Brug model til forudsigelse af afgang fra detailkanal
Skab et 360-graders overblik over dine kunder på en klar og intuitiv måde med fokus på kundeniveauet. Brug Dynamics 365 Customer Insights til at vælge og kombinere de mest relevante og vigtige data på tværs af flere forretningslinjer i en omfattende og samlet kundevisning. Microsoft Cloud for Retail indeholder Model til forudsigelse af afgang fra detailkanal, der giver dig mulighed for at forudsige og forstå kundefrafald. Med denne løsning kan du oprette en forudsigende model for afgang fra detailkanal, og derefter kan du bruge modellens forudsigelser til at forhindre potentielle tab eller frafald.
Fanen Oversigt
Under fanen Oversigt kan du se overordnede oversigtsoplysninger om kundernes personlige oplysninger, livsøjeblikke, finansielle beholdning samt kredit- og kreditkort. Denne fane er dit udgangspunkt for at levere tilpassede erfaringer, afsløre vigtige muligheder og øge kundetilfredsheden.
Model til forudsigelse af afgang fra detailkanal
Den AI-baserede model til forudsigelse af afgang, der er udviklet til omnikanal-detailsalg og bygget oven på Customer Insights, hjælper med at få indblik på tværs af kanaler i risikoen for kundefrafald inden for detailsalg. Kør din virksomheds data gennem denne model, og oplær den til at forbedre sine forudsigelser og identificere de faktorer, der bidrager til frafald, på kundeniveau.
Du kan bruge tre dataobjekter til at oprette og oplære din model: et kundeobjekt, et sessionsobjekt og et transaktionsobjekt. I modellen bruges input, som du kan knytte til felter fra disse objekter. Når din model kører, gemmer den sine frafaldsforudsigelser i et outputobjekt og viser forklarlighedselementer – faktorer, der har den største indflydelse på forudsigelser af risiko for kundeafgang. Disse faktorer vises sammen med deres indflydelsesniveau.
Forudsætninger
Detailkomponenter er tilgængelige i Microsoft Cloud for Retail i Microsoft Cloud-løsningscenter. Du kan finde flere oplysninger om installation af disse komponenter ved at gå til Installere model til forudsigelse af afgang fra detailkanal i Microsoft Cloud for Retail.
Mindst Bidragyder-tilladelser i Microsoft Dynamics 365 Customer Insights. Du kan finde flere oplysninger under Brugertilladelser.
En forståelse af, hvad frafald betyder for din organisation. En kunde anses for at være faldet fra, hvis kundens købsværdi eller -mængden falder under den tærskelværdi, som du definerer.
Objekter med felter, der knyttes til input til din forudsigende model for detailafgang:
Vigtigt
Men udrulningen af løsningen med model til forudsigelse af afgang fra detailkanal kræver, at nogen opretter disse objekter i Customer Insights og at de allerede findes i dit Customer Insights B2C-miljø. Dette trin er påkrævet, da disse objekter ikke er en del af Microsoft Cloud for Retail, og de har ikke en defineret fælles datamodel på grund af den store variation i detailvirksomheder. Du kan finde flere oplysninger ved at gå til Installere model til forudsigelse af afgang fra detailkanal i Microsoft Cloud for Retail.
Kundedata
Et kundeobjekt indeholder felter – også kaldet attributter – der indeholder data om kunder, men ikke deres besøg eller køb. En forudsigelsesmodel for frafald har ét påkrævet input og 10 valgfrie input, som du knytter til felter med kundeobjekter, når du opretter din frafaldsmodel. Som forberedelse skal du sikre dig, at dit kundeobjekt indeholder felter, som du kan knytte til modellens input.
Hvis dit kundeobjekt ikke har alle de attributter, som du vil medtage i din model for afgang, kan du muligvis tilknytte, matche og flette de manglende attributter, så de er tilgængelige som input i frafaldsmodellen. Du kan finde flere oplysninger under Oversigt over datasamling.
Hvis du ikke kan finde egnede attributter i dine kildedata, kan du muligvis tilføje datakilder og derefter tilknytte, matche og flette dem.
Kundedatainput
Find dit kundeobjekt, og notér, hvilket felt du vil knytte til hvert enkelt input, der er anført i følgende tabel. Du kan ikke oprette en model uden et felt for hvert påkrævet input. Forudsigelserne i din model bliver mere nøjagtige, hvis du knytter felter til valgfrie input – jo flere af dem, jo bedre.
