IA Intelligence-Saifs client (préversion)
Noter les clients en niveaux A/B/C/D avec des risques expliqués.
Ce connecteur est disponible dans les produits et régions suivants :
| Service | classe | Regions |
|---|---|---|
| Copilot Studio | Premium | Toutes les régions Power Automate , à l’exception des éléments suivants : - Us Government (GCC) - Us Government (GCC High) - China Cloud géré par 21Vianet - Us Department of Defense (DoD) |
| Applications logiques | Standard | Toutes les régions Logic Apps , à l’exception des suivantes : - Régions Azure Government - Régions Azure Chine - Us Department of Defense (DoD) |
| Power Apps | Premium | Toutes les régions Power Apps , à l’exception des suivantes : - Us Government (GCC) - Us Government (GCC High) - China Cloud géré par 21Vianet - Us Department of Defense (DoD) |
| Power Automate | Premium | Toutes les régions Power Automate , à l’exception des éléments suivants : - Us Government (GCC) - Us Government (GCC High) - China Cloud géré par 21Vianet - Us Department of Defense (DoD) |
| Contact | |
|---|---|
| Name | Ia Saifs |
| URL | https://saifs.ai/ |
| Messagerie électronique | taher@saifytech.com |
| Métadonnées du connecteur | |
|---|---|
| Éditeur | Ia Saifs |
| Website | https://saifs.ai/ |
| Politique de confidentialité | https://saifs.ai/privacy_policy/customer-intelligence |
| Categories | IA; Données |
Customer Intelligence - Saifs AI
Customer Intelligence - Saifs AI est un serveur MCP (Model Context Protocol) qui note un livre d’achat client dans des niveaux A/B/C/D avec une valeur de durée de vie du client expliquée (CLV), une valeur à risque, un élévation de contact et une file d’attente SAVE / GROW / VERIFY rep classé. Il prend l’historique des achats (customer_id, , dateamount) à partir de CSV, Excel, Tally ou CRM exporte et retourne un registre par client avec des traces d’explications afin que les équipes de vente hiérarchisent par argent en jeu, pas seulement les étiquettes.
Publisher : Saifs AI
Prerequisites
- Accès à Microsoft Copilot Studio (ou à une autre surface d’agent Microsoft prise en charge)
- Autorisation de créer des agents et d’ajouter des outils MCP
- Un compte Saifs AI pour terminer la connexion à la connexion
- Exportation d’achat avec une ligne par transaction contenant au moins :
-
customer_id(ou équivalent : AccountId, Nom du tiers et alias similaires) -
date(ou équivalent : invoice_date, Date de la facture) -
amountsupérieur à 0 (ou équivalent : chiffre d’affaires, montant de la facture)
-
- Facultatif mais recommandé pour l’apprentissage du contact : journal des contacts avec
customer_idetdateuniquement (appels, visites ou touches WhatsApp) - Pour les livres de plus de 500 lignes de transaction : bac à sable de code avec numpy pour exécuter le script de scoring retourné par
customer_tiering_get_engine
Obtention des informations d’identification
Ce MCP utilise OAuth 2.0 avec Saifs AI.
Pour les fabricants qui connectent le MCP dans Copilot Studio
Les administrateurs et les créateurs ne créent pas manuellement de clés API. Lorsque vous créez une connexion dans Copilot Studio, vous êtes redirigé vers Saifs AI pour vous authentifier. Une fois la connexion établie, la connexion est créée et l’agent peut appeler les outils MCP sous ce compte.
Pour les éditeurs / validation Microsoft (Azure Key Vault)
Les soumissions de certification configurent OAuth via Azure Key Vault (authorization.type = AzureKeyVault). Stockez les secrets avec des noms exacts (respectant la casse) :
| Nom du secret | Obligatoire pour OAuth 2.0 | Purpose |
|---|---|---|
ClientId |
Yes | CLIENT OAuth / ID d’application |
ClientSecret |
Yes | Clé secrète client OAuth |
AuthorizationUrl |
Oui (OAuth2) | Point de terminaison d’autorisation |
TokenUrl |
Yes | Point de terminaison de jeton |
RefreshUrl |
Si des jetons d’actualisation sont utilisés | Actualiser le point de terminaison |
Scopes |
Si des étendues sont requises | Étendues séparées par des espaces |
Accordez au principal 8e91e74f-afe9-41cd-8c3f-17a9562a74ea du service de certification Microsoft Key Vault’utilisateur secrets (ou un accès en lecture équivalent). Définissez authorization.referenceId le manifeste MCP sur l’URI Key Vault, et non sur un URI secret.
