Kundanalys i LuckyTemplates; Granska prestanda över tid

Kundanalys är en avgörande sak att göra för alla företag, speciellt om du har ett stort antal kunder. Du kan se hela videon av denna handledning längst ner på den här bloggen.

I just den här handledningen arbetar jag igenom hur vi kan skapa övertygande kundanalys övertid .

Jag tittar på kundernas köpbeteende mellan olika tidsramar och lägger dem i en , och lyfter fram informationen på ett sätt så att du kan fatta välgrundade beslut om den.

På grund av den lätthet med vilken vi kan placera filter och skivare över våra rapportsidor i LuckyTemplates, kan vi verkligen skapa några riktigt övertygande visualiseringar och se vad våra kunder gör.

Vi kan även dynamiskt klicka oss in i kundgrupper och prestationsgrupper.

Jag pratar lite om hur du kan ställa in detta på en rapportsida ganska sömlöst och kunna lyfta fram nyckelinformationen, vilket verkligen kommer att påverka vilka åtgärder du vidtar med dina kunder.

Dessa åtgärder kan förbättra saker som att lägga mer resurser på kunderna, mer pengar till marknadsföring eller reklam och så många saker av den karaktären.

Innehållsförteckning

• Gruppera dina kunder
• Borra djupare in i kunder
• Slutsats

Gruppera dina kunder

När du har många kunder kan ditt diagram vara mycket upptaget och det skulle vara ganska svårt att se förändringarna i ditt kundbeteende över tiden. Du kommer inte att kunna visa upp insikterna på ett effektivt sätt.

Men tänk på det i bredare termer av hur man ställer in det här, som jag kommer att visa dig.

Du behöver bara tänka på din nuvarande modell och hur du kan bygga på den modellen för att sedan visa upp insikterna.

I det här exemplet ser du att jag har ett visst tidsval och jag försöker visa den totala försäljningen efter total vinst. Men vad jag också vill visa är hur detta förändras över tid per kund.

Och du ser hur upptagen det här diagrammet är, eller hur?

Det finns många kunder och vi kan INTE riktigt se förändringarna hos kunderna. Vi kan inte se hur de rör sig genom tiden i prestationsperspektivet.

Så vi måste bryta upp det och segmentera det. Vi behöver gruppera dessa kunder, vilket gör att vi kan borra in i en mycket nischad kundgrupp, och kanske borra ännu längre.

Här kan du se att jag har satt upp en lista över mina kunder och den är faktiskt ganska lång.

Men vi vill inte riktigt gå ner hit och välja ut alla kunder, eller hur? Om vi ​​gör det kan vi inte riktigt se vad vi har valt efter att vi har gjort det.

Så jag har skapat dessa kundgrupper, där jag precis byggt en beräknad kolumn som rankar mina kunder i just dessa grupper.

Låt mig visa dig vad jag har gjort där. Jag har mina datamodeller här och vi kommer att fokusera på kundtabellen.

I min kundtabell ser du att jag har grupperat dem baserat på kundförsäljningsrankningen, vilket är den här.

Allt detta gör egentligen är att ranka den totala försäljningen.

Detta är total försäljning från tidernas begynnelse, så det finns inget tidsfilter på detta. Med andra ord rankas alla kunder över tiden.

Det är bara ett sätt för oss att kunna bryta upp eller skapa en annan dimension som sedan kan borra i specifika aspekter av våra kunder eller specifika grupper av våra kunder.

Detta skulle sedan flyta ner till allasom vi så småningom kommer att göra över vår försäljningstabell eller budgetering, och så vidare.

Så istället för att titta på alla mina kunder här, kan jag bara gå 1-10, och du kan se i diagrammet att det går sönder snabbt.

Nu kan vi verkligen se eller borra i våra kunder.

Borra djupare in i kunder

Vi vill till exempel analysera hur våra kunders prestationer förändras över tiden för våra vinster kontra försäljning. Vi kan lägga här Quarter 3 också.

Detta gör det möjligt för oss att övervaka dessa kunder effektivt.

Vi vill till exempel övervaka State Ltd. Vi kan välja det och kanske lägga till ytterligare en fjärdedel här. Vi kan verkligen börja se och hitta några ganska anständiga insikter här.

Under andra kvartalet började just den här kunden här. Och av någon anledning, under tredje kvartalet 2017, sjönk det långt tillbaka här. Men sedan zoomade hela vägen tillbaka upp mycket högre under fjärde kvartalet.

Vi började i en mycket detaljerad form vad gäller visualiseringen och vad insikterna visar upp. Men genom funktionaliteten som vi har inbyggd kan vi successivt gå över till mer unika eller specifika insikter.

Detta är ett riktigt bra sätt att tänka på speciellt när du har många kunder i din datamängd.

Dessutom har vi resten av våra modeller att arbeta med. Så till exempel vill vi titta på bara de första 5 produkterna som den enskilda kunden har köpt för att se om det är detta som orsakar skillnaden. Och det ser det nog ut som det är.

Andra saker som visar upp insikter är den individuella trendanalysen och vi kan se hur de faktiskt är uppbyggda över tiden.

Det finns många olika sätt du kan göra för att filtrera data så småningom och du kan också gå in på olika aspekter.

Slutsats

Den här bloggen visar upp de olika sätt som du kan göra för att göra kundanalys enkel och effektiv inuti.

Om du ställer in din modell väl speciellt med några grupperingstekniker, så kan du borra in i den specifika grupp du vill titta på.

Du kan ställa in saker där du redan tittar på en deluppsättning av dina data och snabbt borra in i specifika kunder eller kunder från den första gruppen.

Det här är en riktigt bra genomgång av vad du kan göra kring ett rapporteringsscenario baserat på kundinsikter . Det här handlar inte precis om en formel här eller en visualisering. Det är en allomfattande handledning kring vad som kan uppnås på ett mycket skalbart sätt med LuckyTemplates.

Njut av att arbeta igenom den här.