使用超市零售数据查看回购情况,首先创建【首次消费时间】和【第二次消费时间】两个计算字段
第二次消费时间需要先引入【回购判断】:将首次消费时间后的Order Date留下,首次消费时间的置null,那么回购判断字段中最早的日期就是【第二次消费时间】
接下来增加一个计算字段【是否回购(1/0)】来标记一个用户是否回购,在1是有,0是无,可以通过这个字段按不同性质来统计用户回购情况
比如:
1.查看已有数据内不同地区(Region)的回购用户数
【Region】拖入行,【是否回购(1/0)】拖入列(默认对这一字段求和,也就是统计1的个数),可以再将【是否回购(1/0)】拖入“标签”显示用户数
2.结合不同地区的用户数,可以作一个用户与回购用户情况比较图
先创建计算字段【用户数】,这里由于数据源的原因是选了Customer Name,如果有也可以选像用户ID这样可以区分不同用户的字段,COUNTD()函数只计数不同的值
接下来【Region】拖入列,【用户数】和【是否回购(1/0)】拖入行,
用户数层选择“条形图”,加标签
回购层选择“线”,加标签
加一个计算字段【回购率】计算回购率
回购层添加两个标签,一个【是否回购(1/0)】,一个【回购率】(设置格式百分比保留两位小数)
效果如下图
还可以增加维度讨论,比如果不同类型的用户在不同地区的回购情况,将【Customer Segment】拖入列
3.回购时间跨度(季度)
创建【间隔季度】拖入列
【首次消费时间】拖入行,选择下面的“季度”和”离散“
将【用户数】拖入颜色和标签,点击标签的绿色泡泡添加 快速表计算-合计百分比,这样就可以显示首次消费时间下,有多少比例的人在某间隔季度的时间回购
【间隔季度】中null值别名改为”流失“
最后结果:
大部分回购(讨论的是第二次购物时间)都是在当前季度、下一个季度、间隔2-6季度,受限于数据时间限制后面季度的回购情况说服力小,重点看前面的,所以用户首次下单后的1年内对该用户加强推荐吸引策略转化效率高
4.按州查看回购情况
双击【State】(地理角色类型),【是否回购(1/0)】拖入颜色
【回购率】拖入颜色也可以,这样很容易找出不是百分百回购的地区,也可以直接【State】拖入筛选器,筛选掉回购率=1的州
可以创建一个计算字段统计没有回购人数
看到其实每州就1个没有回购,没啥问题。。。