제안된 세그먼트(미리 보기)
[이 문서는 시험판 문서이며 변경될 수 있습니다.]
Dynamics 365 Customer Insights - Data는 활동 또는 측정값을 기반으로 세그먼트를 제안할 수 있습니다.
중요
- 이는 프리뷰 기능입니다.
- 프리뷰 기능은 생산용으로 만들어진 것이 아니므로 기능이 제한될 수 있습니다. 이런 기능은 공식 릴리스 전에 사용할 수 있으므로 고객이 조기에 액세스하고 피드백을 제공할 수 있습니다.
활동을 기반으로 제안된 세그먼트(프리뷰)
Customer Insights - Data에 수집된 고객 활동 데이터를 기반으로 고객의 흥미로운 세그먼트를 검색합니다. 활동 데이터의 예로는 트랜잭션, 지원 통화 기간, 구매 또는 반품이 있습니다. 세그먼트를 제안하기 위해 활동 데이터에서 최신성, 빈도 및 금전적 가치(또는 기간)를 분석합니다.
활동별로 고객 분류
Customer Insights - Data에서 사용 가능한 활동 데이터를 통해 고객 그룹을 나타내는 제안을 생성할 수 있습니다.
- 가장 활동적인 고객
- 가장 많이 구매한 고객
- 가장 많은 수익을 발생시킨 고객
- 최근 활동하지 않은 고객
- 귀사와 자주 상호 작용하는 고객
소매업의 경우 어떤 고객이 가장 많은 수익을 발생시키는지 확인하고 쿠폰으로 보상할 수 있습니다. 또는 비정기적인 고객을 식별하고 보상 프로그램에 참여하도록 제안하여 고객이 귀하의 비즈니스를 더 자주 방문하도록 할 수 있습니다. 공공 의료 서비스를 제공하고 개별 환자의 비용을 최소화하는 것이 목표인 경우 가능한 한 적은 방문으로 최상의 진료를 제공하여 반복 방문을 줄이려고 할 것입니다. 이 경우 목표는 방문 빈도를 낮게 유지하고 환자의 정기 비용을 최소화하는 것입니다. 또는 진료 예약을 자주하고 정기 비용이 높은 환자 세그먼트를 식별하고 이러한 사례를 분석하여 개인의 치료를 개선할 수 있습니다.
측정값을 기반으로 제안된 세그먼트(프리뷰)
AI 모델의 도움을 받아 흥미로운 고객 세그먼트를 발견하십시오. 이 기계 학습 기반 기능은 측정값 또는 고객 특성을 기반으로 세그먼트를 제안합니다. 핵심 성과 지표(KPI)를 개선하거나 다른 특성의 컨텍스트에서 특성의 영향을 더 잘 이해할 수 있습니다.
노트
제안된 세그먼트 기능을 통해 자동화된 수단을 사용하여 데이터를 평가하고 해당 데이터를 기반으로 예측합니다. 따라서 개인 정보 보호법 및 규정에 정의된 용어이므로 프로파일링 방법으로 사용할 수 있습니다. 데이터 처리를 위해 이 기능을 사용하는 경우 해당 법률 또는 규정이 적용될 수 있습니다. 귀하는 이 기능을 포함한 Customer Insights - Data 사용이 개인 정보 보호, 개인 데이터, 생체 인식 데이터, 데이터 보호 및 통신 기밀과 관련된 법률을 포함하여 모든 관련 법률 및 규정을 준수하는지 확인할 책임이 있습니다.
KPI를 개선하기 위해 제안된 세그먼트
생성된 측정값을 사용하는 경우 KPI를 추적하는 데 도움이 되도록 세그먼트를 만들어 KPI에 대한 영향을 확인합니다. 이 정보를 사용하여 세밀하게 타겟팅된 캠페인을 실행할 수 있습니다.
예를 들어 사용자가 TotalSpendPerCustomer라는 측정값을 추적합니다. 기업으로서 여러분은 이 숫자가 증가하는 것을 보고 싶어 합니다. 측정값을 기본 특성으로 선택하여 영향을 평가할 특성을 선택합니다. 회원 등급, 가입 기간 및 직업을 생각해 봅시다. 그런 다음 Customer Insights - Data는 해당 측정값에 가장 큰 영향을 주는 사람을 알려주는 세그먼트를 제안할 수 있습니다. 예를 들어 골드 회원이며 최소 5년 동안 사용자의 비즈니스를 이용한 회계사가 TotalSpendPerCustomer에 가장 큰 영향을 미칩니다. 모든 제안에 대한 예상 세그먼트 크기를 얻게 됩니다. 이 정보를 사용하여 대상 고객을 위한 캠페인을 만들 수 있습니다.
