Труба в R: підключення функцій за допомогою Dplyr
У цьому підручнику ви дізнаєтесь, як об’єднати функції разом за допомогою оператора каналу dplyr мовою програмування R.
Сьогодні я збираюся представити дивовижні речі, які ви можете зробити за допомогою техніки аналізу кошика . За допомогою Basket Analysis у LuckyTemplates ви можете спробувати проаналізувати продажі клієнтами однієї групи продуктів порівняно з іншою групою продуктів . Ви можете переглянути повне відео цього підручника внизу цього блогу
У LuckyTemplates є багато застосувань для цього. Але для цього підручника я хочу поділитися з вами найкращими практиками використання цієї техніки.
За допомогою цього типу аналізу ми можемо визначити тенденції продажів або купівельну поведінку клієнтів, які купують у нас або в наших магазинах.
Знаючи та розуміючи ці моделі, ми можемо краще керувати багатьма аспектами процесу продажів. Наприклад, краще управління запасами, можливості збільшувати продажі, цілеспрямованіший маркетинг і багато іншого.
У цьому аналізі кошика я в основному намагаюся показати клієнтів, які придбали певну групу товарів. А потім я спробую перевірити, чи вони також придбали іншу групу товарів.
Результати будуть дуже корисними, якщо ви хочете провести аналіз функцій щодо тих клієнтів , які купили одну групу продуктів, а не іншу. Потім ви можете підтримати їх ефективним маркетингом і рекламою.
Зміст
Модель LuckyTemplates для аналізу кошика
Перш за все, я збираюся перейти до своєї моделі, тому що саме тут ми можемо знайти найважливіший спосіб правильного аналізу кошика. Велика порада, коли ви виконуєте цей тип аналізу, полягає в тому, що інтегрувати такі вибірки, як ці кошики, у вашу основну модель є складним способом зробити це.
Подивіться на мою основну модель, яка є дуже простою.
Повертаючись до своїх даних, я скопіював дуже просту таблицю Products. Я щойно створив дві абсолютно однакові таблиці, але з різними назвами. Один називається початковим кошиком .
Другий називається кошиком вибору .
Ці кошики я називаю опорними столиками. Якщо ви подивіться на мою модель, ці таблиці не пов’язані з іншими таблицями.
Я просто збираюся інтегрувати обчислення з цих таблиць у основну модель. Але це потрібно робити через формулу, а не через стосунки. Особисто я вважаю, що це робить усе набагато легшим і чистішим, ніж надмірне ускладнення стосунків.
Це одна з моїх найкращих практичних порад щодо аналізу кошика. Створіть ці кошики окремо та використовуйте їх як опорні столи збоку від основної моделі. Тепер давайте подивимося на формули чи розрахунки, які я зробив і включив у таблиці.
Демонстрація клієнтів кошика
Як бачите, у таблиці я назвав кошики по-різному. Тепер це «Початкова корзина продуктів» і «Вибір продуктів» , тоді я можу вибрати кілька продуктів тут, коли поміщаю їх у слайсер.
Після цього я провів деякі розрахунки для унікальних клієнтів за допомогою наведеної нижче формули.
По суті, я просто запускаюфункція продажів на ім'я кожного клієнта.
У стовпці « Клієнти кошика» все починає ставати трохи складніше. Він обчислює, скільки клієнтів купили певну групу продуктів, яку я вибрав у розділі « Початковий кошик» .
Оскільки таблиця не має жодного відношення до таблиці продажів, де містяться всі транзакції, мені потрібно використати наведену нижче формулу.
Оскільки я обчислюю унікальних клієнтів, я також застосовую інший зв’язок або контекст усередині, використовуючифункція. Це дозволяє мені створити віртуальний зв’язок між початковим кошиком та індексом початкового кошика, а також індексом опису продукту у відповідних продажах.
Більше того, для стовпця Selection Customers я просто маю зробити те саме й використати точно той самий шаблон. Але цього разу він оцінює іншу підмножину продуктів на основі мого вибору.
