Ehdotetut segmentit (esiversio)
[Tämä artikkeli sisältää julkaisua edeltävää materiaalia ja voi muuttua.]
Dynamics 365 Customer Insights - Data voi ehdottaa segmenttejä aktiviteetin tai mittarien perusteella.
Tärkeää
- Tämä on esiversiotoiminto.
- Esiversiotoimintoja ei ole tarkoitettu tuotantokäyttöön, ja niiden toiminnot voivat olla rajoitettuja. Nämä toiminnot ovat käytettävissä ennen virallista julkaisua, jotta asiakkaat voivat käyttää niiden ennakkojulkaisua ja antaa palautetta.
Aktiviteettiin perustuvat ehdotetut segmentit (esiversio)
Löydä mielenkiintoisia asiakassegmenttejä asiakasaktiviteettitietojen perusteella, joita Customer Insights - Data käsittelee. Esimerkkejä aktiviteettitiedoista ovat tapahtumat, tukipuhelun kesto, ostot tai palautukset. Aktiviteettitiedoista analysoidaan segmenttien ehdottamista varten niiden viimeaikaisuutta, toistuvuutta ja rahallista arvoa (tai kestoa).
Luokittele asiakkaat aktiviteetin mukaan
Customer Insights - Datassa saatavilla olevien aktiviteettitietojen avulla voimme luoda asiakasryhmiä edustavia ehdotuksia:
- aktiivisimmat asiakkaat
- asiakkaat, jotka ovat tehneet eniten ostoksia
- asiakkaat, jotka tuottivat eniten tuloja
- asiakkaat, jotka eivät ole olleet aktiivisia viime aikoina
- asiakkaat, jotka ovat usein vuorovaikutuksessa yrityksesi kanssa
Jos sinulla on vähittäiskauppa, voit selvittää, mitkä asiakkaat tuovat eniten tuottoa, ja palkita heidät kupongilla. Voit myös tunnistaa satunnaisia asiakkaita ja tarjota heille liittymistä palkinto-ohjelmaan, jotta he vierailisivat yrityksessäsi useammin. Jos tarjoat julkista terveydenhuoltoa ja haluat pienentää yksittäisten sairaanhoitovierailujen kuluja, voit yrittää vähentää toistuvia vierailuja tarjoamalla mahdollisimman hyvää hoitoa mahdollisimman vähillä käynneillä. Tässä tapauksessa tavoitteenasi on pitää käyntitiheys alhaisena ja minimoida potilaiden toistuvat kustannukset. Tai voit tunnistaa sellaisten potilaiden segmentit, joilla on usein toistuvia tapaamisia ja korkeat toistuvat kustannukset ja analysoida näitä tapauksia yksilön hoidon parantamiseksi.
Aktiviteettiin perustuvat ehdotetut mittarit (esiversio)
Tutustu asiakkaiden kiinnostaviin segmentteihin tekoälymallin avulla. Tämä koneoppimisen tehostama ominaisuus ehdottaa segmenttejä mittareiden tai asiakasmääritteiden perusteella. Se voi auttaa parantamaan KPI-tunnuslukuja tai ymmärtämään määritteiden vaikutusta muiden määritteiden yhteydessä.
Huomautus
Ehdotettujen segmenttien toiminto käyttää automaattisia tietoja arvioidakseen tietoja ja tehdäkseen ennusteita näiden tietojen perusteella. Siksi sitä voidaan käyttää profilointimenetelmänä, koska tämä termi on määritetty tietosuojalaeissa ja -säännöissä. Jos tietoja käsitellään tällä ominaisuudella, kyseisiä lakeja ja määräyksiä ehkä sovelletaan. Olet vastuussa siitä, että Customer Insights - Datain käyttäminen, myös tämän ominaisuuden käyttäminen, on kaikkien lakien ja säädösten mukaista. Näihin kuuluvat yksityisyyteen, henkilökohtaisiin tietoihin, biometrisiin tietoihin, tietosuojaan ja viestintäsalaisuuteen liittyvät lait.
Segmentit, joita on ehdotettu KPI-lukujen parantamista varten
Jos käytät KPI-tunnuslukujen seuraamiseen luotuja toimenpiteitä, voit tarkastella vaikutuksia tunnuslukuihin luomalla segmenttejä. Tietojen avulla voit suorittaa erittäin kohdennetun kampanjan.
Voit esimerkiksi seurata TotalSpendPerCustomer-mittaria. Yritys haluaa tämän luvun kasvavan. Jos mittari valitaan ensisijaiseksi määritteeksi, voit valita määritteet, joiden vaikutusta haluat arvioida. Valitaan määritteiksi jäsenyystaso, jäsenyyden kausi ja toiminta. Customer Insights - Data voi sitten ehdottaa segmenttiä, joka kertoo mittariin eniten vaikuttavan tekijän. Esimerkiksi TotalSpendPerCustomer-mittariin eniten vaikuttavia tekijöitä ovat kirjanpitäjät, jotka ovat kultatason jäseniä ja jotka ovat olleet yrityksessä vähintään viisi vuotta. Saat jokaisesta ehdotuksesta arvion segmentin koosta. Tietojen avulla voit luoda kampanjoita kohdeyleisöille.
