tableau 倒序都倒了_tableau用户留存分析

tableau 倒序都倒了_tableau用户留存分析_第1张图片

1.项目简介

  • 这个项目是tableau商业分析从新手到高手里面的例子,数据源也是来自这本书,这个项目主要做的就是用户留存分析
  • 在这里主要的目的时作图而不是分析,所以分析得比较少

2.数据简介

tableau 倒序都倒了_tableau用户留存分析_第2张图片

2.1原始数据

  • 原始的数据形式是这样的

tableau 倒序都倒了_tableau用户留存分析_第3张图片
  • 包括下面几个字段:UserId、二级品类、会员创建日期、留存率分组、省、省市、销售日期、销售量
  • 这里要特别注意的是会员创建日期,创建会员时就进行了第一次购买,也就是用户第一次购买的时间就是会员创建日期

2.2数据拆分

  • 由于会员创建日期里面包括了星期和时间,但是我们只想要日期,所以进行自定义拆分

tableau 倒序都倒了_tableau用户留存分析_第4张图片

tableau 倒序都倒了_tableau用户留存分析_第5张图片
  • 然后对列名进行了修改 会员创建日期——会员创建日期(原始),会员创建日期-拆分1 ——会员创建日期
  • 修改后要把会员创建日期改为日期形式

3.什么是留存分析?

  • 既然要进行用户的留存分析,那就要了解留存分析的定义:留存分析是一种用来分析用户参与情况/活跃程度的分析模型,考察进行初始行为的用户中,有多少人会进行后续行为.所以在这里定义为初始购买的用户中,有多少人后面会继续购买
  • 更简单来说就是看销售日期与会员创建日期之间的间隔,所以我们创建了这样一个计算字段,用了datediff函数

tableau 倒序都倒了_tableau用户留存分析_第6张图片

4.简单的用户留存图

  • 先创建一个会员创建日期与销售日期之间的图

tableau 倒序都倒了_tableau用户留存分析_第7张图片
  • 一般会员生命周期都是12个月的,所以我们将购买点会员生命周期(月)放进筛选器

tableau 倒序都倒了_tableau用户留存分析_第8张图片
  • 然后就得到了一个用户留存情况的简单展示

tableau 倒序都倒了_tableau用户留存分析_第9张图片

5.漏斗图

  • 一般来说传统的留存分析都是以漏斗图的形式来进行展现的,所以接下来我们就尝试做一个漏斗图
  • 其实如果我们把上图的行列互换(点击交换行和列)的话就是一半漏斗图的形式了

tableau 倒序都倒了_tableau用户留存分析_第10张图片
  • 所以接下来我们只要把另一半补全就可以了
  • 先把列上的 计数(不同)(UserId) 复制,然后粘贴在列上,就变成下图的形式

tableau 倒序都倒了_tableau用户留存分析_第11张图片
  • 然后只要把左边的图倒过来就变成了漏斗图的形式,但是这里需要注意的是两个计数(不同)(UserId)都要/2才行,这样合并起来才是一个 计数(不同)(UserId)
  • 具体就是双击 计数(不同)(UserId) 然后输入/2

629130cc5963f129e911f635e042a36c.png
  • 再点击图中位置,选择编辑轴

tableau 倒序都倒了_tableau用户留存分析_第12张图片
  • 再选择倒序就可以了

tableau 倒序都倒了_tableau用户留存分析_第13张图片
  • 然后得到一个漏斗图的形式

tableau 倒序都倒了_tableau用户留存分析_第14张图片
  • 最后一步在左边的部分选择区域

tableau 倒序都倒了_tableau用户留存分析_第15张图片
  • 最终如图所示

tableau 倒序都倒了_tableau用户留存分析_第16张图片
  • 得到一个简单的漏斗图之后我们可以从多个维度来进行分析,比如对不同省份的留存率进行分析,看有没有什么区别,或者说对不同品类之间的留存率进行分析

