Dodawaj, usuwaj i zmieniaj nazwy kolumn w R za pomocą Dplyr
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Analiza klienta to kluczowa rzecz dla każdej firmy, szczególnie jeśli masz dużą liczbę klientów. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.
W tym konkretnym samouczku omówię, w jaki sposób możemy stworzyć przekonującą analizę klienta w godzinach nadliczbowych .
Przyglądam się zachowaniom zakupowym klientów w różnych przedziałach czasowych i umieszczam je w wizualizacji , podkreślając informacje w taki sposób, abyś mógł podejmować na ich podstawie świadome decyzje.
Dzięki łatwości, z jaką możemy umieszczać filtry i fragmentatory na naszych stronach raportów w usłudze LuckyTemplates, możemy stworzyć naprawdę atrakcyjne wizualizacje i zobaczyć, co robią nasi klienci.
Możemy również dynamicznie klikać w grupy klientów i grupy wydajności.
Mówię trochę o tym, jak możesz to dość płynnie skonfigurować na stronie raportu i móc wyróżnić kluczowe informacje, które naprawdę będą miały wpływ na to, jakie działania podejmiesz z klientami.
Te działania mogą poprawić rzeczy, takie jak przeznaczanie większej ilości zasobów dla klientów, więcej pieniędzy na marketing lub reklamę i wiele innych tego rodzaju rzeczy.
Spis treści
Grupowanie klientów
Gdy masz wielu klientów, wykres może być bardzo zajęty i trudno byłoby zobaczyć zmiany w zachowaniu klientów w czasie. Nie będziesz w stanie skutecznie zaprezentować spostrzeżeń.
Ale pomyśl o tym w szerszym kontekście, jak to skonfigurować, co ci pokażę.
Musisz tylko pomyśleć o swoim obecnym modelu i o tym, jak możesz na nim budować, aby następnie zaprezentować spostrzeżenia.
W tym przykładzie zobaczysz, że mam pewien wybór czasu i próbuję pokazać całkowitą sprzedaż według całkowitych zysków. Ale chcę również pokazać, jak zmienia się to w czasie na klienta.
I widzisz, jak zajęty jest ten wykres, prawda?
Jest wielu klientów i tak naprawdę NIE jesteśmy w stanie zobaczyć zmian klientów. Nie możemy zobaczyć, jak poruszają się w czasie z perspektywy wydajności.
Więc musimy to rozbić i podzielić na segmenty. Musimy pogrupować tych klientów, co umożliwi nam dotarcie do bardzo niszowej grupy klientów, a być może nawet dalsze pogłębienie.
Tutaj możesz zobaczyć, że stworzyłem listę moich klientów i jest ona w rzeczywistości dość długa.
Jednak tak naprawdę nie chcemy schodzić tutaj i wybierać wszystkich klientów, prawda? Jeśli to zrobimy, tak naprawdę nie będziemy mogli zobaczyć, co wybraliśmy po tym, jak to zrobiliśmy.
Stworzyłem więc te grupy klientów, w których właśnie zbudowałem kolumnę obliczeniową, która klasyfikuje moich klientów w tych konkretnych grupach.
Pozwól, że ci pokażę, co tam zrobiłem. Mam tutaj swoje modele danych i skupimy się na tabeli klientów.
W mojej Tabeli Klientów zobaczysz, że pogrupowałem ich na podstawie Rankingu Sprzedaży Klientów, który jest tutaj.
Wszystko to naprawdę polega na uszeregowaniu w Total Sales.
To jest całkowita sprzedaż od początku czasu, więc nie ma na to filtra czasu. Innymi słowy, ocenia wszystkich klientów w czasie.
Jest to dla nas tylko sposób na rozbicie lub stworzenie innego wymiaru, który może następnie przeniknąć do określonych aspektów naszych klientów lub określonych grup naszych klientów.
To następnie sprowadziłoby się do wszystkich obliczeń , które ostatecznie wykonamy w naszej tabeli sprzedaży lub budżetowaniu i tak dalej.
Więc zamiast patrzeć na wszystkich moich klientów tutaj, mogę po prostu przejść do rangi 1-10, a na wykresie widać, że szybko się psuje.
Teraz naprawdę możemy zobaczyć lub zagłębić się w naszych klientów.
