예측 잠재 고객 평가 구성

아티클
06/07/2023

예측 잠재 고객 점수는 예측적 기계 학습 모델을 사용하여 과거 데이터를 기반으로 열려 있는 잠재 고객에 대한 점수를 계산합니다. 이 점수는 판매자가 잠재 고객의 우선 순위를 정하고 잠재 고객 선별 비율을 높이며 잠재 고객을 우량으로 선별하는 데 걸리는 시간을 줄입니다.

예를 들어, 파이프라인에 잠재 고객 A와 잠재 고객 B의 두 잠재 고객이 있다고 가정해보십시오. 잠재 고객 점수 모델은 잠재 고객 A에 80점, 잠재 고객 B에 50점의 점수를 계산합니다. 점수를 기반으로 잠재 고객 A가 영업 기회로 전환할 확률이 더 높다는 것을 예측할 수 있습니다. 또한 상위 영향 요인을 검토하여 잠재 고객 B의 점수가 낮은 이유를 분석하고 개선 여부를 결정할 수 있습니다.

다음 이미지는 잠재 고객 채점 위젯의 예제를 보여 줍니다.

기록 데이터 수집은 스코어링 모델을 생성할 때 시작됩니다. 기록 데이터는 분석을 위해 데이터 레이크에 저장됩니다. Dynamics 365 Sales 구독이 만료되거나 조직이 삭제되면 30일 후에 기록 데이터가 삭제됩니다.

Dynamics 365 Sales Enterprise 라이선스가 있으면 잠재 고객 및 영업 기회 점수 빠른 설정에서 예측 잠재 고객 점수를 사용 설정할 수 있습니다. 매월 1,500개의 평가된 레코드를 받게 됩니다.

라이선스 및 역할 요구 사항

요구 사항 유형	반드시 필요
라이선스	Dynamics 365 Sales Premium 또는 Dynamics 365 Sales Enterprise 추가 정보: Dynamics 365 Sales 가격
보안 역할	시스템 관리자 추가 정보: 미리 정의된 영업에 대한 보안 역할 정보

전제 조건

고급 Sales Insights 기능이 활성화되어 있어야 합니다..
과거 데이터를 기반으로 모델을 훈련할 수 있는 충분한 잠재 고객이 필요합니다. 조직은 채점 모델의 과거 데이터에서 잠재 고객 훈련 필드에서 선택한 시간 프레임 동안 최소 40개의 적격과 40개의 부적격 잠재 고객을 만들고 마감해야 합니다. 시간 프레임 범위는 3개월에서 2년입니다. 모델 학습에 포함 할 수있는 리드가 많을수록 예측 결과가 더 좋아집니다.

노트

모델에 비즈니스 프로세스 흐름을 사용하려는 경우 선택한 비즈니스 프로세스 흐름을 포기한 잠재 고객은 교육, 채점 및 모델 생성을 위한 최소 요구 사항 설정을 위해 고려되지 않습니다.

시스템은 데이터 레이크와 데이터를 동기화하는 데 약 4시간이 걸립니다. 최근에 잠재 고객을 종료한 경우 모델은 잠재 고객을 즉시 고려하지 않습니다.

첫 번째 채점 모델 만들기

중요

2020 릴리스 웨이브 2 이전의 Dynamics 365 버전에서 만든 모델을 사용하는 경우 새 모델을 만들기 전에 모델을 삭제하세요. 그렇지 않으면 모델의 이전 버전이 조직의 모든 잠재 고객에 적용되고 새 모델이 잠재 고객에 아무런 영향을 미치지 않습니다.
2020 릴리스 웨이브 2부터는 애플리케이션에서 잠재 고객 점수 관련 데이터를 msdyn_predictivescore 테이블에 작성하며 잠재 고객 테이블에는 작성하지 않습니다. 리드 및 기회 점수는 모두 msdyn_predictivescore 테이블을 사용합니다.

평가 모델은 교육 및 평가를 위해 잠재 고객을 선택하는 기준을 정의합니다. 조직이 여러 지역 또는 사업부에서 서로 다른 영업 관행을 따르는 경우 모델을 만들고 각각에 대해 고유한 교육 세트를 만들 수 있습니다.

영업 허브 페이지 왼쪽 아래에 있는 영역 변경에서 Sales Insights 설정을 선택합니다.
사이트 맵의 예측 모델에서 잠재 고객 채점를 선택합니다.

조직에 과거의 잠재 고객으로 학습 필드에서 식별된 시간 프레임에서 생성된 40개의 적격 리드 및 40개의 실격 리드가 없는 경우 점수 모델을 만들 수 없습니다. 잠재 고객이 충분하면 앱이 기본적으로 모델을 생성합니다.
예측 잠재 고객 점수 페이지에서 필요한 경우 비즈니스 프로세스 흐름, 필터 열 등과 같은 필드 값을 변경합니다. 이러한 필드에 대한 자세한 내용은 다음 섹션 모델 추가를 참조하십시오. 완료되면 시작을 선택합니다.

앱이 모델을 훈련할 때까지 몇 분 정도 기다립니다. 페이지를 종료한 후 나중에 돌아올 수 있습니다.

