Medición de la adopción de productos complementarios mediante el uso de dbt_set_similarity es crítico para las empresas que ofrecen varios productos. El término «adopción de productos complementarios» se refiere a cómo los usuarios utilizan múltiples ofertas en un portafolio de productos dado. Una métrica propuesta para medir el uso de productos complementarios o características compartidas en el libro Hacking Growth [1] es el Índice Jaccard. Tradicionalmente utilizado para medir la similitud entre dos conjuntos, este índice también puede servir como una herramienta potente para evaluar patrones de adopción de productos por cuantificar el solapamiento entre los usuarios de los productos y así identificar sinergias y oportunidades de crecimiento.
Existe un paquete dbt llamado dbt_set_similarity que simplifica la medida de métricas de similitud de conjuntos directamente en un flujo de trabajo de análisis. Para importar este paquete en su proyecto dbt, agregue lo siguiente al archivo packages.yml. También necesitará dbt_utils para el propósito de este ejemplo. Para instalar el paquete, ejecute un comando dbt deps dentro de su proyecto. El texto explica cómo calcular el índice de Jaccard entre los usuarios que adquieren productos de almacenamiento documental y fotográfico, mediante la creación de dos matrices de usuarios. Después, se calcula el coeficiente de similitud entre estas matrices utilizando la función dbt_set_similarity. Para segmentar los índices Jaccard por categoría de usuario se sigue el mismo patrón, agrupando las agregaciones en la categoría a la que pertenece el usuario. De este modo, se puede ver que entre los propietarios de viviendas hay una adopción mayor de productos cruzados, mientras que entre los entusiastas de la tecnología sólo un tercio han adoptado ambos productos. Adopción de productos y segmentación de usuarios para diferentes categorías. El empleo del paquete para la adopción de productos mixtos es simplemente una aplicación sencilla. Las posibles aplicaciones de esta técnica, por ejemplo, incluyen: Análisis de uso de las características; Análisis de impacto de campañas de marketing; Análisis de apoyo. Además, este tipo de análisis no se limita exclusivamente a la industria SaaS, sino que puede aplicarse prácticamente a cualquier sector económico. ¡Jaccard-ing! Bibliografía [1] Sean Ellis y Morgan Brown, Hacking Growth (2017). Recursos: dbt data package.