고객 특성에 영향을 미치는 요소 이해
측정값 대신 고객 특성을 기본 특성으로 선택할 수 있습니다. 영향을 미치는 특성 선택에 따라 AI 모델은 선택한 특성이 기본 특성에 어떻게 영향을 미치는지 보여주는 일련의 제안을 만듭니다.
예를 들어 기본 특성으로 리워드 회원(예/아니오)를 선택합니다. 재직 기간, 직업 및 지원 티켓 수는 다른 영향을 미치는 특성으로 설정됩니다. AI 모델은 대부분 2년 이상의 재직 기간을 가진 IT 전문가가 보상 회원임을 나타내는 세그먼트를 제안할 수 있습니다. 또 다른 제안은 재직 기간이 1년 이상이고 지원 티켓이 3개 미만인 회계사가 보상 회원이라는 점을 강조할 수 있습니다.
인공 지능 사용
의사 결정 트리 알고리즘은 기본 특성과 영향을 주는 특성을 사용하여 흥미로운 세그먼트를 제안합니다. 제안은 AI 알고리즘에서 선택한 규칙 또는 패턴을 기반으로 합니다. 평균 인구와 크게 다른 세그먼트만 제안으로 표시됩니다. 평균 모집단과의 비교는 선택한 측정값 또는 기본 특성을 기반으로 합니다.
책임감 있는 AI
제안된 세그먼트를 사용하면 특성을 선택하여 새 세그먼트를 만들고 선택한 데이터를 처리할 수 있습니다. 인종, 성적 취향 또는 성별과 같은 민감한 특성을 포함한 특성을 선택하는 경우 해당 데이터를 처리할 수 있는지와 처리해야 하는지를 확인해야 합니다. 귀하의 조직에 적용되는 모든 법률을 준수하고 조직의 원칙과 개인 정보 보호 정책을 준수할 책임이 있습니다.
범주 및 숫자 값이 있는 기본 특성에 대한 다른 결과
숫자 특성 또는 범주 특성을 기본 특성으로 선택하면 세그먼트 제안이 다릅니다. 범주형 특성의 값에는 둘 이상의 범주 또는 유형이 포함됩니다. 숫자 특성은 정량적 데이터를 포함하며 이와 관련된 측정 감각을 가지고 있습니다.
연간 소득 또는 가입 기간과 같은 숫자 특성을 기본 특성으로 사용하여 시스템은 모든 고객과 비교할 때 숫자 특성의 평균값이 높거나 낮은 세그먼트를 제안합니다.
기본 특성으로서 고객 만족도와 같은 범주형 특성은 동일한 범주에 속한 모든 고객의 비율과 비교할 때 특정 범부에 속하는 고객 비율이 더 높거나 낮은 제안된 세그먼트를 만듭니다. 예를 들어 고객 만족도를 기본 특성으로 선택하면 이는 세 가지 범주(낮음, 중간 및 높음)로 구성됩니다. 각 범주에 대해 동일한 범주에 있는 모든 고객의 비율과 비교하여 해당 범주에 속하는 고객의 비율이 높거나 낮은 세그먼트가 제안됩니다. 전체 고객 중 22%가 높음 만족도를 가지고 있는 경우, 22%에 비해 높음 만족도를 가진 고객의 비율이 높거나 낮은 부문만 해당 범주에 대해 제안됩니다. 마찬가지로 통계적으로 유의한 경우 각각의 다른 범주(낮음 및 중간)에 대해 세그먼트가 제안됩니다.
노트
현재는 최대 10개의 범주가 있는 기본 범주 특성만 지원합니다. 10개 이상의 범주가 있는 기본 특성을 기반으로 하는 세그먼트 제안을 보려면 일부 범주를 그룹화하여 범주 수를 10개 이하로 줄이는 것이 좋습니다. 이 제한은 기본 특성에만 적용됩니다. 영향을 미치는 범주 특성의 경우, 현재 최대 100개의 범주를 지원합니다.