Pour plus d’informations sur l’installation Key Vault, consultez Microsoft certification du serveur MCP ( FAQ).
Support, confidentialité et conditions :
- Site internet: https://saifs.ai/
- Soutien: https://saifs.ai/contact-us
- Confidentialité : https://saifs.ai/privacy_policy/customer-intelligence
- Termes: https://saifs.ai/eula
Getting Started
Flux pour les administrateurs
- Cliquez sur Nouvel agent.
- Dans le menu de droite, cliquez sur Outils.
- Cliquez sur McP (Model Context Protocol).
- Sélectionnez Customer Intelligence - Saifs AI.
- Cliquez sur Non connecté, puis sur Créer une connexion.
- Terminez la connexion Saifs AI lorsque vous y êtes invité.
- Après la connexion, la connexion est créée avec succès.
Exemple : créer un agent de hiérarchisation des clients
- Nommez votre agent, par exemple la hiérarchisation des clients.
- Ajoutez des instructions telles que :
You help sales managers prioritize which customers to call today.
When the user provides a purchase export (customer_id, date, amount):
- If there are 500 transaction rows or fewer, call customer_tiering with the rows.
- If there are more than 500 rows, call customer_tiering_get_engine and run the returned script verbatim against the file (numpy required).
Always lead with ranked SAVE / GROW / VERIFY actions and money impact in the user's currency.
Explain tiers in plain language. Do not invent winners or rupee figures the tools did not return.
If identity_cleaning.review_candidates appear, ask the user which accounts to merge and re-send with identity_overrides.
- Cliquez sur Aperçu pour tester avec un petit fichier CSV d’achat.
- Cliquez sur Publier.
Vérification rapide après la connexion
- Noter un petit livre (au moins suffisamment de clients et répéter les acheteurs pour que le modèle s’adapte) avec
customer_tiering. - Vérifiez que la réponse inclut un registre par client, des étiquettes de niveau, des chiffres de couche argent et une file d’attente SAVE/GROW/ VERIFY.
- Pour un fichier plus volumineux, appelez
customer_tiering_get_engine, enregistrez et exécutez le script retourné comme indiqué et confirmez qu’ilcustomer_tiering_result.jsonest écrit.
Opérations prises en charge
customer_tiering
Note un carnet client de 500 lignes de transaction ou moins dans les niveaux A/B/C/D. Envoyer les lignes directement ; le serveur exécute la modélisation de survie (BG/NBD), la modélisation des dépenses (Gamma-Gamma), la migration de niveau, la couche argent et les cartes de décision, puis retourne le résultat complet, y compris un registre par client avec des traces d’explications.
Utiliser lorsque l’utilisateur demande à segmenter, hiérarchiser ou classer les clients ; générer une file d’attente d’appels (SAVE / GROW / VERIFY) ; trouver des comptes à risque ou de croissance ; estimer l’exposition du livre ; ou noter une exportation d’achat CSV / Excel / Tally / CRM de 500 lignes ou moins.
Pour les livres de plus de 500 lignes, utilisez customer_tiering_get_engine à la place.