Tip
Hvis du er ny bruger, skal du overveje at kopiere følgende tabel med input og derefter notere, hvilket felt du vil knytte til hvert enkelt input.
| Input til tilknytning | Påkrævet eller valgfrit |
|---|---|
| Kunde-id | Obligatorisk |
| Aftale om marketingaktivitet | Valgfrit |
| Loyalitetsmedlemskab | Valgfrit |
| Beskæftigelsesstatus | Valgfrit |
| Fødselsdato | Valgfrit |
| Kønskode | Valgfrit |
| Årlig indkomst | Valgfrit |
| Relationsvarighed | Valgfrit |
| Afstand til nærmeste butik | Valgfrit |
| Køn | Valgfrit |
| Varighed af kunderelationer | Valgfrit |
Sessionsdata
Et sessionsobjekt indeholder felter, der har data om kundebesøg, men ikke om deres køb. Frafaldsmodellen har fire påkrævede og fem valgfrie input til sessionsdata. Hvis du leverer valgfrie input, bliver forudsigelserne mere nøjagtige.
Hvis dit sessionsobjekt ikke har alle de attributter, som du vil medtage i din frafaldsmodel, kan du muligvis tilknytte, matche og flette de manglende attributter, så de er tilgængelige som input i frafaldsmodellen – såfremt dit kildedatasæt indeholder egnede attributter, som du kan bruge. Du kan finde flere oplysninger under Oversigt over datasamling.
Hvis du ikke kan finde egnede attributter i dine kildedata, kan du muligvis tilføje datakilder og derefter tilknytte, matche og flette dem.
Sessionsdatainput
Find dit sessionsobjekt, og notér, hvilket felt du vil knytte til hvert enkelt input, der er anført i følgende tabel. Du kan ikke oprette en model uden et felt for hvert påkrævet input. Forudsigelserne i din model bliver mere nøjagtige, hvis du knytter felter til valgfrie input – jo flere af dem, jo bedre.
Tip
Hvis du er ny bruger, skal du overveje at kopiere følgende tabel med input og derefter notere, hvilket felt du vil knytte til hvert enkelt input.
| Input til tilknytning | Påkrævet eller valgfrit |
|---|---|
| Sessions-id | Obligatorisk |
| Kunde-id | Obligatorisk |
| Sessionens tidsstempel | Obligatorisk |
| Sessionskanal | Obligatorisk |
| Besøgstype | Valgfrit |
| Sessionsformålstype | Valgfrit |
| Sessionsvarighed | Valgfrit |
| Kundetilfredshed med session | Valgfrit |
| Profillogon | Valgfrit |
Transaktionsdata
Vigtigt
Da transaktionerne direkte afspejler kundernes indkøbsmønstre, er transaktioner vigtige i forhold til at forudsige kundefrafald – en kunde, hvis transaktionsmængde eller -værdi falder under en vis grænse, er faldet fra. Du definerer, hvad frafald betyder for virksomheden, ved at angive disse grænser, når du opretter din frafaldsmodel.
Et transaktionsobjekt indeholder felter, der har data om kundebesøg og sessioner. En forudsigelsesmodel for detailafgang har syv påkrævede input og seks valgfrie input, som du knytter til felter med transaktionsobjekter, når du opretter din model. Som forberedelse skal du sikre dig, at dit transaktionsobjekt indeholder felter, som du kan knytte til modellens input. Hvert valgfrit input, som du tilknytter, forbedrer præcisionen af modellens forudsigelser.
Hvis dit transaktionsobjekt ikke har alle de attributter, som du vil medtage i din frafaldsmodel, kan du muligvis tilknytte, matche og flette de manglende attributter, så de er tilgængelige som input i frafaldsmodellen – såfremt dit kildedatasæt indeholder egnede attributter, som du kan bruge. Du kan finde flere oplysninger under Oversigt over datasamling.
Hvis du ikke kan finde egnede attributter i dine kildedata, kan du muligvis tilføje datakilder og derefter tilknytte, matche og flette dem.
Transaktionsdatainput
Find dit transaktionsobjekt, og notér, hvilket felt du vil knytte til hvert enkelt input, der er anført i følgende tabel. Du kan ikke oprette en model uden et felt for hvert påkrævet input. Forudsigelserne i din model bliver mere nøjagtige, hvis du knytter felter til valgfrie input – jo flere af dem, jo bedre.
