
「Tableau」の日付関数を使って、顧客購買日あるあるを実現
1、初めに
2、購入日から得られるヒント(Tableauの関数を用いて)
2、1、最初購入日&最後購入日
2、2、二回目以降購入日 & 二回目購入日
2、3、2nd購入までの日数
3、おわりに
1、初めに
顧客の行動をとらえるにはさまざまな角度がありますが、その中でも、時間というファクターがきわめて重要な一つであろう。例えば、B2Cビジネスに欠かせないRFM分析では、R(直近購入日)という要素を使って、顧客の優良度を図る。
今回は、Tableauの日付関数(常用のもの)とLOD表現(Level of detail)を駆使して、顧客の購入日から月末、月初、総購入回数、購入頻度などを計算してみたいと思います。
*使うデータはサンプルストアデータ
2、日付から得られるヒント(Tableauの関数を用いて)
2、1 最初購入日&最後購入日
まずは、簡単に、顧客ごとの購入日を見てみたいと思います。
顧客ごとに、購入回数がバラバラですね。

最初購入日の計算フィールド:
{fixed[顧客名]: min([オーダー日])}

最後購入日の計算フィールド:
{fixed[顧客名]:max([オーダー日])}

2,2 二回目以降購入日 & 二回目購入日
二回目以降購入日の計算フィールド:
iif([オーダー日]<>[最初購入日],[オーダー日],null)

二回目購入日の計算フィールド:
{fixed [顧客名]:min([二回目以降購入日])}

2、3 2nd購入までの日数
2nd購入までの日数の計算フィールド:
datediff("day",[最初購入日],[二回目購入日])

3、おわりに
Tableauの日付関数(常用のもの)とLOD表現(Level of detail)を使うと、オーダー日だけでもこんなにヒントを広げることができます。
それを使ってマーケティングの施策に活かすことで、データドリブンマーケッターになりましょう。