Predicción de abandono de carritos con Power BI

Con Power BI puedes estimar la tasa de abandono, detectar productos en carrito sin compra y crear proyecciones claras para decidir acciones de mejora. Aquí se construyen tres vistas clave: una scorecard con la probabilidad de abandono, una gráfica de radar para artículos abandonados y líneas con previsión para abandono y clics.

¿Cómo calcular la probabilidad de abandono con una scorecard en Power BI?

Para abordar el requerimiento principal se usa una scorecard que integra probabilidad, cantidad de usuarios abandonados y intención/intensidad de compra. La medida creada combina estas variables: probabilidad de abandono en cantidad de usuarios por el porcentaje dividido en la intensidad de compra. Así se obtiene una variable de porcentaje que resume el riesgo de abandono.

• Crea la medida con la relación: usuarios abandonados, porcentaje e intensidad de compra.
• Arrastra la medida a la scorecard.
• Verás un valor tipo 0.49 que aún no es porcentaje.

¿Cómo formatear el indicador a porcentaje?

• Selecciona la medida en la scorecard.
• Ve a formato, más opciones, propiedades.
• En formato de datos: elige porcentaje.
• Obtendrás la probabilidad de abandono como porcentaje listo para análisis.

Habilidades aplicadas: creación de medidas, uso de propiedades y formato de datos, y construcción de indicadores en scorecard.

¿Qué productos quedan en el carrito y cómo verlos con una gráfica de radar?

Para identificar artículos que no llegan a compra, se usa una gráfica de radar descargada de la librería de Power BI. Esta visual muestra al centro la referencia y alrededor los artículos que se van modificando según la cantidad que queda en el carrito.

• Agrega la categoría: artículos.
• Define el eje y: cantidad en el carrito de compras.
• Observa los artículos con mayor abandono, como el reloj y la bicicleta.

Qué aporta esta vista:

• Detección rápida de productos críticos en abandono.
• Priorización de acciones sobre artículos con más impacto.
• Seguimiento de cambios en la frecuencia de carritos abandonados.

Conceptos clave integrados: carritos abandonados, categoría y eje y, y lectura visual con radar para decisiones.

¿Cómo proyectar abandono y clics futuros con previsión en líneas?

Se construyen gráficas de líneas para estimar cómo se comportará la tasa de abandono y la interacción por clics en un escenario hipotético con la función de previsión.

Para abandono:

• Selecciona gráfico en línea.
• Eje x: fecha. Eje y: cantidad de usuarios que van a interactuar.
• Trata la fecha: quita trimestre y día; deja año y mes.
• Usa una subcategoría para que tome los meses.
• En formato, activa previsión y observa el cono de posible proyección.

Para clics:

• Repite con gráfico en línea.
• Eje x: fecha. Eje y: conteo de clics.
• Ajusta jerarquía a año y mes y baja un nivel a mes.
• En formato, activa previsión para ver márgenes de máximo y mínimo esperados.

Mejoras visuales y analíticas sugeridas:

• Cambia colores, formas y el sentido del tablero desde formato.
• Aplica filtros en las magnitudes para focalizar segmentos.
• Configura una proyección del 75 por ciento hacia el futuro para escenarios conservadores.
• Si te funciona el diagrama en Z, úsalo; si no, prueba otras disposiciones con el mismo esquema y paleta.

Palabras clave y habilidades integradas: previsión, gráfica en líneas, jerarquía de fecha, subcategoría, frecuencia de carritos abandonados, conteo de clics, y lectura de márgenes de proyección.

¿Te gustaría compartir otra forma de resolver este requerimiento? Comenta qué fondo usaste, qué colores elegiste y cómo configuraste tu proyección para abandono y clics.