Paramètres obligatoires
| Paramètre | Type | Descriptif |
|---|---|---|
transactions |
tableau | Acheter des lignes. Chaque élément a besoin customer_id, dateet amount (> 0, fini). |
Paramètres facultatifs
| Paramètre | Type | Descriptif |
|---|---|---|
customer_name |
string | Sur chaque transaction : nom lisible facultatif lorsqu’il customer_id s’agit d’un code. Utilisé pour les étiquettes ; regroupement utilise customer_idtoujours . |
as_of |
string | Date YYYY-MM-DDd’analyse . La valeur par défaut est la dernière date de transaction. |
horizon_months |
entier | Horizon de projection CLV en mois (par défaut 12). |
annual_discount_rate |
Numéro | Taux de remise annuel pour CLV (valeur par défaut 0,10). |
currency |
string | Code monétaire ISO pour l’affichage uniquement (INR, USD, EUR). Aucune conversion FX. |
currency_symbol |
string | Remplacer le symbole d’affichage (par exemple , ou $). |
risk_period_months |
entier | Fenêtre sur laquelle le risque d’attrition est évalué (par défaut 3). |
contact_effectiveness |
Numéro | Fraction de secours de l’attrition à risque récupérée par un contact lorsque les données apprises sont manquantes (valeur par défaut 0,30). |
assumed_upgrade_prob |
Numéro | Secours P(upgrade | contacted) lorsque les données apprises sont insuffisantes (par défaut 0.15). |
rep_contacts |
tableau | Facultatif[{customer_id, date}, ...]. Crée des matrices de migration tactiles ou non touchées et apprend à élever les contacts par niveau (≥ 10 transitions tactiles). Observation, pas causale. |
min_customers_for_model |
entier | En dessous de ce nombre, BG/NBD refuse de s’adapter (par défaut 10). |
min_repeat_buyers_for_model |
entier | En dessous de ce nombre répétitif d’acheteur, BG/NBD refuse de s’adapter (par défaut 5). |
include_diagnostics |
booléen | Si la valeur est true, incluez les paramètres MLE et les diagnostics d’ajustement multi-démarrage (valeur false par défaut). |
rep_queue_max_items |
entier | Longueur maximale de la file d’attente SAVE / GROW / VERIFY quotidienne (par défaut 8). |
rep_queue_min_save_revenue |
Numéro | Ignorez les candidats SAVE dont le revenu de durée de vie est inférieur à celui-ci (valeur par défaut 0). |
identity_overrides |
Objet | Le jugement fusionne pour review_candidates un appel précédent : {raw value -> account}. |
Nettoyage des identités
Les identificateurs client sont nettoyés côté serveur avant le scoring. Les variantes de capitalisation, d’espacement, de ponctuation, de suffixe juridique et d’ordre de mot (par exempleACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited) sont fusionnées par règle. Envoyer des valeurs exactement comme elles apparaissent dans la source ; ne pré-normalise pas. Les groupes ambigus qui ont besoin d’un jugement humain sont retournés sans identity_cleaning.review_candidates fusion pour vous permettre de résoudre via identity_overrides.
Ce que vous récupérez (conceptuellement)
- Niveaux A/B/C/D basés sur la fonction CLV prédite (pas seulement le chiffre d’affaires passé)
- Explication des traces pour la raison pour laquelle un compte a atterri dans un niveau
- Valeur à risque, contact up lift, and upgrade upside framed as currency ranges with confidence
- Chiffres d’exposition au niveau du livre
- Une file d’attente SAVE / GROW / VERIFY rep classé
customer_tiering_get_engine
Pour les livres de plus de 500 lignes de transaction. Retourne un script complet et exécutable Python qui note le livre en niveaux A/B/C/D avec la même pile de modélisation et la même couche d’argent. Exécutez-le dans votre bac à sable de code sur le fichier transactionnel de l’utilisateur. Les lignes ne passent jamais par le modèle en tant que jetons, donc un livre de 10 000 lignes coûte le même pour orchestrer qu’une ligne de 600 lignes.
