Heatmap (värmekarta) är en diagramtyp som använder färgintensitet för att representera värden i en matris. Tänk dig en tabell där varje cell är färgad beroende på värdet i cellen – ju högre värde, desto starkare färg. I Labelf Analytics kan du använda Heatmaps för att visualisera data över två dimensioner, ofta tid och en annan kategori. En speciell typ av Heatmap är Cohort Chart, som används för att analysera grupper av användare (kohorter) över tid.
När Ska Du Använda Heatmap/Cohort Chart?
Använd Heatmap/Cohort Chart när du vill:
Visa mönster över tid och kategori: Hur varierar ett värde över tid och mellan olika kategorier?
Identifiera trender: Finns det några trender eller cykler som upprepar sig över tid?
Hitta avvikelser: Finns det några celler som sticker ut med ovanligt höga eller låga värden?
Jämföra kohorter: Hur skiljer sig beteendet hos olika grupper av användare som började använda en tjänst vid olika tidpunkter?
Analysera retention: Hur stor andel av användarna i en kohort är fortfarande aktiva efter en viss tid?
Exempel på Användningsområden:
Kundbeteende: Visa hur ofta kunder köper produkter över tid, uppdelat på olika kundsegment.
Webbplatsanalys: Visa vilka dagar och tider som en webbplats har mest trafik.
Spelanalys: Visa vilka nivåer i ett spel som spelare har svårast att klara.
Ekonomi: Visa hur olika aktier eller tillgångsslag har presterat över tid.
Kohortanalys (Cohort Chart):
Visa hur stor andel av användarna som registrerade sig en viss månad som fortfarande är aktiva efter 1 månad, 2 månader, 3 månader, etc.
Visa hur köpbeteendet hos kunder som gjorde sitt första köp under en viss kampanj skiljer sig från andra kunders köpbeteende.
Skapa en Heatmap/Cohort Chart
Välj Chart Type:
Klicka på "+ Chart".
Välj "Heatmap" från listan.
Välj rätt Dataset.
Klicka på "Create new chart".
Välj X-axis (X-axel):
Oftast en tidsdimension (t.ex. "order_date", "signup_date").
Dra den från vänstra panelen till mittenrutan under "X-AXIS".
Välj Time Grain (t.ex. "Day", "Week", "Month").
Välj Y-axis (Y-axel):
Oftast en kategori (t.ex. "product_category", "customer_segment", "country").
Dra den från vänstra panelen till mittenrutan under "Y-AXIS".
Välj Metric (Vad ska vi mäta?):
Den Metric du vill visualisera med färgintensitet (t.ex. SUM(sales), COUNT(users), AVG(order_value)).
Dra den från vänstra panelen till mittenrutan under "METRIC".
Kör Frågan (Run Query):
Klicka på den blå knappen "UPDATE CHART".
Spara Diagrammet:
Klicka på "SAVE".
Ge ditt diagram ett namn (t.ex. "Försäljning per Månad och Produktkategori").
Välj en dashboard att spara diagrammet i.
(Inkludera en skärmdump av en Heatmap, med tydliga markeringar för x-axel, y-axel och färgskala.)
Förstå Logiken i Heatmap
Celler: Varje cell i Heatmapen representerar en kombination av en x-axelvärde och ett y-axelvärde.
Färgintensitet: Färgen på varje cell motsvarar värdet på din valda Metric för den kombinationen. Mörkare färg (eller en annan färg beroende på ditt färgschema) betyder oftast ett högre värde.
X-axel: Oftast tid (t.ex. månader, veckor, dagar).
Y-axel: Oftast en kategori (t.ex. produkter, regioner, kundsegment).
Anpassa Utseendet (Customize-fliken)
Linear Color Scheme: Välj ett färgschema för din Heatmap. Det finns många olika färgscheman att välja mellan, både sekventiella (för kontinuerliga värden) och kvalitativa (för kategorier).
XScale Interval / YScale Interval: Bestämmer hur tätt "ticksen" (markeringarna) på x- och y-axlarna ska visas.
Sort X-Axis / Sort Y-Axis: Sortera x- och y-axlarna.
Y Axis Label / X Axis Label: Ange beskrivande namn för x- och y-axlarna.
Left Margin / Bottom Margin: Justera marginalerna runt diagrammet.
Show Values: Visa de exakta värdena i varje cell (kan bli rörigt om du har mycket data).
Normalize Across: Välj hur färgskalan ska normaliseras:
Heatmap: Färgen baseras på värdet relativt till alla andra värden i hela heatmapen.
X: Färgen baseras på värdet relativt till de andra värdena i samma kolumn.
Y: Färgen baseras på värdet relativt till de andra värdena i samma rad.
Exempel: Heatmap
Du vill skapa en Heatmap som visar antalet kundsamtal per veckodag och timme på dygnet.
Data: Du har en tabell med samtalsdata, där varje rad representerar ett samtal och innehåller information om veckodag, timme och andra variabler.
X-axis: Du väljer "Timme på dygnet".
Y-axis: Du väljer "Veckodag".
Metric: Du väljer COUNT(*).
Resultat: Du får en Heatmap där varje cell representerar en kombination av veckodag och timme. Färgen på varje cell visar antalet samtal för den kombinationen. Du kan nu enkelt se vilka dagar och tider som har flest samtal.
Exempel: Cohort Chart (specialfall av Heatmap)
Du vill skapa ett Cohort Chart som visar hur många procent av de kunder som registrerade sig under en viss månad som fortfarande är aktiva efter 1 månad, 2 månader, 3 månader, osv.
Data: Du behöver en tabell med data om kundregistreringar och kundaktivitet. Du behöver skapa kolumner som representerar:
Kohort: Månaden då kunden registrerade sig (t.ex. "2023-01", "2023-02").
Period: Antal månader sedan registreringen (t.ex. 0, 1, 2, 3...).
Aktiva kunder: Antal aktiva kunder i kohorten under den perioden.
Totalt antal kunder: Totalt antal kunder i kohorten (samma för alla perioder).
X-axis: Du väljer "Period".
Y-axis: Du väljer "Kohort".
Metric: Du skapar en beräknad Metric som beräknar andelen aktiva kunder: SUM(aktiva_kunder) / SUM(totalt_antal_kunder).
Resultat: Du får ett Cohort Chart där varje rad representerar en kohort (registreringsmånad) och varje kolumn representerar en period (antal månader sedan registreringen). Färgen på varje cell visar andelen aktiva kunder i kohorten under den perioden. Du kan nu enkelt se hur retentionen (andelen aktiva kunder) förändras över tid för olika kohorter.
Tips:
Välj rätt tidsenhet: Om du vill se trender över tid, välj en lämplig tidsenhet (Time Grain) för x-axeln (t.ex. "Day", "Week", "Month").
Använd färger på ett meningsfullt sätt: Välj ett färgschema som gör det lätt att se mönster och avvikelser. Ofta används en sekventiell färgskala där mörkare färger representerar högre värden.
Lägg till etiketter och förklaringar: Se till att det är tydligt vad x-axeln, y-axeln och färgskalan representerar.
Testa olika inställningar: Experimentera med olika inställningar för "XScale Interval", "YScale Interval" och "Color Scheme" för att hitta det som fungerar bäst för din data.
Genom att använda Heatmaps och Cohort Charts kan du upptäcka mönster och trender i din data som annars kan vara svåra att se.