हम एक्सेल के उदाहरण पर कोहोर्ट विश्लेषण / प्रवाह का विश्लेषण एकत्र करते हैं

पिछले लेख में, मैंने ग्राहक आधार की गतिशीलता के कारणों को निर्धारित करने के लिए कोहोर्ट विश्लेषण का उपयोग किया था। आज यह कोहोर्ट विश्लेषण के लिए डेटा तैयारी के गुर के बारे में बात करने का समय है।

चित्रों को खींचना आसान है, लेकिन उन्हें "हूड के तहत" सही ढंग से पढ़ने और प्रदर्शित करने के लिए बहुत काम करने की आवश्यकता है। इस लेख में, हम बात करेंगे कि कोहोर्ट विश्लेषण को कैसे लागू किया जाए। मैं एक्सेल का उपयोग करके कार्यान्वयन के बारे में बात करूंगा, और आर का उपयोग करके एक अन्य लेख में।

हम इसे पसंद करते हैं या नहीं, लेकिन वास्तव में एक्सेल एक डेटा विश्लेषण उपकरण है। अधिक "अभिमानी" विश्लेषकों का मानना ​​होगा कि यह एक कमजोर और सुविधाजनक उपकरण नहीं है। दूसरी ओर, वास्तव में, हजारों लोग एक्सेल में डेटा विश्लेषण करते हैं और इस संबंध में यह आसानी से आर / अजगर को हरा देगा। बेशक, जब हम एडवांस एनालिटिक्स और मशीन लर्निंग के बारे में बात करते हैं, तो हम आर / अजगर पर काम करेंगे। और मैं चाहूंगा कि अधिकांश एनालिटिक्स केवल इन उपकरणों के साथ किया जाए। लेकिन यह तथ्यों को स्वीकार करने के लायक है, कंपनियों के विशाल बहुमत एक्सेल में प्रक्रिया करते हैं और डेटा पेश करते हैं, और यह वह उपकरण है जिसे सामान्य विश्लेषक, प्रबंधक और उत्पाद स्वामी उपयोग करते हैं। इसके अलावा, एक्सेल सादगी और प्रक्रिया की स्पष्टता के मामले में हारना मुश्किल है, क्योंकि आप अपनी गणना और मॉडल का शाब्दिक अर्थ अपने हाथों से करते हैं।

और इसलिए, हम एक्सेल में विश्लेषण कैसे करते हैं? ऐसी समस्याओं को हल करने के लिए, आपको 2 चीजें निर्धारित करने की आवश्यकता है:

1. प्रक्रिया की शुरुआत में हमारे पास क्या डेटा है

   
   

2. प्रक्रिया के अंत में हमारा डेटा कैसा दिखना चाहिए।

   
   

   कोहोर्ट विश्लेषण एकत्र करने के लिए, हमें केवल तारीखों और विभाजनों पर वापस डेटा की आवश्यकता नहीं होगी। हमें व्यक्तिगत ग्राहक स्तर पर डेटा की आवश्यकता है। प्रक्रिया की शुरुआत में हमें चाहिए:

   
   

3. कैलेंडर की तारीख

   
   

4. ग्राहक आईडी

   
   

5. ग्राहक पंजीकरण की तारीख

   
   

6. इस कैलेंडर तिथि पर इस ग्राहक की बिक्री की मात्रा

   
   

इस डेटा को पाने के लिए पहली कठिनाई को पार करना है। यदि आपके पास सही भंडारण है, तो आपको पहले से ही उनके पास होना चाहिए। दूसरी ओर, यदि अब तक आपने कुल बिक्री पर केवल दिन के हिसाब से डेटा की रिकॉर्डिंग को लागू किया है, तो आपके पास ग्राहक के डेटा पर केवल "ठेस" है। कोहोर्ट विश्लेषण के लिए, आपको ईटीएल को लागू करना होगा और डेटा को अपने भंडारण में ग्राहकों के संदर्भ में रखना होगा, अन्यथा आप सफल नहीं होंगे। और सबसे अच्छा, यदि आप "ठेस" और विश्लेषिकी को अलग-अलग डेटाबेस में अलग करते हैं, क्योंकि विश्लेषणात्मक कार्यों और आपके उत्पाद के कामकाजी कार्यों के अलग-अलग लक्ष्य हैं: संसाधनों के लिए प्रतिस्पर्धा। विश्लेषकों को कई उपयोगकर्ताओं के लिए तेज समुच्चय और गणना की आवश्यकता होती है, उत्पाद को एक विशिष्ट उपयोगकर्ता को जल्दी से सेवा देने की आवश्यकता होती है। मैं भंडारण संगठन के बारे में एक अलग लेख लिखूंगा।