6.分省不同等级留存率

6.1不同省份留存率

  • 这个图就比较简单了

tableau 倒序都倒了_tableau用户留存分析_第17张图片
  • 然后再进行筛选,只留下12个月的数据

tableau 倒序都倒了_tableau用户留存分析_第18张图片

tableau 倒序都倒了_tableau用户留存分析_第19张图片
  • 一般来说我们会想有一条线来展示留存率的变化情况,那具体怎么实现呢?
  • 一样是先复制 计数(不同)(UserId) 然后右键点击右边的 计数(不同)(UserId),选择双轴

tableau 倒序都倒了_tableau用户留存分析_第20张图片

tableau 倒序都倒了_tableau用户留存分析_第21张图片
  • 然后左边的 计数(不同)(UserId) 标记类型选择条形图,右边的选择线条

tableau 倒序都倒了_tableau用户留存分析_第22张图片
  • 然后一般来说留存率都是相对于第一个条形图的百分比变化,所以我们也希望变成这样的形式
  • 右键点击右边的计数(不同)(UserId),选择添加表计算

tableau 倒序都倒了_tableau用户留存分析_第23张图片
  • 计算类型选择百分比,相对于第一个

tableau 倒序都倒了_tableau用户留存分析_第24张图片
  • 这样就得到了留存率都是相对于第一个条形图的图形

tableau 倒序都倒了_tableau用户留存分析_第25张图片

6.2分省不同等级留存率

  • 如果我们想根据各个省市的留存率进行分组,也就是10%以下留存率的分为低留存率组,10%-20%的分为中留存率组,20%以上的分为高留存率组的话该怎么操作呢?
  • 我们先右键点击省市,选择创建组

tableau 倒序都倒了_tableau用户留存分析_第26张图片
  • 然后根据留存率进行分组就行了
  • 这里除了刚说的低留存率组、中留存率组、高留存率组之外,还把留存率最高的SDWF单独拿出来进行分析,而WEB指的是网络销售平台,所以也单独拿出来分析,所以分组有五组
  1. SDWF
  2. WEB
  3. 高留存率:BJ、HBWH、TJ、SXXA
  4. 中留存率:HBSJZ、LNSY、SCCD、SDQD、SH
  5. 低留存率组:HBLF、SDJN、SXXY
  • 然后把分组后得到的省市(组)放到原本省市的位置,就得到了我们想要的关于不同等级留存率的图形

tableau 倒序都倒了_tableau用户留存分析_第27张图片
  • 图中WEB也就是网络销售平台的留存率比较低,说明网络销售平台挽留用户的措施比较少或者说做得不够好

7.不同留存等级首次购买

  • 这里主要想分析不同留存等级首次购买之间的差别
  • 首次购买也就是说会员创建日期等于销售日期,创建一个计算字段

tableau 倒序都倒了_tableau用户留存分析_第28张图片
  • 这样数据源就会显示真或伪,但是这里我们想要的是0或1,所以添加一个int()函数

tableau 倒序都倒了_tableau用户留存分析_第29张图片
  • 然后得到不同留存率首次购买情况

tableau 倒序都倒了_tableau用户留存分析_第30张图片
  • 留存率最高的SDWF最特殊的地方在于对于防尿用品的购买会比较多,网络销售平台首次购买只有5个品类,相对来说较少,这也可能是留存率较低的原因,具体是不是要进行后续的分析才能确定。高中低留存率首次购买差别较大的品类主要是防尿用品以及奶粉

8.品类漏斗图

  • 一般来说每个品类的漏斗图是会有所差别的,如果是消耗性的物品留存率相对会高,非消耗性的留存率就会低,因为买了一次之后基本就不用再买了
  • 品类漏斗图和之前的漏斗图是基本一样的

tableau 倒序都倒了_tableau用户留存分析_第31张图片
  • 从图中我们可以看到有些品类的留存率是比较高的,比如食品、童装、喂养器具、洗护电器等,因为都是消耗性的物品,隔一段时间就需要购买
  • 而非消耗性的物品留存率是比较低的,比如童车床、图书音像、文体、孕妇用品等,因为一般来说只要第一次买了后面基本就不怎么会买了

9.总结

  • 用户的留存分析就是指初始购买的用户中,有多少人后面会继续购买
  • 做留存分析时可以先做一个漏斗图,再从多个维度进行分析

ps.这篇文章主要参考的是b站看到的视频

tableau数据分析五-用户留存分析_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com
tableau 倒序都倒了_tableau用户留存分析_第32张图片

感觉说得很好,因为最近也在学tableau,所以自己也梳理了一下

你可能感兴趣的:(tableau,倒序都倒了)