Методи сегментації клієнтів за допомогою моделі даних – LuckyTemplates & DAX

У цій публікації блогу я покажу вам, як використовувати методи сегментації клієнтів за допомогою моделі даних у LuckyTemplates. Ви можете переглянути повне відео цього підручника внизу цього блогу.

Іноді ваші вихідні дані не містять усієї інформації, необхідної для демонстрації чогось у LuckyTemplates. Але нехай це вас не зупиняє.

Все, що вам потрібно, це уявити, як ви можете побудувати свою модель даних або використати якусь додаткову логіку у ваших таблицях пошуку, яка може забезпечити набагато більше розуміння, ніж ви могли думати, що це можливо з необробленими даними, які ви маєте в їх поточній формі.

Я розповім вам детальний приклад того, як ви можете сегментувати своїх клієнтів, оцінюючи, чи є вони хорошими клієнтами, нормальними чи поганими клієнтами.

Зміст

• Сегментація клієнтів на основі продуктивності
• Створення таблиці групування клієнтів
• Таблиці пошуку та обчислювані стовпці
• Розрахунок різниці продажів
• Використання логіки SWITCH
• Висновок

Сегментація клієнтів на основі продуктивності

По суті, ми працюватимемо над тим, як сегментувати ваших клієнтів на основі ефективності.

Ви можете використовувати цю техніку для сегментації практично будь-чого, але я хотів показати, наскільки ефективною може бути демонстрація розуміння у вашому звіті на основі реального сценарію.

Використовуючи модель даних, ми можемо швидко виділити кожен конкретний сегмент для аналізу. Ми можемо побачити основні чинники, які відрізнятимуть наших клієнтів як чудових, хороших, середніх або поганих з точки зору продажів.

Я створив роздільник або фільтр , який дає мені змогу аналізувати клієнтів як чудових, хороших, середніх або поганих на основі візуалізацій, які ми розмістили в нашому звіті.

Візуалізація покаже нам, коли почалося розбіжність (лютий 2016) і чому є розбіжність.

Важливо показати причину за допомогою візуалізацій у звітах.

У нижній частині нашого звіту ми можемо побачити, коли саме відбулося розходження.

Ми також можемо розглянути наші продукти, щоб визначити, які продукти спричинили цю розбіжність і зробили цих клієнтів чудовими. Ми можемо дізнатися, які продукти дозволили клієнтам купувати у нас більше, ніж раніше.

Що також круто, так це слайсери в наших візуалізаціях. Вони фільтруватимуть на основі того, що ми інтегрували в нашу модель, а потім вони також збираються фільтрувати на основі будь-якої групи продуктивності чи сегмента, який ми вибрали.

Давайте подивимося на наших бідних клієнтів, натиснувши «Погані продажі» на розділювачі. Потім ми можемо побачити, які клієнти погано працюють у стовпці під роздільником.

Дивлячись на діаграму порівняння сукупних часових рамок продажів, ми можемо порівняти продажі цього року з продажами минулого року. Чому між ними велика різниця? Це якось пов’язано з продуктами чи націнкою?

На всі ці запитання можна отримати відповіді та продемонструвати їх, використовуючи методи сегментації клієнтів, які я вам покажу.

Створення таблиці групування клієнтів

Отже, як я виконав цю техніку? Спочатку повернемося до моделі. Я створив таблицю під назвою.

Це те, чого вам не потрібно робити, але мені подобається створювати це, оскільки це дає мені окрему таблицю, яка демонструє групи клієнтів. Я також поставив індекс біля груп, щоб ми могли фільтрувати або сортувати їх від чудових до поганих.

Очевидно, нам знадобиться з’єднання від таблиці Customer Grouping до таблиці Customers , оскільки нам потрібно згрупувати наших клієнтів певним чином.

Давайте поглянемо на моїх клієнтів, яких мені потрібно сегментувати.

Ось де з’являються обчислювані стовпці всередині цих пошукових таблиць .

Таблиці пошуку та обчислювані стовпці

Таблиці всередині синього прямокутника ми називаємо таблицями пошуку .

Тут ми можемо розмістити наші обчислювані стовпці .

Тепер деякі з вас можуть подумати, що ви можете зробити цю динаміку за допомогою заходів. Ну, ви абсолютно можете.

Однак я хотів зробити це з певного моменту часу. Це залежить від ситуації, і ви можете використовувати обчислювані стовпці або заходи.

Використовуючи обчислювані стовпці, я хотів переглянути наші продажі з певного моменту часу. У цьому випадку я хотів звернути увагу на продажі за 2016 та 2015 роки .

Для цього я використав функцію CALCULATE і розмістив у ній фільтр, щоб я отримував продажі лише за певний період часу.

Розрахунок різниці продажів

Потім із продажів за 2016 рік і продажів за 2015 рік я можу отримати різницю продажів за допомогою цієї формули:

Різниця в продажах – це те, з чого ми можемо почати сегментувати наших клієнтів на основі продажів.

Використання логіки SWITCH

Різниця в продажах між 2016 і 2015 роками визначатиме, до якої групи ефективності належатимуть наші клієнти. Ось тут і з’являється логіка ПЕРЕМІНУ .

Theлогіка дозволяє створювати додаткові розміри, які виглядають як вкладені оператори IF , які виглядають краще.

Ми можемо зробити заяви, які стверджують, що якщо різниця в продажах клієнта перевищує або дорівнює 200 000 доларів США, то він або вона є чудовим клієнтом.

Таким чином ми визначаємо, до якого сегмента чи групи віднести наших клієнтів. Ця техніка є дуже адаптивною, і її можна застосовувати в будь-якому вимірі та будь-якій таблиці пошуку.

Ви можете ще більше спростити це, не використовуючи стовпці продажів за 2016 і 2015 роки та стовпець «Різниця продажів». Ви можете просто помістити всю логіку всередину міри.

Але в цьому випадку я хотів показати вам, як використовувати обчислювані стовпці в таблицях пошуку для створення цих сегментів інформації.

Якщо ми повернемося до нашої остаточної візуалізації, то саме до цього слайсера

надходить із цього столу.

Theпотім фільтрує обчислення та логіку, виконану в таблиці «Клієнти» . Потім цей зв’язок фільтрується до інших таблиць.

Таким чином усі наші візуалізації можуть оновлюватися на основі сегмента клієнтів, який ми вибираємо в розділювачі.

Завдяки цьому підручнику ми змогли продемонструвати методи сегментації клієнтів і показати різні способи розділення наших даних.

Чудо всього цього полягає в тому, що його не існувало в нашій фактичній моделі; ми повинні були створити його за допомогою логіки.

Висновок

У більшості випадків ви хочете зосередитися на своїх найкращих клієнтах, оскільки саме з них ви отримуєте більшість хороших результатів. Отже, ви хочете визначити тенденції щодо продуктивності та провести поглиблений аналіз цього конкретного сегмента ваших даних .

Використовуючи цю техніку, ми можемо виділити наших хороших клієнтів і зрозуміти, чому вони хороші. Ми можемо зрозуміти, чому вони показали хороші результати, і спробувати відтворити це для всіх інших клієнтів, які показали погані результати.

Ось про що цей підручник. Ви можете повторно використовувати ці методи сегментації клієнтів у різних аналітичних сценаріях. Мова йде не лише про клієнтів, але це те, на чому я зосередився в цьому конкретному випадку.

Щоб дізнатися більше про практичні способи використання LuckyTemplates для пошуку важливої ​​інформації, перегляньте цей модуль курсу на LuckyTemplates Online. Є чому навчитися на цьому одному курсі.

***** Вивчаєте LuckyTemplates? *****