Визначення загальної кількості клієнтів кошика
Тепер я приступаю до найважливішого аналізу кошика, і саме тут потрібна досконаліша логіка, щоб справді порівняти два кошики.
Я хочу порівняти всіх клієнтів, які купували в першому наборі кошика, з усіма клієнтами, які купували в другому наборі кошика. Ось чому я додав стовпець « Загальна кількість клієнтів кошика» .
Ось як я можу це зробити тут, використовуючи цю дуже просунуту формулу нижче.
Найважливіше, що тут слід враховувати, це те, що функція TREATAS повністю збігається з попереднім обчисленням. Але замість створення скалярних значень, він створить віртуальну таблицю за допомогоюфункція.
Таким чином, формула відкриє таблицю для клієнтів на основі вибору продуктів, які я зробив із продуктів початкового кошика та продуктів вибору .
Тоді я скориставсяфункція, щоб оцінити, які клієнти є частиною початкового кошика, а також включені до вибраного кошика.
Нарешті,функція завершує роботу, повертаючи загальну кількість клієнтів, присутніх в обох кошиках.
Додаткові поради та прийоми для аналізу кошика в LuckyTemplates
Чудова річ у цій техніці аналізу кошика полягає в тому, що ви фактично можете повторно використовувати формулу, коли хочете додати інший контекст.
Наприклад, я хочу включити контекст країни тут; Мені просто потрібно перенести це в таблицю для іншої візуалізації та додати формулу «Загальна кількість клієнтів кошика» в нову візуалізацію.
Тепер я можу показати загальну кількість клієнтів кошика для всіх цих різних країн. Це дуже застосовно в роздрібних магазинах, і його можна звузити до більш конкретних регіонів або груп клієнтів .
Як бачите, існує багато способів покращити аналіз вашого кошика. Цей підручник є лише вступом до чудової можливості аналізу кошика.
Висновок
Безумовно, варто детально зануритися в це, якщо цей конкретний аналіз є тим, що ви шукаєте чи потребуєте у своїх власних моделях.
Це дає змогу отримати багато високорівневих ідей, за якими ви можете перерозподілити свої ресурси чи фінансування у найбільш відповідні сфери для вашого бізнесу.
Ознайомтеся з більш поглибленими сесіями про аналіз кошика в майбутніх відео LuckyTemplates. Якщо ви хочете побачити більш складні аналітичні приклади, ви можете перевірити цей модуль на LuckyTemplates Online –.
Успіхів вам із цим!
***** Вивчаєте LuckyTemplates? *****
У цьому підручнику ви дізнаєтесь, як об’єднати функції разом за допомогою оператора каналу dplyr мовою програмування R.
RANKX від LuckyTemplates дозволяє повернути рейтинг певного числа в кожному рядку таблиці, який є частиною списку чисел.
Дізнайтеся, як розібрати файл PBIX, щоб витягти теми та зображення LuckyTemplates із фону та використовувати їх для створення звіту!
Шпаргалка формул Excel: Посібник середнього рівня
Календарна таблиця LuckyTemplates: що це таке та як ним користуватися
Дізнайтеся, як інсталювати мову програмування Python у LuckyTemplates і як використовувати її інструменти для написання кодів і відображення візуальних елементів.
Дізнайтеся, як обчислювати динамічну маржу прибутку за допомогою LuckyTemplates і як ви можете отримати більше інформації, глибше досліджуючи результати.
Дізнайтеся, як правильно сортувати поля зі стовпців розширеної таблиці дат. Це хороша стратегія для складних полів.
У цій статті я поясню, як знайти найпопулярніші продукти для регіону за допомогою обчислень DAX у LuckyTemplates, включаючи функції TOPN і CALCULATE.
Дізнайтеся, як використовувати вимірювання сміття для позначок низької потужності, які ви хочете ефективно включити у свою модель даних.