Wiercenie głębiej w klientach
Na przykład chcemy przeanalizować, w jaki sposób wydajność naszych klientów zmienia się w czasie dla naszych zysków w stosunku do sprzedaży. Możemy tu również umieścić ćwiartkę 3.
Dzięki temu możemy skutecznie monitorować tych klientów.
Na przykład chcemy monitorować State Ltd. Możemy go wybrać i być może dodać tutaj kolejny kwartał. Naprawdę możemy zacząć widzieć i znaleźć całkiem przyzwoite spostrzeżenia tutaj.
W drugim kwartale ten konkretny klient zaczął tutaj. I z jakiegoś powodu, w trzecim kwartale 2017 r., spadł tutaj. Ale potem powiększył się znacznie wyżej w czwartej kwarcie.
Zaczęliśmy w bardzo szczegółowej formie, jeśli chodzi o wizualizację i to, co pokazują spostrzeżenia. Ale dzięki wbudowanym funkcjom możemy stopniowo przechodzić do bardziej unikalnych lub szczegółowych informacji.
Jest to naprawdę dobry sposób do rozważenia, zwłaszcza gdy masz wielu klientów w swoim zbiorze danych.
Co więcej, mamy resztę naszych modeli do pracy. Na przykład chcemy przyjrzeć się tylko 5 pierwszym produktom, które kupił indywidualny klient, aby zobaczyć, czy to właśnie powoduje różnicę. I wygląda na to, że prawdopodobnie tak jest.
Inne rzeczy, które pokazują spostrzeżenia, to indywidualna analiza trendów i możemy zobaczyć, jak są one tworzone w czasie.
Istnieje wiele różnych sposobów ostatecznego filtrowania danych, a także drążenie różnych aspektów.
Analiza trendów klientów w LuckyTemplates przy użyciu języka DAX Segmentuj klientów na grupy — zaawansowany język DAX Przykład techniki segmentacji klientów przy użyciu modelu danych — LuckyTemplates i DAX
Wniosek
Ten blog przedstawia różne sposoby, dzięki którym analiza klientów w usłudze jest łatwa i skuteczna .
Jeśli dobrze skonfigurujesz swój model specjalnie z niektórymi technikami grupowania, możesz przejść do określonej grupy, której chcesz się przyjrzeć.
Możesz ustawić rzeczy, w których już przeglądasz podzbiór swoich danych i szybko przejść do konkretnych klientów lub klientów z początkowej grupy.
To naprawdę dobry przegląd tego, co możesz zrobić w ramach scenariusza raportowania opartego na spostrzeżeniach klientów . Tu nie chodzi dokładnie o jedną formułę czy jedną wizualizację. Jest to kompleksowy samouczek dotyczący tego, co można osiągnąć w bardzo skalowalny sposób za pomocą usługi LuckyTemplates.
Miłej pracy z tym.
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Odkryj różnorodne funkcje zbierania, które można wykorzystać w Power Automate. Zdobądź praktyczne informacje o funkcjach tablicowych i ich zastosowaniu.
Z tego samouczka dowiesz się, jak ocenić wydajność kodów DAX przy użyciu opcji Uruchom test porównawczy w DAX Studio.
Czym jest self w Pythonie: przykłady z życia wzięte
Dowiesz się, jak zapisywać i ładować obiekty z pliku .rds w R. Ten blog będzie również omawiał sposób importowania obiektów z R do LuckyTemplates.
Z tego samouczka języka kodowania DAX dowiesz się, jak używać funkcji GENERUJ i jak dynamicznie zmieniać tytuł miary.
W tym samouczku omówiono sposób korzystania z techniki wielowątkowych wizualizacji dynamicznych w celu tworzenia szczegółowych informacji na podstawie dynamicznych wizualizacji danych w raportach.
W tym artykule omówię kontekst filtra. Kontekst filtrowania to jeden z głównych tematów, z którym każdy użytkownik usługi LuckyTemplates powinien zapoznać się na początku.
Chcę pokazać, jak usługa online LuckyTemplates Apps może pomóc w zarządzaniu różnymi raportami i spostrzeżeniami generowanymi z różnych źródeł.
Dowiedz się, jak obliczyć zmiany marży zysku przy użyciu technik, takich jak rozgałęzianie miar i łączenie formuł języka DAX w usłudze LuckyTemplates.