med mulighetene for å kjøre analyser over dine egne datasett.

Som en sidenotat dekker jeg en rekke av alle de mest avanserte LuckyTemplates-teknikkene du kan tenke deg på kurset på , så sjekk det ut når du kan.

Lykke til og lykke til med disse teknikkene.