Когортний аналіз на основі часу – налаштування ваших моделей даних у LuckyTemplates

У цьому підручнику я збираюся глибоко зануритися в когортний аналіз на основі часу в LuckyTemplates.

Це короткий сеанс недавньої події для учасників LuckyTemplates. Ви можете переглянути повне відео цього підручника внизу цього блогу.

Я хочу показати вам, як я це налаштував. Це найскладніше завдання, коли ви починаєте виконувати більш складні обчислення.

Ви хочете знати, як правильно налаштувати свої моделі даних, щоб уникнути плутанини та переконатися, що модель LuckyTemplates працює.

Зміст

• Швидкий огляд когортного аналізу
• Створення когорт у LuckyTemplates
• Налаштування таблиці когортних місяців
• Статистика когортного аналізу
• Використані інші формули когортного аналізу
• Більше прикладів когортного аналізу
• Висновок

Швидкий огляд когортного аналізу

Перш ніж обговорити цю техніку, я хочу показати, які ідеї можна отримати з неї, а також короткий огляд когортного аналізу на основі часу.

Когорти – це чудовий спосіб викликати сегменти або групи ваших параметрів або змінних у ваших даних.

Наприклад, ви хочете переглянути групи своїх клієнтів.

Ви хочете створити когорти того, коли ваші клієнти вперше приєдналися або почали використовувати ваше програмне забезпечення чи програму.

Для цього випадку я створив когорти окремих місяців. Отже, якщо ваші клієнти почали роботу в червні 2017 року, це їх конкретна когорта.

Це не групування за сумами чи кількістю транзакцій з вами. Ви групуєтеся за часом.

Для цього прикладу це коли вони приєдналися.

Тепер я покажу вам, як створити ці когорти, а потім застосувати їх у вашій моделі.

Створення когорт у LuckyTemplates

Давайте подивимося на модель.

Це досить типова модель. Ось як ви хочете, щоб ваші моделі виглядали.

Ви бачите, що у мене є інший рівень таблиць пошуку.

Але перш ніж я покажу вам його призначення, я спочатку попрацюю над створенням цих когорт у таблиці пошуку.

Таблиця пошуку – це місце, де ви хочете згрупувати певний вимір. В даному випадку це клієнти.

Отже, давайте переглянемо мою таблицю клієнтів.

Спочатку моя таблиця «Клієнти» містила лише індекс клієнтів та імена клієнтів.

Але якщо ви хочете створити когорти всередині таблиць пошуку, вам потрібно розмістити їх там, де ви хочете, щоб відбулося сегментування.

Тепер я хочу визначити дату приєднання клієнта. У моїх демонстраційних даних датою приєднання є дата першого входу клієнта.

Перший вхід може бути, коли клієнт зареєструвався за допомогою електронної пошти або коли він вперше використав пробну версію програми.

Потрібно з’ясувати, коли вперше підключення було ініційовано клієнтом.

Я отримав цю інформацію за цією формулою:

Це використаннядати входу в систему . Потім я загорнув його вщоб переконатися, що я отримую правильний контекст фільтра. Це дає мені перше побачення.

Тепер мені потрібно відпрацювати місяць. Я хочу створити свої когорти на основі того, в якому місяці приєднався клієнт.

Ця техніка є дуже гнучкою, оскільки ви можете створювати різні когорти.

Але знову ж таки, для цього прикладу я використовуватиму місячну когорту, яка показує місяць і рік.

Це формула, яку я використовував для когорти місяця приєднання :

Я взяв стовпець «Місяць і рік» із таблиці «Дата», використовуючи цю логіку:

Я відпрацювавтаблиці Date і яка дата дорівнює даті приєднання клієнта. Потім, коли він дорівнює TRUE , він поверне стовпець «Місяць і рік» тієї ж таблиці. 

Завдяки цьому тепер у мене є Когорта місяця приєднання .

Налаштування таблиці когортних місяців

Тепер я хочу показати вам, чому я створив aстіл.

Повернемося до таблиці Customer.

Якщо ви залишите його з цією інформацією та логікою, ви можете не отримати кожну ітерацію місяця та року.

Це пояснюється тим, що клієнт міг не приєднатися протягом жодного місяця та року. Отже, щоб отримати хорошу візуалізацію, вам потрібно переконатися, що кожен окремий місяць і рік є посиланням у певній таблиці.

