Foreslåtte segmenter (forhåndsversjon)
[Denne artikkelen inneholder dokumentasjon for forhåndsversjonen og kan bli endret.]
Dynamics 365 Customer Insights - Data kan foreslå segmenter basert på aktivitet eller mål.
Viktig
- Dette er forhåndsversjonsfunksjon.
- Evalueringsfunksjonalitet er ikke ment for produksjonsbruk og kan ha begrensninger. Disse funksjonene er tilgjengelige før en offisiell utgivelse, slik at kunder kan få tidlig tilgang og gi tilbakemeldinger.
Foreslåtte segmenter basert på aktivitet (forhåndsversjon)
Oppdag interessante segmenter av kundene basert på kundeaktivitetsdata som er hentet inn i Customer Insights - Data. Eksempler på aktivitetsdata er transaksjoner, samtalevarighet, kjøp eller returer. For å foreslå segmenter analyseres aktivitetsdata for nylighet, hyppighet og pengeverdi (eller varighet).
Kategoriser kunder etter aktivitet
Med aktivitetsdata tilgjengelige i Customer Insights - Data kan vi generere forslag som representerer kundegrupper:
- mest aktive kunder
- kunder som har gjort flest kjøp
- kunder som genererte mest omsetning
- kunder som ikke har vært aktive i det siste
- kunder som ofte samhandler med virksomheten din
Hvis du har en detaljvirksomhet, kan du finne ut hvilke kunder som genererer størst omsetning, og belønne dem med en rabattkuponger. Du kan også identifisere tilfeldige kunder og tilby dem å delta i et belønningsprogram, slik at de oftere besøker bedriften. Hvis du tilbyr offentlige helsetjenester og målet er å redusere utgiftene for enkeltpasienter, kan du prøve å redusere antall regelmessige besøk ved å gi best mulig behandling med så få besøk som mulig. I dette tilfellet er målet å holde besøksfrekvensen lav og redusere regelmessige kostnader for pasientene. Du kan også identifisere segmenter av pasienter som har hyppige avtaler og høye regelmessige kostnader, og analysere disse sakene for å forbedre behandling av den enkelte.
Foreslåtte segmenter basert på mål (forhåndsversjon)
Oppdag interessante segmenter av kundene ved hjelp av en modell for kunstig intelligens. Denne maskinlæringsfunksjonen foreslår segmenter basert på mål eller kundeattributter. Det kan bidra til å forbedre KPI-ene (nøkkelindikatorene) eller bedre forstå innflytelsen til attributter i sammenheng med andre attributter.
Merk
Funksjonen for foreslåtte segmenter bruker automatiske metoder til å evaluere data og lage prediksjoner basert på dataene. Derfor har den mulighet til å brukes som profileringsmetode fordi denne termen er definert av personvernregler. Din bruk av denne funksjonen til å behandle data kan være underlagt disse lovene eller forskriftene. Du er ansvarlig for å sikre at bruken av Customer Insights - Data, inkludert denne funksjonen, samsvarer med alle gjeldende lover og bestemmelser, inkludert lover som er relatert til personvern, personopplysninger, biometriske data, databeskyttelse og konfidensialitet for kommunikasjon.
Foreslåtte segmenter for å forbedre KPI-ene
Hvis du bruker opprettede mål til å spore KPI-ene, oppretter du segmenter for å vise innflytelsen på KPI-en. Du kan bruke denne informasjonen til å kjøre en svært målrettet kampanje.
Du sporer for eksempel et mål kalt TotalSpendPerCustomer. Som virksomhet ønsker du å se at dette tallet vokser. Når du velger et mål som hovedattributt, velger du attributtene du vil vurdere for innflytelse. La oss si medlemskapsnivå, medlemskapsperiodeog yrke. Customer Insights - Data kan deretter foreslå et segment som forteller deg hvem som er den største innflytelsen til dette målet. Regnskapsførere som er Gold-medlemmer, og som har vært med i virksomheten i minst fem år, er for eksempel den største påvirkeren av TotalSpendPerCustomer. Du får en beregnet segmentstørrelse for hvert forslag. Du kan bruke denne informasjonen til å opprette kampanjer for målgruppene.
