Javasolt szegmensek (előzetes verzió)
[Ez a cikk egy előzetes kiadási dokumentáció, amely a későbbiekben változhat.]
Dynamics 365 Customer Insights - Data tevékenység vagy mértékek alapján javasolhat szegmenseket.
Fontos
- Ez egy előnézeti funkció.
- Az előzetes funkciókat nem célszerű termelési környezetben használni, és előfordulhat, hogy korlátozott funkcionalitással rendelkeznek. Ezek a funkciók a hivatalos kiadás előtt érhetők el, hogy az ügyfelek korán megismerkedhessenek velük, és visszajelzést adhassanak róluk.
Javasolt szegmensek tevékenység alapján (előzetes verzió)
Fedezze fel ügyfelei érdekes szegmenseit a betöltött ügyféltevékenység-adatok alapján Customer Insights - Data. Tevékenységadatok például a tranzakciók, az ügyfélszolgálati hívás időtartama, a vásárlások vagy a visszatérítések. A szegmensek javaslásához elemezni kell a tevékenységadatokat, a közelmúltbeli tevékenység, a gyakoriság és a pénzben megadott érték (vagy időtartam) alapján.
Ügyfelek kategorizálása tevékenység szerint
A rendelkezésre álló tevékenységadatok segítségével Customer Insights - Dataolyan javaslatokat hozhatunk létre, amelyek az ügyfélcsoportokat képviselik:
- legaktívabb ügyfelek
- a legtöbb vásárlást végrehajtó ügyfelek
- a legnagyobb bevételt eredményező ügyfelek
- az utóbbi időben nem aktív ügyfelek
- ügyfelek, akik gyakran lépnek kapcsolatba a vállalkozással
Ha kiskereskedelmi vállalkozása van, akkor meg tudja állapítani, hogy melyik ügyfelek generálják a legnagyobb bevételt, és kuponokkal jutalmazhatja őket. Esetleg megtalálhatja az eseti ügyfeleket, és felajánlhatja nekik, hogy vegyenek részt egy jutalmazási programban, így gyakrabban kereshetik meg az Ön vállalkozását. Ha állami egészségügyi ellátást nyújt, és célja az egyes betegek költségeinek minimalizálása, megpróbálhatja csökkenteni az ismétlődő látogatásokat azáltal, hogy a lehető legkevesebb látogatás során a lehető legjobb ellátást nyújtja. Ebben az esetben az a célja, hogy a látogatások gyakorisága alacsony legyen, és hogy minimálisra csökkentse az ismétlődő költségeket. Esetleg megkeresheti a páciensek azon szegmenseit, amelyek esetében gyakoriak a találkozók és magasak az ismétlődő költségek, majd elemezheti az ilyen eseteket, hogy javítani tudja az egyes személyeknek kínált kezeléseket.
Javasolt szegmensek mértékek alapján (előzetes verzió)
Az ügyfelek érdekes szegmenseit fedezheti fel egy AI-modell segítségével. Ez gépi tanulás alapú funkció mérőszámok vagy ügyfélattribútumok alapján javasol szegmenseket. Segíthet a fő teljesítménymutatók (KPI-k) javításában, vagy az attribútumok hatásának jobb megértésében más attribútumok kontextusában.
Feljegyzés
A javasolt szegmensek funkció automatizált eszközökkel értékeli ki az adatokat, és előrejelzéseket készít az adatok alapján. Ezért profilalkotási módszerként használható, mivel ezt a kifejezést az adatvédelmi törvények és rendeletek határozzák meg. A funkció adatfeldolgozásra való használatára az említett törvények vagy rendeletek vonatkozhatnak. Ön felelős annak biztosításáért, hogy a Customer Insights - Data funkció használata, beleértve ezt a funkciót is, megfeleljen az összes vonatkozó törvénynek és rendeletnek, beleértve a magánéletre, a személyes adatokra, a biometrikus adatokra, az adatvédelemre és a kommunikáció titkosságára vonatkozó törvényeket is.
A fő teljesítménymutatók javítására javasolt szegmensek
Ha a KPI-k nyomon követéséhez létrehozott mértékeket használ , hozzon létre szegmenseket a KPI-re gyakorolt hatások megtekintéséhez. Ezeket az információkat felhasználhatja egy erősen célzott kampány futtatásához.
Nyomon követhet például egy TotalSpendPerCustomer nevűmértéket. Vállalatként szeretné látni, hogy ez a szám nő. Ha elsődleges attribútumként kiválaszt egy mértéket, válassza ki azokat az attribútumokat, amelyek befolyásolását értékelni szeretné. Tegyük fel, hogy tagsági szint, tagsági időszak és foglalkozás. Customer Insights - Data ezután javasolhat egy szegmenst, amely megmondja, hogy kik a legnagyobb hatással vannak az adott intézkedésre. Például azok a könyvelők, akik Gold tagok, és akik legalább öt éve dolgoznak az Ön vállalkozásánál , a TotalSpendPerCustomer legnagyobb befolyásolói . Minden javaslathoz becsült szegmensméretet kap. Ezen információk segítségével kampányokat hozhat létre a célközönség számára.
