LuckyTemplates kundtillskrivningsanalys med avancerad DAX

Vi ska bli avancerade idag. Vi ska verkligen dyka djupt in i kundförlust: analys av nya kunder och förlorade kunder i LuckyTemplates. Du kan se hela videon av denna handledning längst ner på den här bloggen.

En annan term för detta är attritionsanalys eftersom vi vill se hur våra kunder churning, hur många av våra kunder som kommer ombord och köper våra produkter, hur många som kommer tillbaka och köper några till, hur många kunder vi tappar, och så vidare.

Det finns så många fantastiska insikter som du kan uppnå med den här typen av ganska avancerad analys, varför jag ville ägna lite tid åt att fördjupa mig ioch DAX-formler.

I det här kundanalysexemplet börjar jag gå igenom kundförlust och utforska hur många kunder som går förlorade efter en viss tidsram. Jag dyker även in i nya kunder och återkommande kunder.

Att analysera din kundförlust är en mycket viktig del av analysen för en organisation, särskilt om du är en högfrekvent säljverksamhet som en onlineåterförsäljare eller en stormarknadskedja.

Uppenbarligen, om du får kunder ombord, vill du sälja dem mer och inte förlora dem till konkurrenter, till exempel.

Det är mycket lättare att sälja till en befintlig kund än att hitta nya kunder.

Befintliga kunder är avgörande för de flesta företag eftersom det är så mycket mer lönsamt att fortsätta marknadsföra till dem i stället för att behöva hitta nya kunder hela tiden.

Innehållsförteckning

• Hitta förlorade kunder
• Isolera nya kunder
• Att veta vilka som är återkommande kunder
• Slutsats

Hitta förlorade kunder

I denna första visualisering här har vi vad vi skulle anse övertid.

Denna punkt ner till bara cirka 90 dagar är inte lika relevant eftersom när vi är på de allra första dagarna, betraktar vi faktiskt alla som "förlorade" för tillfället.

Låt oss nu gå igenom funktionen för att se vad vi gör här.

I den här formeln räknar vi upp de kunder som inte har köpt under de senaste 90 dagarna, eller vad som nu är ditt variabla churndatum.

Vi skapar en virtuell tabell för varje enskild kund genom denna CustomersList- variabel.

Vi filtrerar alla kunder för vilken dag som helst. Och vad vi gör med ALL är att vi faktiskt tittar på varje enskild kund varje enskild dag.

Och sedan för varje enskild kund utvärderar vi om de har gjort ett köp under de senaste 90 dagarna. Om de inte har det, kommer det att utvärderas till 0 och räkna den kunden.

Isolera nya kunder

Låt oss nu titta på våra nya kunder och se vad de utvärderar till.

I den här tabellen ser vi att det är mer på de tidigare datumen, januari till juli eftersom vi precis startat vår verksamhet. Människor är i allmänhet nya.

Sedan planar det uppenbarligen ut mot slutet eftersom vi bara har våra återkommande kunder där.

Dess funktion gör liknande logik. Vi räknar ut hur många kunder som har gjort en rea innan idag.

Och om de inte har köpt något, som kommer att utvärderas som 0, utvärderas det som ny kund.

Att veta vilka som är återkommande kunder

Återkommande kunder är de som har bedömts som förlorade.

De har med andra ord inte köpt något på 90 dagar. Med tiden kommer vi att räkna ut hur många som faktiskt kommer tillbaka.

Detta skulle vara en fantastisk insikt om du driver kampanjer eller gör marknadsföring, och du vill veta hur många av dessa förlorade kunder du fick tillbaka genom dina marknadsföringsaktiviteter.

I formeln för återkommande kunder utvärderar vi bara kunder som faktiskt har köpt en viss dag.

Så här kör vi lite logik på varje kund och utvärderar om de har gjort en försäljning under de senaste 90 dagarna.

Om de inte har köpt de senaste 90 dagarna anses de returnera. Utvärdera sedan till sant och räkna bort den kunden just den dagen.

Slutsats

Denna handledning påkundanalys är ganska avancerad i DAX-beräkningar. Detta visar bara upp den analytiska kraften som du kan ha med LuckyTemplates.

Tidigare skulle den här typen av information kosta mycket pengar att generera. Men nu kan du uppnå dessa fantastiska insikter genom en ren och effektiv formel, med hjälp av DAX-språket.

Kom ihåg att det faktiskt överensstämmer med datamodellen. Allt är inbyggt där.

Vi kan faktiskt placera några filter på detta. Till exempel, vi vill dyka in i bara en stat, säg Florida, eller våra topp 3 stater, det hela utvärderas dynamiskt.

Jag dyker in i så många tekniker i videon. Vissa är väldigt avancerade, men visst vill du få exponering för dessa saker.

Om du kan se möjligheterna och potentialen med LuckyTemplates, kan ditt sinne bara expandera exponentiellt med möjligheterna att köra analys över dina egna datamängder.

Som en sidoanteckning täcker jag en mängd av alla de mest avancerade LuckyTemplates-teknikerna som du kan tänka dig i kursen på , så kolla in det när du kan.

Allt gott och lycka till med dessa tekniker.