Tip
Hvis du er ny bruger, skal du overveje at kopiere følgende tabel med input og derefter notere, hvilket felt du vil knytte til hvert enkelt input.
| Input til tilknytning | Påkrævet eller valgfrit |
|---|---|
| Transaktions-id | Obligatorisk |
| Kunde-id | Obligatorisk |
| Tidsstempel for transaktion | Obligatorisk |
| Id for transaktionssession | Obligatorisk |
| Transaktionstype | Obligatorisk |
| Transaktionskanaltype | Obligatorisk |
| Transaktionsbeløb | Obligatorisk |
| Id for transaktionsplacering | Valgfrit |
| Produktkatalog-id | Valgfrit |
| Udlignet rabatbeløb | Valgfrit |
| Levering til tiden | Valgfrit |
| Betalingstype | Valgfrit |
| Gennemse kundescore | Valgfrit |
Opret en model til forudsigelse af afgang fra detailkanal
På Dynamics 365 Customer Insights-portalen skal du vælge Intelligens>Forudsigelser
Vælg feltet Afgang fra detailkanal, og vælg derefter Brug model.
Vigtigt
Hvis de påkrævede objekter ikke findes, kan du ikke se feltet Afgang fra detailkanal.
Skærmbilledet Modelnavn åbnes.
Modelnavn
- Vælg Navn, og giv din frafaldsmodel et navn, der er let at læse.
- Vælg Navn på outputobjekt , og angiv et navn til modellens outputobjekt udelukkende ved hjælp af bogstaver og tal (ingen mellemrum). Forudsigelserne for din model gemmes i dette objekt.
- Vælg Næste nederst i skærmbilledet.
Modelindstillinger
Angiv modelindstillinger for at hjælpe modellen med at oprette forudsigelser, der passer til din virksomhed: hvor mange dages data der skal evalueres, og hvilke tærskelværdier for inputtet der indikerer frafald.
- På skærmbilledet Indstillinger skal du vælge Periode for forudsigelse og angive det antal dage, modellen skal bruge til at evaluere risikoen for frafald.
- Vælg Grænse for fald i transaktionsmængde, og angiv den procentdel af transaktionshyppigheden, der angiver frafald (hvis du f.eks. angiver den til 0,2, fortolker modellen et fald på 80 % i transaktionshyppighed som kundeafgang).
- Vælg Grænse for værdifald for transaktion, og angiv den procentdel af transaktionsværdien, der angiver frafald (hvis du f.eks. angiver den til 0,1, fortolker modellen et fald på 90 % i transaktionsværdi som kundeafgang).
- Vælg Næste nederst i skærmbilledet.
Påkrævede data
- Find de kunde-, sessions- og transaktionsobjekter, du har identificeret som forudsætninger.
- Vælg Tilføj data for hvert objekt , og vælg det kildeobjekt, du har identificeret.
- For hvert felt i formularen skal du vælge det tilsvarende kunde-, sessions- eller transaktionsinput, som du har identificeret som en forudsætning.
- Vælg Gem , når alle felterne er udfyldt.
- Vælg Næste nederst i skærmbilledet.
Dataopdateringer
Her skal du angive en hyppighed til at omskole din model. Omskoling forbedrer nøjagtigheden af forudsigelserne.
- Vælg Ugentligt eller Månedligt. De fleste virksomheder kan omskole én gang om måneden og opnå en god præcision af deres forudsigelse. Vælg Vis eksempel, hvis du vil have lidt mere hjælp til at beslutte dig.
- Vælg Næste nederst.
Gennemse og kør
Gennemse detaljerne for din model. Vælg Rediger ud for en værdi for at ændre den, eller vælg et tidligere procestrin.
Hvis alt ser fint ud, kan du springe dette trin over. Hvis du endnu ikke er klar til at køre din frafaldsmodel, skal du vælge Gem kladde og derefter Luk nederst til højre. Når du er klar til at genoptage arbejdet på den, skal du vælge Intelligens>Forudsigelser i Customer Insights-navigationsruden og derefter vælge redigeringsikonet ud for kladdemodellens Forudsigelsesnavn under fanen Mine forudsigelser.
Vælg Gem og kør for at starte forudsigelsesprocessen. Du kan se statussen for dine forudsigelser under fanen Mine forudsigelser. Det kan tage flere timer, før processen er fuldført, afhængigt af mængden af data, der bruges i forudsigelsen.
Gennemse forudsigelsesstatus og resultater
Sådan får du vist status og resultater for en forudsigelse:
Gå til Intelligens>Forudsigelser, og vælg fanen Mine forudsigelser.
Vælg de tre prikker ud for navnet på den forudsigelse, du vil gennemgå resultater for, og vælg derefter Vis.