Forstå hva som har innvirkning på et kundeattributt
Du kan velge et kundeattributt i stedet for et mål som hovedattributt. Basert på valget av innflytelsesattributter oppretter modellen for kunstig intelligens en rekke forslag som viser hvordan de valgte attributtene har innflytelse på hovedattributtet.
Du velger for eksempel Belønningsmedlem (Ja/Nei) som hovedattributt. Anseelse, Yrke og Antall støtteforespørsler angis som andre attributter for innflytelse. Modell for kunstig intelligens kan foreslå segmenter som for det meste indikerer at IT-profesjonelle med periode over to år, er belønningsmedlemmer. Et annet forslag kan trekke frem at regnskapsførere med anseelse over ett år og færre enn tre støtteforespørsler, er belønningsmedlemmer.
Bruk av kunstig intelligens
Ved hjelp av hovedattributtet og innflytelsesattributtene foreslår en beslutningstrealgoritme interessante segmenter. Forslagene er basert på regler eller mønstre som ble plukket opp av AI-algoritmen. Bare segmenter som er betydelig forskjellige fra den gjennomsnittlige populasjonen, vises som forslag. Sammenligningen med den gjennomsnittlige populasjonen er basert på det valgte målet eller hovedattributtet.
Ansvarlig kunstig intelligens
Med foreslåtte segmenter velger du attributter for å opprette nye segmenter og behandle dataene du velger. Når du velger attributter, inkludert sensitive attributter som rase, legning eller kjønn, må du sørge for at du kan og bør behandle disse dataene. Du er ansvarlig for å overholde eventuelle lover som gjelder for organisasjonen din, og overholde organisasjonens prinsipper og personvernpolicyer.
Forskjellige resultater for hovedattributter med kategoriske og numeriske verdier
Segmentforslag er forskjellige hvis du velger et numerisk attributt eller et kategorisk attributt som hovedattributt. Verdier i et kategorisk attributt inneholder to eller flere kategorier eller typer. Et numerisk attributt inneholder kvantitative data og har en tilknyttet målemetode.
Med et numerisk attributt som årlig inntekt eller medlemsperiode som hovedattributt foreslår systemet segmenter som har en høyere eller lavere gjennomsnittlig verdi av det numeriske attributtet sammenlignet med alle kunder.
Et kategorisk attributt som kundetilfredshet som hovedattributtet resulterer i foreslåtte segmenter som har en høyere eller lavere prosentandel av kunder som tilhører en bestemt kategori, sammenlignet med prosentandelen av alle kunder som tilhører den samme kategorien. Kundetilfredshet velges for eksempel som hovedattributt, og det består av tre kategorier (Lav, Middels og Høy). For hver kategori foreslås det segmenter som har en høyere eller lavere prosentandel av kundene som tilhører den kategorien, sammenlignet med andelen av alle kunder i den samme kategorien. Hvis 22 % av alle kunder er svært fornøyde, foreslås det bare segmenter som har en høyere eller lavere andel av kundene med høy kundetilfredshet sammenlignet med 22 % for den kategorien. Segmenter foreslås på samme måte for hver av de andre kategoriene (Lav og Middels) hvis de er statistisk signifikante.
Merk
For øyeblikket støtter vi bare primære kategoriske attributter som har opptil ti kategorier. Hvis du vil se segmentforslag basert på et hovedattributt med mer enn ti kategorier, anbefaler vi at du grupperer noen av kategoriene for å redusere antall kategorier til ti eller færre. Denne begrensningen gjelder bare for hovedattributter. For å påvirke kategoriske attributter støtter vi for øyeblikket maksimalt 100 kategorier.