Tableau中客户生命周期模型及图表的制作

2024-02-06 04:59

本文主要是介绍Tableau中客户生命周期模型及图表的制作,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

统计学及业务知识

在我们制作客户生命周期模型之前,首先要了解三个客户购买的重要日期。

三个顾客购买的重要日期

第一次购买日期,最后一次购买日期,今天的日期

如何衡量和客户的关系

事实上,我们一般从以下几个方面评价一个客户与我们的关系:

  1. 成为顾客多久
  2. 上一次购买什么时候
  3. 每年购买多少次
  4. 每次购买多少东西

根据三个客户购买的重要日期,我们把第一次购买日期和最后一次购买日期之间的时间定义为L(length),把最后一次购买日期和今天之间的时间定义为R(recency,即上一次购买距离今天有多长时间)。因此可以将客户做如下分类。

  1. 新客户:R小,L小
  2. 一次性客户:R大,L小(其实R不一定大,但L一定小)
  3. 忠实客户:R小,L大(但是“R小,L大”有时不代表一定是忠实客户,文章后面会详细说明)
  4. 流失的老客户:R大,L大
    客户生命周期分类

客户生命周期模型制作步骤

  1. 计算客户数量
  2. 计算每个客户第一次购买日期FOD (First Order Day)
  3. 计算每个客户最后一次购买日期LOD (Last Order Day)
  4. 计算R=#今天#-LOD
  5. 计算L=LOD-FOD
  6. 制作图表

客户生命周期模型的局限性

  1. L不一定真实反映客户和我们在一起的时间,有可能是客户很久之前购买过一次,近期又购买了一次
  2. 仅从时间进行分析,忽略了客户和我们互动的频率和购买量的大小

Tableau软件操作

客户生命周期表

采用Tableau自带的超市数据按照如下步骤进行操作。

  1. 创建计算字段FOD,并右击→更改数据类型日期,代码如下:
    { FIXED [客户名称]: MIN([订单ID])}
  2. 客户名称拖动到,右键将订单日期拖动到,对跳出的对话框选择“年月日”,订单ID拖动到,选择添加所有成员,右键将FOD拖动到行,对跳出的对话框选择“年月日”。此时可以看到每个客户即使有多个订单,他的FOD永远是同一个日期
  3. 清除工作表。复制FOD计算字段,并编辑公式修改成LOD,代码如下:
    { FIXED [客户名称] : MAX([订单日期])}
  4. 维度一栏创建文件夹“B01 客户重要时间”并将FODLOD加入到这个文件夹。
  5. 创建计算字段R,代码如下(此处日期2016-12-31是数据库的最后一天,即计算日期有几个月是用后面的日期减去已经过去的日期再除以30):
    (#2016-12-31# - [LOD])/30
    可以观察到R被划分在度量那一栏,因为R是表示一段时间(几个月)。
  6. 度量栏创建文件夹“B01 客户” 并将R加入到这个文件夹。
  7. 创建计算字段“L”,代码如下:
    ([LOD]-[FOD])/30, 并将L加入到文件夹“B01 客户”
  8. 创建图表。把R拖动到,把L拖动到,可以看到图上只显示R和L的总和,此时接着把客户名称拖动到详细信息,可以看到每一个圈圈都相当于一个客户的R和L。
  9. 我们知道R越小越好,L越大越好,因此我们可以将R的坐标轴改成倒序。选中纵坐标轴,右击→编辑轴选择倒序
  10. 创建计算字段“客户生命周期分类”,此处举例设置R=6个月,L=12个月作为区分的时间点,代码如下:
    IF [R] <=6 AND [L] <=12 THEN “新客户”
    ELSEIF [R] > 6 AND [L]<=12 THEN “一次性客户”
    ELSEIF [R] <6 AND [L] > 12 THEN “忠实客户”
    ELSEIF [R] >=6 AND [L] > 12 THEN “流失的老客户”
    END
  11. 将“客户生命周期分类”拖动到文件夹“B01 客户重要时间”,再将其拖动到颜色,可以看到图上的圈圈分成四种颜色,分别表示不同类型的客户
  12. 调整形状为圆形,颜色不透明度调低,加上边界(美观),在底部将这幅图命名为客户生命周期表
  13. 可以观察纵坐标发现R有近三年的数据,有一些年份特别久远的可以舍去,只关注近期比较新的数据。选中纵坐标轴,右击→编辑轴范围选固定,设置为-1~24。

客户数by生命周期分类条形图

  1. 创建计算字段“客户数”,代码公式如下:COUNTD([客户名称])
  2. 新建工作表“客户数by生命周期分类”,将“客户生命周期分类”拖动到行,“客户数”拖动到,可以看到创建了一个条形图工作表。
  3. 右击“客户生命周期分类”→默认属性排序,手动调整顺序为:新客户,忠实客户,流失的老客户,一次性客户
  4. 把“客户数”拖动到标签,使图上可以显示每个条形图的数量。
  5. 把“客户数”拖动到“B01 客户”文件夹,方便分类。

仪表板

  1. 新建仪表板,并自定义调整大小为1900×1200(这里合适自己的电脑的分辨率即可)
  2. 目前我们已经建立很多图表,为了方便管理,可以分别用A1,B1, B2等进行分类,方便管理
  3. 与之前一样,将右侧图表拖动到仪表板界面中,并点击工具栏的仪表板操作添加操作,设置为“点击确定,让两个表格互相进行筛选”。
  4. 而我们知道L不能保证客户确实购买了很长时间,所以这里要再加上一幅销售趋势条形图。将订单日期拖动到,销售额拖动到,此时生成一个趋势图,我们点击标记栏目的下箭头,选择条形图。此时图上显示的是每一年的订单销售额。为了更清楚展示每个月的销售额情况,右击行中的“订单日期”→。将左边的“订单日期”拖动到颜色,可以使不同年份的销售额按照颜色进行分类。
  5. 同样点击工具栏的仪表板操作,对现有的筛选器进行编辑,可以看到Tableau已经默认将三张图都勾选,互为筛选器。比如在客户生命周期表中每点击一个客户,都可以在仪表板显示这个客户的生命周期分类,订单日期和销售额。
  6. 图表具有一定的局限性。
    a.可以看到有的“忠实客户”虽然L很大,但是中间很长一段时间都没有购买,因此图上的忠实客户可能并不是忠实客户;
    b.有的“忠实客户”虽然L很大,和我们在一起时间很长,但购买历史上只有一次销售额很大的情况,购买频率也并不是很高,可能这并不能算“忠实”;
    c.有的“忠实客户”虽然L很大,和我们在一起时间很长,但最近才刚开始大批量购买,定义成“忠实客户”并不合适,可能更类似“新客户”;
    d.有的“流失的老客户”虽然R比较大,L也比较大,但是发现他购买的频率不是很高,但是都是每隔较长一段时间再来稳定的购买,所以这里R定的6个月是否合适,是值得考虑的问题。

这篇关于Tableau中客户生命周期模型及图表的制作的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/683199

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

客户案例:安全海外中继助力知名家电企业化解海外通邮困境

1、客户背景 广东格兰仕集团有限公司(以下简称“格兰仕”),成立于1978年,是中国家电行业的领军企业之一。作为全球最大的微波炉生产基地,格兰仕拥有多项国际领先的家电制造技术,连续多年位列中国家电出口前列。格兰仕不仅注重业务的全球拓展,更重视业务流程的高效与顺畅,以确保在国际舞台上的竞争力。 2、需求痛点 随着格兰仕全球化战略的深入实施,其海外业务快速增长,电子邮件成为了关键的沟通工具。

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者