तो आपके पास डेटा शुरू है:

पहली चीज़ जो हमें करने की ज़रूरत है, वह है उन्हें "सीढ़ी" में बदलना। ऐसा करने के लिए, आपको इस तालिका के ऊपर एक पिवट टेबल बनाने की आवश्यकता है, पंक्तियों में - पंजीकरण की तारीख, कॉलम में - कैलेंडर तिथि, मान के रूप में - क्लाइंट आईडी की संख्या। यदि आपने सही तरीके से डेटा निकाला है, तो आपको ऐसा त्रिकोण / सीढ़ी मिलनी चाहिए:

सामान्य तौर पर, एक सीढ़ी हमारा कोहोर्ट चार्ट है, जिसमें प्रत्येक पंक्ति एक अलग कोहॉर्ट की गतिशीलता को प्रदर्शित करती है। इस प्रदर्शन के समय में ग्राहक केवल एक पंक्ति में चलते हैं। इस प्रकार, कोहर्ट की गतिशीलता एक समय में आने वाले ग्राहकों के समूह के साथ संबंधों के विकास को दर्शाती है। अक्सर, सुविधा के लिए और गुणवत्ता के नुकसान के बिना, आप सहकर्मियों को पंक्तियों के "ब्लॉक" में जोड़ सकते हैं। उदाहरण के लिए, आप उन्हें सप्ताह और महीने के आधार पर समूहित कर सकते हैं। उसी तरह, आप एक कॉलम को भी ग्रुप कर सकते हैं। शायद उत्पाद विकास की आपकी गति को दिनों तक विस्तार करने की आवश्यकता नहीं है।

इस सीढ़ी के आधार पर, आप मेरे लेख से एक ग्राफ बना सकते हैं (मैंने वास्तव में इंगित किया था कि मैंने कई पंक्तियों को एक में वर्गीकृत किया था ताकि कोहर्ट छोटा था):

यह संचयी क्षेत्रों के साथ एक ग्राफ है जहां प्रत्येक पंक्ति एक पंक्ति है, क्षैतिज रूप से एक तिथि।

"प्रवाह" की अनुसूची को लागू करने के लिए थोड़ा और अधिक जटिल तर्क। धागे के लिए, हमें कुछ अतिरिक्त गणना करने की आवश्यकता है। थ्रेड लॉजिक में, प्रत्येक क्लाइंट विभिन्न राज्यों में आता है:

1. नया - कोई भी ग्राहक जिसके पास पंजीकरण दिनांक और कैलेंडर दिनांक के बीच अंतर है <7 दिन
2. पुन: सक्रिय - कोई भी ग्राहक जो अब नया नहीं है, लेकिन पिछले कैलेंडर महीने में राजस्व उत्पन्न नहीं किया था
3. मान्य - कोई भी ग्राहक जो नया नहीं है, लेकिन कैलेंडर माह में राजस्व उत्पन्न करता है
4. प्रस्थान - कोई भी ग्राहक जो लगातार 2 महीने तक राजस्व उत्पन्न नहीं करता है

सबसे पहले, आपको कंपनी में इन परिभाषाओं को ठीक करना चाहिए ताकि आप इस तर्क को सही ढंग से लागू कर सकें और स्वचालित रूप से राज्यों की गणना कर सकें। इन 4 परिभाषाओं में सामान्य रूप से विपणन के लिए दूरगामी प्रभाव हैं। आकर्षित करने, बनाए रखने और लौटने की आपकी रणनीति उस स्थिति पर आधारित होगी जिसमें आपको लगता है कि ग्राहक है। और यदि आप ग्राहक से बाहर निकलने की भविष्यवाणी में मशीन सीखने के मॉडल को लागू करना शुरू करते हैं, तो इन मॉडलों की सफलता के लिए परिभाषाएं आपकी आधारशिला बन जाएंगी। सामान्य तौर पर, मैं काम के संगठन और विश्लेषणात्मक कार्यप्रणाली के महत्व के बारे में एक अलग लेख लिखूंगा। ऊपर, मैंने सिर्फ एक उदाहरण दिया कि ये परिभाषाएं क्या हो सकती हैं।

एक्सेल में, आपको एक अतिरिक्त कॉलम बनाने की आवश्यकता है जहां ऊपर वर्णित तर्क दर्ज करना है। हमारे मामले में, हमें "पसीना" करना होगा। हमारे पास 2 प्रकार के मानदंड हैं:

• पंजीकरण तिथि और कैलेंडर तिथि के बीच का अंतर - प्रत्येक पंक्ति में यह डेटा होता है और फिर आपको बस इसकी गणना करने की आवश्यकता होती है (Excel में तारीखों को घटाना सिर्फ दिनों में अंतर देता है)
• चालू और अंतिम महीने के लिए राजस्व डेटा। यह डेटा हमें लाइन में उपलब्ध नहीं है। इसके अलावा, इस तथ्य को ध्यान में रखते हुए कि ऑर्डर हमारी तालिका में गारंटी नहीं है, आप बिल्कुल नहीं कह सकते हैं कि आपके पास इस क्लाइंट के लिए महीने के अन्य दिनों का डेटा कहां है।

2 प्रकार के मानदंड की समस्या को हल करने के 2 तरीके हैं:

1. डेटाबेस में ऐसा करने के लिए कहें। एसक्यूएल प्रत्येक ग्राहक को चालू और पिछले महीने के लिए राजस्व की मात्रा की गणना करने के लिए विश्लेषणात्मक फ़ंक्शन का उपयोग करने की अनुमति देता है (चालू माह के लिए SUM (राजस्व) OVER (ग्राहक द्वारा ग्राहक, कैलेंडर_माँट, और फिर पिछले महीने की भरपाई पाने के लिए LAG):
2. एक्सेल में, आपको इसे इस तरह से लागू करना होगा:
   
   • वर्तमान माह के लिए: SUMMES (), मापदंड ग्राहक आईडी और कैलेंडर डे सेल का महीना होगा
   • पिछले महीने के लिए: SUMMES (), मानदंड क्लाइंट आईडी और कैलेंडर डे सेल माइनस का ठीक उसी महीने का कैलेंडर माह होगा। इस मामले में, मैं इस तथ्य पर ध्यान आकर्षित करता हूं कि आपको कैलेंडर महीने को घटाना होगा, न कि 30 दिनों का। अन्यथा, आप महीनों में असमान संख्या के कारण धुंधली तस्वीर प्राप्त करने का जोखिम उठाते हैं। उन ग्राहकों के लिए गलत मानों को बदलने के लिए IF ERROR फ़ंक्शन का उपयोग करें, जिनके पास पिछले एक महीने का समय नहीं है।

पिछले महीने के वर्तमान महीने के राजस्व कॉलम को जोड़कर, आप एक अंतर्निहित स्थिति का निर्माण कर सकते हैं। यदि सभी कारकों (तारीखों में अंतर और वर्तमान / अंतिम महीने में राजस्व की मात्रा) को ध्यान में रखते हुए:
IF (दिनांक अंतर <7; "नया";
IF (और (पिछले महीने का राजस्व = 0; वर्तमान महीने का राजस्व> 0); "पुनर्सक्रियन";
IF (और (पिछले महीने का राजस्व> 0; वर्तमान माह का राजस्व> 0); "वर्तमान"
IF (और (पिछले महीने का राजस्व = 0; वर्तमान माह का राजस्व = 0); "विदा", "त्रुटि")))

"त्रुटि" केवल यहां यह नियंत्रित करने के लिए आवश्यक है कि आप रिकॉर्डिंग में गलत नहीं थे। MECE राज्य मानदंड का तर्क ( https://en.wikipedia.org/wiki/MECE_principle ), अर्थात यदि सब कुछ सही ढंग से किया जाता है, तो उनमें से प्रत्येक को 4 में से एक राज्य को चिपका दिया जाएगा

आपको इसे इस तरह प्राप्त करना चाहिए:

अब इस तालिका को प्लॉटिंग के लिए एक टेबल में एक पिवट टेबल का उपयोग करके फिर से बनाया जा सकता है। आपको इसे तालिका में बदलने की आवश्यकता है:

कैलेंडर की तारीख (कॉलम)
राज्य (पंक्तियाँ)
क्लाइंट आईडी की संख्या (कोशिकाओं में मान)

अगला, हमें बस डेटा के आधार पर एक बार चार्ट आरेख बनाने की आवश्यकता है, संचय के साथ, एक्स अक्ष पर कैलेंडर की तारीख, पंक्तियां राज्यों, ग्राहकों की संख्या स्तंभ ऊंचाई है। आप "डेटा का चयन करें" मेनू में पंक्तियों के क्रम को बदलकर चार्ट पर राज्यों के क्रम को बदल सकते हैं। परिणामस्वरूप, हमें निम्न चित्र मिलते हैं:

अब हम व्याख्या और विश्लेषण शुरू कर सकते हैं।