Προβολή της επίδρασης ενός χαρακτηριστικού στο μοντέλο
Όταν ορίζετε ένα προγνωστικό μοντέλο βαθμολόγησης, θα θέλατε να γνωρίζετε πώς κάθε χαρακτηριστικό επηρέασε την προγνωστική βαθμολογία. Με βάση αυτές τις πληροφορίες, μπορείτε να κατανοήσετε τα εξής:
- Γιατί ορισμένα χαρακτηριστικά επηρεάζουν περισσότερο την πρόβλεψη από άλλα
- Με ποιον τρόπο οι τιμές των χαρακτηριστικών συγκρίνονται με το καθολικό ποσοστό βαθμολογίας του χαρακτηριστικού
- Πώς το μοντέλο αξιοποιεί τα δεδομένα σας ώστε να παράγει βαθμολογίες πρόβλεψης
Μολονότι τα παρακάτω παραδείγματα αναφέρονται στους υποψήφιους πελάτες, αυτό το άρθρο ισχύει τόσο για τη βαθμολόγηση της ευκαιρίας όσο και για τη βαθμολόγηση των υποψήφιων πελατών.
Απαιτήσεις άδειας χρήσης και ρόλου
| Τύπος απαίτησης | Πρέπει να έχετε |
|---|---|
| Άδεια χρήσης | Dynamics 365 Sales Premium ή Dynamics 365 Sales Enterprise Περισσότερες πληροφορίες: Τιμολόγηση Dynamics 365 Sales |
| Ρόλοι ασφαλείας | Διαχειριστής συστήματος Περισσότερες πληροφορίες: Προκαθορισμένοι ρόλοι ασφαλείας για Sales |
Προβολή πληροφοριών χαρακτηριστικών και επιρροής
Στη σελίδα Επεξεργασία πεδίων επιλέξτε το χαρακτηριστικό για το οποίο θέλετε να προβάλετε πληροφορίες, είτε από την Κύρια οντότητα είτε από τις Σχετικές οντότητες.
Εμφανίζεται το τμήμα παραθύρου Πληροφορίες χαρακτηριστικού στη δεξιά πλευρά της σελίδας. Η εικόνα που ακολουθεί εμφανίζει ένα παράδειγμα του τμήματος παραθύρου Πληροφορίες χαρακτηριστικού για το χαρακτηριστικό Πόρος υποψήφιου πελάτη.
Το τμήμα παραθύρου Πληροφορίες χαρακτηριστικού εμφανίζει λεπτομερείς πληροφορίες σχετικά με ένα χαρακτηριστικό, όπως το ποσοστό έγκρισης και τους πιο σημαντικούς λόγους - τόσο θετικούς όσο και αρνητικούς - για αυτή τη βαθμολογία. Μπορείτε επίσης να συνδέσετε τη σχετική επίδραση της τιμής του χαρακτηριστικού στη βαθμολογία στις συμπεριφορές εισαγωγής δεδομένων των πωλητών σας και στο πώς αυτό μπορεί να επηρεάσει την ακρίβεια της πρόβλεψης βαθμολογίας.
Οι πληροφορίες που εμφανίζονται στο παράθυρο Πληροφορίες χαρακτηριστικού βασίζονται στα δεδομένα του οργανισμού σας και τον τρόπο με τον οποίο συσχετίζονται με τα κατάλληλα αποτελέσματα. Για παράδειγμα, όταν ένας υποψήφιος πελάτης έχει μια τιμή χαρακτηριστικού που συσχετίζεται με ένα ποσοστό αναγνώρισης πάνω από το καθολικό ποσοστό αναγνώρισης του χαρακτηριστικού, η προγνωστική βαθμολογία του υποψήφιου πελάτη αυξάνεται. Όταν το ποσοστό αναγνώρισης για έναν υποψήφιο πελάτη είναι κάτω από το μέσο όρο του χαρακτηριστικού, η προγνωστική βαθμολογία μειώνεται.
Συνήθως, το τμήμα παραθύρου Πληροφορίες χαρακτηριστικού διαιρείται στις ακόλουθες ενότητες:
Μια σύνοψη της κατάστασης της επιρροής της πρόβλεψης του χαρακτηριστικού, πόσες φορές το χαρακτηριστικό συμπληρώνεται σε ανοιχτές και κλειστές ευκαιρίες ή υποψήφιους πελάτες και ο λόγος για τον οποίο το χαρακτηριστικό δεν επιλέγεται αυτόματα για τη δημιουργία του μοντέλου.