Az ügyfélattribútumokat befolyásoló tényezők
A mérőszám helyett választhat ügyfélattribútumot is elsődleges attribútumként. Az AI-modell a kiválasztott befolyásoló attribútumok alapján egy sor javaslatot hoz létre, amelyek megmutatják, hogy a kijelölt attribútumok hogyan befolyásolják az elsődleges attribútumot.
Például válassza a Rewards tag (Igen/Nem) attribútumot elsődleges attribútumként. A Hivatali idő, a Foglalkozás és a Támogatási jegyek száma egyéb befolyásoló attribútumként van beállítva. Az AI modell javasolhat olyan szegmenseket, amelyek leginkább két évnél hosszabb hivatali idővel rendelkező informatikai szakembereket mutatnak, aki jutalomprogram tagok. Egy másik javaslat azt mutathatja, hogy az egy évnél rövidebb hivatali idővel és háromnál kevesebb támogatási jegyekkel rendelkező könyvelők a kedvezményezett tagok.
A Mesterséges intelligencia használata
A döntési fa algoritmusa az elsődleges attribútumok és a befolyásoló attribútumok használatával javasol bizonyos szegmenseket. A javaslatok az AI-algoritmus által felvett szabályokon vagy mintákon alapulnak. Javaslatokként csak azok a szegmensek jelennek meg, amelyek jelentősen eltérnek az átlagos populációtól. Az átlagos populációval való összehasonlítás a kiválasztott mértéken vagy elsődleges attribútumon alapul.
Felelős AI
A javasolt szegmensek esetében attribútumok kiválasztásával új szegmenseket hozhat létre, és feldolgozhatja a kiválasztott adatokat. Az attribútumok, beleértve az érzékeny természetű attribútumokat például a faj, a szexuális beállítottság vagy gondoskodnia kell arról, hogy az adatokat fel szabad dolgoznia és szükséges is azok feldolgozása. Ön a felelős azért, hogy megfeleljen a szervezetre vonatkozó törvényeknek, valamint be kell tartania a szervezete irányelveit és adatvédelmi irányelveit.
Kategoriális és numerikus értékeket tartalmazó elsődleges attribútumok eltérő eredményei
A szegmensjavaslatok eltérőek, ha elsődleges attribútumként egy numerikus vagy egy kategoriális attribútumot választ. A kategoriális attribútum értékei két vagy több kategóriát vagy típust tartalmaznak. A numerikus attribútumok kvantitatív adatokat tartalmaznak, és hozzájuk van társítva mértékegység.
Elsődleges attribútumként numerikus attribútummal, például az éves jövedelemmel vagy a tagsági időszakkal rendelkezik, a rendszer olyan szegmenseket javasol, amelyek a numerikus attribútum átlagértéke magasabb vagy alacsonyabb az összes ügyfélhez képest.
Az olyan kategorikus attribútumok, mint az ügyfél-elégedettség elsődleges attribútum, olyan javasolt szegmenseket eredményeznek, amelyekben magasabb vagy alacsonyabb az adott kategóriába tartozó ügyfelek százalékos aránya, összehasonlítva az ugyanabba a kategóriába tartozó összes ügyfél százalékos arányával. Például az ügyfelek elégedettsége elsődleges attribútumként van kiválasztva, és három kategóriából áll (alacsony, közepes és magas). Minden kategóriához olyan szegmenseket javasolunk, amelyekben az adott kategóriába tartozó ügyfelek aránya magasabb vagy alacsonyabb az azonos kategóriába tartozó összes ügyfél arányához képest. Ha az összes ügyfél 22% -a magas elégedettséggel rendelkezik , akkor csak azok a szegmensek kerülnek javasolni erre a kategóriára, amelyekben magasabb vagy alacsonyabb a magas elégedettségű ügyfelek aránya, szemben a 22% -kal. Hasonlóképpen szegmenseket javasolunk minden más kategóriához (alacsony és közepes), ha statisztikailag szignifikánsak.
Feljegyzés
Jelenleg csak az elsődleges kategorikus attribútumokat támogatjuk, amelyek legfeljebb 10 kategóriát tartalmaznak. Ha több mint 10 kategóriát tartalmazó elsődleges attribútumon alapuló szegmensjavaslatokat szeretne látni, javasoljuk, hogy csoportosítson néhány kategóriát, hogy a kategóriák számát 10-re vagy kevesebbre csökkentse. Ez a korlátozás csak az elsődleges attribútumok esetén érvényes. A befolyásoló kategoriális attribútumokhoz jelenleg legfeljebb 100 kategóriát támogatunk.