애플리케이션은 표준 특성을 사용하여 모델을 교육합니다. 나중에 사용자 지정 또는 지능형 특성을 포함하도록 모델 편집을 할 수 있습니다.

모델 게시

모델이 학습되고 게시할 준비가 되면 예측 잠재 고객 점수 페이지에 확인 메시지가 표시됩니다.
모델이 학습되었지만 게시할 준비가 되지 않은 경우 모델 성능 필드에 게시 준비 안 됨이 표시됩니다.
15일마다 모델을 재학습하려면 자동 재학습은 선택합니다.
게시 또는 세부 정보 보기를 선택합니다.
- 모델을 게시할 준비가 되었고 적용할 준비가 되었으면 게시를 선택합니다.
  
  모델 구성에 지정된 기준과 일치하는 잠재 고객에 모델이 적용됩니다. 보기 및 잠재 고객 양식의 위젯에 있는 잠재 고객 점수 열의 잠재 고객 점수가 표시됩니다.
- 게시하기 전에 모델의 정확도 및 성능을 보거나 모델을 게기할 수 없는 경우 이유를 알고 싶다면 세부 정보 보기를 선택한 다음 성능 탭을 선택하세요.
  
  정확도가 AUC(Area Under Curve) 점수라는 임계값 아래로 떨어지면 모델을 게시할 준비가 되지 않은 것으로 앱에서 결정합니다. 원하는 경우 모델을 게시할 수 있습니다. 그러나 제대로 수행되지 않습니다.

모델 추가

서로 다른 리드 세트에 대해 게시된 모델과 게시되지 않은 모델을 최대 10개까지 만들 수 있습니다. 기존 모델과 동일한 리드 점수를 매길 수 있는 모델을 만들려고 하면 앱에서 경고합니다.

예측 잠재 고객 점수 페이지 하단에서 모델 추가를 선택하세요.

노트

점수 모델을 하나 이상 생성하지 않은 경우 모델 추가 버튼이 표시되지 않습니다.

예측 잠재 고객 점수 페이지가 기본값으로 열립니다.
새 모델 이름 상자에 영숫자가 포함된 이름을 입력합니다. 밑줄은 허용되지만 공백이나 기타 특수 문자는 허용되지 않습니다.

기본적으로 이름은 LeadScoring_<YYYYMMDD><시간>(예: LeadScoring_202009181410)으로 구성됩니다. 날짜와 시간은 UTC(협정세계시)를 기준으로 합니다.
비즈니스 프로세스 흐름 목록에서 모델을 생성하는 잠재 고객과 관련된 흐름을 선택합니다. 선택한 비즈니스 프로세스 흐름을 포기한 잠재 고객은 교육, 채점 및 모델 생성을 위한 최소 요구 사항 설정을 위해 고려되지 않습니다.

목록에는 조직의 잠재 고객에 대해 정의된 모든 비즈니스 프로세스 흐름이 표시됩니다.

목록에 사용자 지정 비즈니스 프로세스 흐름을 표시하려면 비즈니스 프로세스 흐름 엔터티에 대해 변경 내용 추적을 사용합니다. 모델을 생성하면 사용자 지정 비즈니스 프로세스가 자동으로 사용되어 분석을 위해 데이터를 데이터 레이크에 동기화합니다.
상태 옵션 집합 목록에서 리드의 상태가 정의된 옵션 집합를 선택합니다.
적격 값 및 부적격 값 목록에서 각각 해당 값을 선택합니다.

기본 제공 상태 상태 옵션 집합에는 적격 및 부적격으로 값이 정의됩니다. 정의된 경우 사용자 지정 옵션 집합을 선택할 수 있습니다.
필터 열 및 필터 값을 선택하여 모델이 점수를 매겨야 하는 잠재 고객을 지정합니다.

여러 열을 기준으로 필터링하려면 필수 열로 계산 필드를 만든 다음 필터 열 목록에서 계산 필드를 선택합니다.
과거의 잠재 고객으로 학습 목록에서 학습 세트의 기간을 선택합니다. 기본값은 2년입니다.

조직에는 선택한 기간 동안 생성 및 종료된 최소 40개의 적격 잠재 고객과 40개의 부적격 잠재 고객이 있어야 합니다. 이 모델은 선택한 기간의 마감된 잠재 고객을 분석하고 이를 사용하여 지난 2년 동안의 열린 잠재 고객에 점수를 매깁니다.

선택한 기간 동안 최소한으로 종료된 잠재 고객이 충분하지 않으면 시작하기 버튼이 사용 중지됩니다. 모델을 학습시킬 수 있는 종료된 잠재 고객이 충분히 있는 다른 기간을 선택합니다.
시작하기를 선택합니다. 모델이 기존 모델과 중복되고 동일한 리드 세트에 점수를 매기는 경우 경고 메시지가 표시됩니다. 계속해서 모델을 생성하도록 선택하거나 구성을 변경하여 모델이 고유한 리드 세트에 점수를 매기도록 할 수 있습니다.

시스템이 모델을 훈련할 때까지 몇 분 정도 기다립니다.
모델이 훈련되면 모델을 게시하거나 세부 정보를 봅니다.