Ένα γράφημα που παρουσιάζει τον τρόπο με τον οποίο κάθε τιμή του χαρακτηριστικού συνεισφέρει στο ποσοστό αναγνώρισης. Στο παραπάνω παράδειγμα, μπορείτε να δείτε ότι οι τιμές προέλευσης υποψήφιου πελάτη Κενό, Προφορική σύσταση και Αναφορά υπαλλήλου έχουν καλύτερες επιδόσεις από τον μέσο όρο και οι τιμές Διαφήμιση και Web αποδίδουν κάτω από τον μέσο όρο. Ο μέσος όρος αντιπροσωπεύεται από μια μπλε γραμμή και υπολογίζεται με βάση τον ακόλουθο τύπο:
Ποσοστό καθολικής έγκρισης για υποψήφιους πελάτες = (Συνολικός αριθμός υποψήφιων πελατών που έχουν εγκριθεί στον οργανισμό σας) / (Συνολικός αριθμός υποψήφιων πελατών που έχουν εγκριθεί + απορριφθέντες υποψήφιοι πελάτης μέσω αυτού του χαρακτηριστικού) *100
Ποσοστό καθολικής έγκρισης για ευκαιρίες = (Συνολικός αριθμός κερδισμένων ευκαιριών στον οργανισμό σας) / (Συνολικός αριθμός κερδισμένων + χαμένων ευκαιριών μέσω αυτού του χαρακτηριστικού) *100
Τοποθετήστε τον δείκτη του ποντικιού πάνω από μία γραμμή για να δείτε μια σύνοψη της τιμής, όπως το ποσοστό αναγνώρισης και τον αριθμό ανοικτών και κλειστών ευκαιριών ή υποψήφιων πελατών. Το ποσοστό αναγνώρισης για μια τιμή του χαρακτηριστικού υπολογίζεται με βάση τον ακόλουθο τύπο:
Ρυθμός προεπιλογής για μια τιμή του χαρακτηριστικού = (Συνολικός αριθμός υποψήφιων πελατών ή ευκαιριών που έχουν προσδιορισθεί με τη δεδομένη τιμή στο χαρακτηριστικό) / (Συνολικός αριθμός κλεισμένων υποψήφιων πελατών ή ευκαιριών με αυτήν την τιμή στο χαρακτηριστικό) *100
Για παράδειγμα, εάν οι υποψήφιοι πελάτες με μεγάλο προϋπολογισμό έχουν ποσοστό αναγνώρισης 42 τοις εκατό, ο τύπος είναι:
(Συνολικός αριθμός υποψήφιων πελατών με μεγάλο προϋπολογισμό που έχουν προκριθεί) / (Συνολικός αριθμός υποψήφιων πελατών με μεγάλο προϋπολογισμό που έχουν κλείσει) *100 = 42
Σημείωμα
Οι υπολογισμοί βασίζονται στα δεδομένα των τελευταίων δύο ετών κατά το χρόνο εκπαίδευσης του μοντέλου και ενδέχεται να μην αντιπροσωπεύουν τα τρέχοντα δεδομένα. Επίσης, εάν το μοντέλο έχει φίλτρα, οι υπολογισμοί γίνονται μετά το φιλτράρισμα των δεδομένων.
Μια ενότητα Λεπτομέρειες η οποία περιλαμβάνει τους λόγους για τους οποίους οι τιμές έχουν τις τάσεις του γραφήματος. Εάν δεν υπάρχουν αρκετά δεδομένα για χαρακτηριστικά από σχετικές οντότητες, η εφαρμογή δεν εμφανίζει τις πληροφορίες.
Η καρτέλα Πληροφορίες παρέχει περισσότερες πληροφορίες σχετικά με τις πληροφορίες χαρακτηριστικών.
Σημείωμα
Οι πληροφορίες χαρακτηριστικού ενημερώνονται κατά την επανεκπαίδευση του μοντέλου, είτε με μη αυτόματο τρόπο είτε με αυτόματο τρόπο. Δεδομένα για πληροφορίες χαρακτηριστικού δεν διατίθενται για μοντέλα που δημιουργήθηκαν πριν από τον Μάρτιο του 2021. Συνιστάται να εκπαιδεύσετε ξανά - ή να ενεργοποιήσετε την επιλογή αυτόματης επανεκπαίδευσης-του μοντέλου, ώστε να προβάλλετε τις πληροφορίες χαρακτηριστικών.
Δεν μπορείτε να βρείτε τις επιλογές στην εφαρμογή σας;
Υπάρχουν τρεις πιθανότητες:
- Δεν έχετε την απαραίτητη άδεια χρήσης ή ρόλο. Ελέγξτε την ενότητα Απαιτήσεις άδειας χρήσης και ρόλου στο επάνω μέρος αυτής της σελίδας.
- Ο διαχειριστής σας δεν έχει ενεργοποιήσει τη δυνατότητα.
- Ο οργανισμός σας χρησιμοποιεί μια προσαρμοσμένη εφαρμογή. Επικοινωνήστε με τον διαχειριστή σας για τα ακριβή βήματα. Τα βήματα που περιγράφονται σε αυτό το άρθρο αφορούν ειδικά τις έτοιμες εφαρμογές Κέντρο πωλήσεων και Sales Professional.