Крім того, це може бути пов’язано з тим, що потрібна вам інформація не входить до динамічного розрахунку всіх клієнтів.

Пам’ятайте, що постійно з’являються нові клієнти. Отже, ця інформація теоретично повинна завжди оновлюватися.

Ось чому я створив іншу таблицю за допомогою формули когортних місяців :

Я схопив Індекс істовпці з таблиці Дати. Ці два стовпці стали когортою MonthnYear .

Це таблиця дат:

Ви бачите, що він має багато стовпців, які містять багато інформації. Але для цього прикладу мені потрібні були лише стовпці «Індекс» і «Місяць і рік». Отже, я узагальнив таблицю дат за допомогою когорти місяців .

Тепер я маю кожну ітерацію, яка також стала унікальним значенням.

Тепер, якби цю інформацію було отримано з таблиці дат, на неї було б багато посилань. Але оскільки тепер це стовпець, що містить унікальні значення, він став простою таблицею пошуку.

Ви можете створити зв’язок «один до багатьох» іздо столу клієнта .

Цей зв’язок продовжуватиме фільтруватися до таблиці даних веб-сайту . Логіка CALCULATE буде в цій таблиці через її зв’язок із таблицею Customer.

Після того, як ви все це налаштували, у вас є розмір, який ви можете розмістити в матриці. Ця матриця надаватиме вам кожен місяць.

Статистика когортного аналізу

Ще одна цікава річ щодо когортного аналізу в LuckyTemplates полягає в тому, що ви можете аналізувати тенденції всередині когорт.

Для цього прикладу я хотів розробити мій Customer Churning.

Ви бачите, що у мене динамічна візуалізація. У мене є 641 клієнт, який приєднався до когорти червня 2017 року. Проте за перший період пішли 12 клієнтів.

Вам потрібно створити загальну таблицю, яка демонструватиме періоди, які ви придумали.

Для цього випадку я створив у своїй моделі таблицю під назвою « Когортні періоди».

Я також створив у ньому опорну таблицю.

Ви можете побачити, як я створив мінімальні та максимальні дні для кожного періоду. Це визначення часового вікна, яке потрібно проаналізувати для кожної окремої когорти.

Повертаючись до прикладу, ви можете побачити, що в періоді 2 було 14 клієнтів, які відмовилися протягом періоду 30 і 60 днів.

І коли ви йдете вниз по таблиці, ви можете бачити, як це значення змінюється для різних когорт.

В іншій таблиці показано значення у відсотках.

Відсотки краще порівнювати з числами, оскільки з них можна отримати цінну інформацію. Ви можете визначити тенденцію відходу клієнтів протягом певного періоду.

Ви можете визначити проблеми, які викликали цю тенденцію. Це може бути тому, що ви відмовилися від маркетингу та реклами, або що ви не отримуєте стільки продажів від своїх клієнтів.

Використані інші формули когортного аналізу

Це інші формули, які я використовував для цієї техніки когортного аналізу на основі часу в LuckyTemplates.

Ця формула динамічного збивання дозволила мені отримати розуміння з даних.

Коли ви зрозумієте методи динамічного групування за допомогою DAX, ви зможете отримати більше від свого звіту.

Більше прикладів когортного аналізу

Щоб показати можливості цієї техніки, я хочу додати ще один приклад.

Скажімо, я хочу окремо розглянути клієнтів у цій конкретній когорті, які відмовилися.

Я можу вибрати значення в своїй таблиці, і воно автоматично відображатиме окремі рівні клієнтів в іншій таблиці на основі того, як я це налаштував.

Висновок

Ви можете використовувати цю стратегію для будь-якої когорти, яку ви намагаєтеся створити. Це можуть бути когорти продуктів, регіонів або клієнтів.

Однак приклад у цьому посібнику є найбільш релевантним. Когортний аналіз популяризували програми SAS. Отже, ви повинні групувати своїх клієнтів залежно від того, коли вони відмовляються.

За допомогою цієї техніки ви можете створити неймовірний аналіз у LuckyTemplates.

Я сподіваюся, що цей посібник дав вам гарне уявлення про те, що таке когортний аналіз і як його застосовувати.

Все найкраще,