Der findes tre primære sektioner med data på resultatsiden:
Træningsmodellens ydeevne: A, B eller C er mulige scorer. Denne score ydeevnen af forudsigelsen og kan hjælpe dig med at træffe beslutningen om at bruge de resultater, der er gemt i outputobjektet. Scorer bestemmes ud fra følgende regler:
- A, når modellen forventes at forudsige mindst 50 % af de samlede forudsigelser, og når procentsatsen af upræcise forudsigelser for kunder, der er blevet passive, er under 10 %.
- B, når modellen forventes at forudsige mindst 50 % af de samlede forudsigelser, og når procentsatsen af upræcise forudsigelser for kunder, der er blevet passive, er over 10 %.
- C, når modellen forudsagde under 50 % af de samlede forudsigelser korrekt.
Sandsynlighed for afgang: Kundegrupper baseret på deres forudsagte risiko for afgang. Du kan senere bruge disse data, hvis du vil oprette et kundesegment med stor risiko for afgang. Disse segmenter hjælper dig f.eks. med at forstå, hvor din grænse skal være for kundefastholdelsessegmenter.
Mest indflydelsesrige faktorer: Der er mange faktorer, som tages i betragtning ved oprettelsen af din forudsigelse. Hver af faktorerne er vigtig for de aggregerede forudsigelser, som en model opretter. Du kan bruge disse faktorer til at validere dine forudsigelsesresultater. Du kan også bruge oplysningerne til at oprette segmenter, der kan være med til at påvirke afgangsrisikoen for kunderne.
- Forklarlighed på postniveau: Outputobjektet indeholder en forklarende tabel, der indeholder de vigtige faktorer, som har påvirket hvert enkelt kundeafgangsresultat. Du kan eksportere disse tabeller til forskellige formål.
Rette en mislykket forudsigelse
Hvis der er fejl i en forudsigelse, kan du se en fejlmeddelelse, der forklarer, hvad der gik galt. Da modellen f.eks. kørte, fandt den ikke kunder, der var "ved at falde fra", og modellen kunne ikke oplæres – det kan betyde, at du har sat transaktionsgrænserne for lavt.
Sådan kan du prøve at rette en forudsigelse ved at gennemse fejllogfiler:
Gå til Intelligens>Forudsigelser, og vælg derefter fanen Mine forudsigelser.
Vælg en forudsigelse, som du vil gennemse, og vælg derefter Logfiler.
Gennemgå alle fejlene. Hver enkelt fejls beskrivelse af, hvilken betingelse der forårsagede fejlen, kan hjælpe dig med at finde ud af, hvordan problemet skal løses. En fejlmeddelelse om, at der ikke er nok data til en præcis forudsigelse af frafald, kan f.eks. løses ved at indlæse flere data. Eller en fejl, der angiver, at din model ikke er i stand til at forudsige nogen frafaldne kunder, kan betyde, at du skal revidere dine modelpræferencer med højere grænseværdier, der indikerer frafald.
Opdatere en forudsigelse manuelt
Bemærk
Forudsigelser opdateres automatisk, når dine data opdateres, som konfigureret i indstillingerne.
- Gå til Intelligens>Forudsigelser, og vælg derefter fanen Mine forudsigelser.
- Vælg de lodrette ellipser ud for den forudsigelse,, du vil opdatere.
- Vælg Opdater.
Slette en forudsigelse
Bemærk
Hvis du sletter en forudsigelse, fjernes dens outputenhed.
- Gå til Intelligens>Forudsigelser, og vælg derefter fanen Mine forudsigelser.
- Vælg den lodrette ellipse ud for den forudsigelse, som du vil slette.
- Vælg Slet.
Integration
Modellens primære output er et objekt med kundeafgangspoint på tværs af din kundebase og på kundeniveau. Første- og tredjepartsplatforme og -tjenester kan bruge dette objektoutput via API til rapportering og planlægning.
Overholdelse
Bemærk
Funktionen til forudsigelse af frafald bruger automatiserede metoder til at evaluere data og foretage forudsigelser på baggrund af disse data, og det er derfor muligt at bruge denne funktion som profileringsmetode, som dette udtryk er defineret i henhold til diverse love og bestemmelser om beskyttelse af personlige oplysninger. Detailhandleres brug af denne funktion til at behandle data kan være underlagt sådanne love eller bestemmelser. Du er ansvarlig for at sikre, at brugen af Dynamics 365 Customer Insights, herunder funktionen til forudsigelse af frafald, overholder alle gældende love og bestemmelser, herunder lovgivning vedrørende beskyttelse af personlige oplysninger, personlige data, biometriske data, databeskyttelse og fortrolighed i kommunikationen.
Se også
Overholdelse af angivne standarder for Microsoft Cloud for Retail
Support til Microsoft Cloud for Retail
Hvad er Microsoft Cloud for Retail?