Paramètres obligatoires
| Paramètre | Type | Descriptif |
|---|---|---|
file_path |
string | Chemin du fichier transactionnel (CSV / TSV / JSON) à l’intérieur du bac à sable. Une ligne par achat avec l’identificateur du client, la date et le montant > 0. Les noms de colonnes sont mis en correspondance de manière flexible. |
Paramètres facultatifs
| Paramètre | Type | Descriptif |
|---|---|---|
contacts_path |
string | Chemin d’accès facultatif à un journal des contacts de rep (identificateur client + date uniquement). Avec suffisamment de transitions tactiles, la valeur de contact est mesurée par niveau au lieu d’être supposée. |
currency |
string | Code monétaire ISO pour l’affichage (USD par défaut). |
as_of |
string | Date YYYY-MM-DDd’analyse . La valeur par défaut est la plus récente dans le fichier. |
Comment exécuter le script retourné
- Enregistrez le script retourné exactement comme indiqué (ne retypez pas, raccourcissez, reformat ou rééployez les mathématiques).
- Modifiez uniquement le chemin d’accès / AS_OF / CURRENCY / OUT / OVERRIDES / LIGNES CONTACTS en bas si nécessaire.
- Exécutez-le dans un bac à sable avec numpy.
- Lire les décisions imprimées classées et les chiffres des titres ; ouvrez le registre complet par client écrit en regard de l’entrée (valeur par défaut
customer_tiering_result.json).
Un résumé pré-agrégé par client ne fonctionnera pas : les modèles ont besoin d’un délai d’achat.
Fonctionnement du scoring (langage brut)
Le MCP combine l’analytique client classique dans un registre expliqué :
- Classement de référence : concentration Pareto / ABC comme contrôle de la santé.
- Avertissement précoce comportemental : récurrence, fréquence et signaux monétaires du style RFM pour la trace d’explication.
- Probabilité vivante : la modélisation de survie BG/NBD estime si un compte est toujours actif.
- Dépenses et CLV — Gamma-Gamma dépenser des projets de modélisation prévus pour la valeur future ; les niveaux suivent la fonction CLV prédite.
- Migration et élévation : transitions de niveau de type Markov ; l’historique de rep-contact facultatif apprend à toucher et non touché le lift.
- Couche Argent : transforme les probabilités en valeur à risque, valeur du contact, mise à niveau à l’envers et exposition de livres, signalées comme des plages avec confiance — jamais des estimations de point nu.
Les chiffres de canal et d’argent sont un guide directionnel de l’historique des achats, pas une expérience de laboratoire montrant la cause.
Problèmes connus et limitations
- Compte actif requis. Un compte Saifs AI actif ayant accès à Customer Intelligence est requis. Les outils ne peuvent pas être appelés tant que la connexion OAuth n’est pas terminée correctement sur la connexion.
- Données minimales pour l’ajustement. Sous le client configuré et les seuils répétitifs (valeurs par défaut : 10 clients, 5 acheteurs répétés), BG/NBD refuse de s’adapter. Ajoutez plus d’historique ou réduisez les seuils uniquement lorsque le livre est réellement petit et que l’utilisateur accepte un ajustement plus faible.
- Délai d’achat requis. Les résumés d’une ligne par client agrégés ne peuvent pas être évalués. Exportez des achats au niveau des lignes ou des factures.
- Limite de taille du chemin d’accès aux lignes.
customer_tieringaccepte 500 lignes de transaction ou moins. Les livres plus volumineux doivent utilisercustomer_tiering_get_engineplus un bac à sable numpy. - Les fusions d’identité sont basées sur des règles. Le nettoyage automatique fusionne les variantes orthographiques/case/suffixe. Les paires ambiguës (par exemple
Acme & Co, vsAcme Pvt Ltd) restent séparées jusqu’à ce que vous appliquiezidentity_overridesaprès révision. - L’élévation de contact est observationnelle.
rep_contactsaméliore les estimations de couche argent quand elles sont suffisamment denses (≥ 10 transitions tactiles par niveau). Il ne s’agit pas d’une preuve causale aléatoire. Les niveaux partiellement alloués reviennent àcontact_effectiveness/assumed_upgrade_prob. - La devise est une étiquette d’affichage. Le passage d’INR ou USD ne convertit pas les montants. Envoyez des montants déjà dans la devise que vous souhaitez signaler.