Tietoja siitä, mikä vaikuttaa asiakasmääritteeseen
Voit valita ensisijaiseksi määritteeksi mittarin sijaan asiakasmääritteen. Tekoälymalli luo valittujen vaikuttavien määritteiden perusteella ehdotusten sarjan. Siinä näytetään, miten valitut määritteet vaikuttavat ensisijaiseen määritteeseen.
Voit esimerkiksi valita ensisijaiseksi määritteeksi Palkkio-ohjelmien jäsen (kyllä/ei) -arvon. Asiakkuuden kesto-, Toiminta- ja Tukipalvelupyyntöjen määrä -kohdat määritetään muiksi vaikuttaviksi määritteiksi. Tekoälymalli voi ehdottaa segmenttejä, jotka osoittavat erityisesti yli kaksi vuotta asiakkuutta omaavien IT-alan ammattilaisten olevan palkkio-ohjelman jäseniä. Toinen ehdotus voi korostaa, että yli vuoden asiakkuuden keston ja vähemmän kuin kolme tukipalvelupyyntöä omaavat kirjanpitäjät ovat palkkio-ohjelman jäseniä.
Tekoälyn käyttö
Jos käytössä on ensisijainen määrite ja vaikuttavat määritteet, päätöspuun algoritmi ehdottaa kiinnostavia segmenttejä. Ehdotukset perustuvat tekoälyn algoritmin valitsemaan sääntöihin tai malleihin. Vain segmentit, jotka eroavat merkittävästi keskimääräisestä perusjoukosta, näkyvät ehdotuksina. Vertailu keskimääräiseen perusjoukkoon perustuu valittuun mittariin tai ensisijaiseen määritteeseen.
Tekoälyn vastuullinen käyttö
Ehdotettujen segmenttien avulla voit valita määritteitä uusien segmenttien luontia ja valittujen tietojen käsittelyä varten. Kun valitset määritteitä, mukaan lukien arkaluontoisia määritteitä, kuten rotu, seksuaalinen suuntautuminen tai sukupuoli, varmista, että voit käsitellä näitä tietoja. Olet vastuussa siitä, että organisaatiossa sovellettavia lakeja ja organisaation periaatteita ja tietosuojakäytäntöjä noudatetaan.
Erilaiset tulokset ensisijaisille määritteille, joilla on luokitteluarvot ja numeeriset arvot
Segmenttiehdotukset ovat erilaisia, jos ensisijaisena määritteenä käytetään numeerista tai luokittelevaan määritettä. Luokittelevan määritteen arvot sisältävät vähintään kaksi luokkaa tai tyyppiä. Numeerinen määrite sisältää kvantitatiivisia tietoja, ja siihen liittyy mittayksikkö.
Kun ensisijainen määrite on esimerkiksi vuositulot tai jäsenyyskausi, järjestelmä ehdottaa segmenttejä, joilla on korkeampi tai matalampi numeerisen määritteen keskimääräinen arvo verrattuna kaikkiin asiakkaisiin.
Jos ensisijaisena määritteenä on luokitteleva määrite, kuten asiakastyytyväisyys, tuloksena saadaan ehdotettuja segmenttejä, joilla on korkeampi tai matalampi prosenttiosuus tiettyyn luokkaan kuuluvia asiakkaita verrattuna samaan luokkaan kuuluviin kaikkiin asiakkaisiin. Esimerkiksi asiakastyytyväisyys valitaan ensisijaiseksi määritteeksi. Se sisältää kolme luokkaa (Matala, Keskitaso ja Korkea). Kuhunkin luokkaan ehdotetaan segmenttejä, joissa kyseiseen luokkaan kuuluvien asiakkaiden prosenttiosuus on suurempi tai pienempi verrattuna kaikkien asiakkaiden osuuteen samassa luokassa. Jos kaikista asiakkaista 22 prosentin tyytyväisyys on Suuri, kyseiseen luokkaan ehdotetaan silloin vain segmenttejä, joiden osuus asiakkaista, joiden tyytyväisyys on Suuri, on suurempi tai pienempi verrattuna 22 prosenttiin: Vastaavasti kaikille muille luokille (Matala ja Keskitaso) ehdotetaan segmenttejä, jos ne ovat tilastollisesti merkittäviä.
Huomautus
Tällä hetkellä tuetaan vain ensisijaisia luokittelevia määritteitä, joissa on enintään 10 luokkaa. Jos haluat tarkastella segmenttiehdotuksia, jotka perustuvat yli 10 luokkaa sisältävään ensisijaiseen määritteeseen, on suositeltavaa ryhmitellä joitakin luokkia niin, että luokkien määrä on 10 tai alle. Tämä rajoitus koskee vain ensisijaisia määritteitä. Vaikuttavissa luokittelevissa määritteissä tuetaan tällä hetkellä enintään 100 luokkaa.