- Modèle d’achat non contractuel. La pile par défaut cible les livres non contractuels /répétitifs (distributeurs, agences, D2C, commerce). Les livres de renouvellement d’abonnement purs peuvent avoir besoin d’un cadre différent ; les livres minces ou inadaptés doivent être refusés avec une raison claire plutôt que surajusté.
- Données personnelles. L’historique des achats peut être des données personnelles en vertu de la loi applicable en matière de confidentialité (y compris le DPDP de l’Inde). Utilisez uniquement les données que vous êtes autorisé à traiter ; conservez les stratégies de rétention et de suppression sur demande en place.
- Pas FX, pas d’écriture différée CRM dans v1. Les scores MCP et les expliquent ; il n’envoie pas de mises à jour dans Salesforce, HubSpot ou Dataverse par lui-même.
Questions fréquentes
Comment connecter le MCP ?
Suivez Flow pour les administrateurs sous Prise en main : New Agent → Tools → Model Context Protocol (MCP) → sélectionner Customer Intelligence - Saifs AI → Créer une connexion → terminer la connexion Saifs AI.
Quelles colonnes ai-je besoin dans mon fichier ?
Au minimum : identificateur client, date d’achat et montant positif. La plupart des noms de colonnes CRM et Excel sont acceptés sans renommer. Incluez éventuellement une colonne de nom de client lorsque l’ID est un code et un journal de contacts distinct (customer_id, date) pour améliorer les estimations de hausse.
Quel outil dois-je utiliser ?
-
500 lignes ou moins :
customer_tiering(envoyer des lignes dans l’appel d’outil). -
Plus de 500 lignes :
customer_tiering_get_engine(exécutez le script retourné localement).
Qu’est-ce que la file d’attente SAVE / GROW / VERIFY ?
Une liste quotidienne courte et classée par l’argent pour les représentants :
- SAVE — comptes présentant une valeur matérielle à risque si elles sont négligées
- GROW : comptes avec mise à niveau à l’envers si contacté
- VERIFY : comptes qui ont besoin d’une identité ou d’une confirmation des données avant d’agir
Pourquoi les chiffres d’argent affichent-ils des plages ?
Chaque figure monétaire est fournie avec la confiance du modèle (par exemple une plage), pas seulement une estimation de point unique. Cette honnêteté est intentionnelle afin que les gestionnaires puissent faire confiance aux chiffres lorsque la réalité atterrit à l’intérieur de la plage.
Puis-je noter les exportations Tally ou Excel ?
Yes. Toute exportation avec des lignes d’achat (customer_id / partie, date, montant) fonctionne. Pré-nettoyer uniquement si vous devez ; Les variantes d’identité sont fusionnées par les outils.
Instructions de déploiement
- Dans Copilot Studio, créez un agent et ajoutez Customer Intelligence - Saifs AI en tant qu’outil MCP.
- Créez une connexion et terminez la connexion Saifs AI.
- Ajoutez des instructions d’agent pour votre cas d’usage de hiérarchisation des ventes (voir Prise en main), Préversion avec un exemple de fichier d’achat, puis Publier.
- Gardez l’outil MCP actif aligné sur cette documentation lors de l’envoi ou de la mise à jour de packages de certification Microsoft sous le type d’offre Applications et Agents pour M365 et Copilot. Les attentes de package (manifeste, définitions d’outils,
intro.mdconfiguration d’authentification) sont décrites dans Microsoft certification du serveur MCP.
Support
- Produit : Customer Intelligence - Saifs AI
- Publisher : Saifs AI
- Site internet: https://saifs.ai/
- Inscrivez-vous / Prise en main : https://saifs.ai/
- Contactez-nous / Aide : https://saifs.ai/contact-us
- Confidentialité : https://saifs.ai/privacy_policy/customer-intelligence
- Termes: https://saifs.ai/eula
- Point de terminaison MCP (référence) :
https://customer-tiering-mcp-latest.saifs.ai/mcp
Actions
| IA Intelligence-Saifs client |
Noter les clients en niveaux A/B/C/D avec des risques expliqués. |
IA Intelligence-Saifs client
Noter les clients en niveaux A/B/C/D avec des risques expliqués.