De invloed van een kenmerk op het model bekijken

Wanneer u een model voor voorspellend scoren definieert, wilt u weten hoe elk kenmerk van invloed is geweest op de voorspellingscore. Op basis van deze informatie kunt u begrijpen:

• Waarom bepaalde kenmerken meer invloed op de voorspelling hebben dan andere
• Hoe de kenmerkwaarden zich verhouden tot het algemene kwalificatiepercentage van het kenmerk
• Hoe het model uw gegevens gebruikt om voorspellingsscores te genereren

Hoewel de volgende voorbeelden verwijzen naar potentiële klanten, is dit artikel van toepassing op zowel het scoren van verkoopkansen als het scoren van potentiële klanten.

Licentie- en rolvereisten

Vereistetype	U moet over het volgende beschikken
Licentie	Dynamics 365 Sales Premium of Dynamics 365 Sales Enterprise Meer informatie: Dynamics 365 Sales-prijzen
Beveiligingsrollen	systeembeheerder Meer informatie: Vooraf gedefinieerde beveiligingsrollen voor Verkoop

Inzichten in en invloed van kenmerken bekijken

1. Een model bewerken.

2. Selecteer op de pagina Velden bewerken het kenmerk waarvoor u inzichten wilt bekijken, ofwel van Primaire entiteit of Gerelateerde entiteiten.

   Het deelvenster Inzichten in kenmerken wordt aan de rechterkant van de pagina weergegeven. De volgende afbeelding toont een voorbeeld van het deelvenster Inzichten in kenmerken voor het kenmerk Bron van potentiële klant.

   

In het deelvenster Inzichten in kenmerken wordt gedetailleerde informatie weergegeven over een kenmerk, zoals het kwalificatiepercentage en de belangrijkste redenen, zowel positief als negatief, voor dat percentage. U kunt de relatieve impact van de kenmerkwaarde op de score ook koppelen aan het gegevensinvoergedrag van uw verkopers en hoe dat de nauwkeurigheid van de voorspellingsscore kan beïnvloeden.

De inzichten die worden weergegeven in het deelvenster Inzichten in kenmerken zijn gebaseerd op de gegevens van uw organisatie en hoe deze correleren met gekwalificeerde resultaten. Als een potentiële klant bijvoorbeeld een kenmerkwaarde heeft die correleert met een kwalificatiepercentage boven het algemene kwalificatiepercentage van het kenmerk, neemt de voorspellingsscore van de potentiële klant toe. Wanneer het kwalificatiepercentage voor een potentiële klant lager is dan het gemiddelde van het kenmerk, wordt de voorspellingsscore lager.

Het deelvenster Inzichten in kenmerken is onderverdeeld in de volgende secties:

• Een samenvatting van de voorspellingsinvloed van het kenmerk, hoe vaak het kenmerk is ingevuld in open en gesloten potentiële klanten of verkoopkansen en de reden waarom het kenmerk niet automatisch wordt geselecteerd om het model te maken.

• Een grafiek die illustreert hoe elke waarde van het kenmerk bijdraagt aan het kwalificatiepercentage. In het bovenstaande voorbeeld presteren de waarden voor de score van potentiële klanten Leeg, Mond-tot-mond en Verwijzing werknemer beter dan het gemiddelde en presteren Advertentie en Web onder het gemiddelde. Het gemiddelde wordt weergegeven door een blauwe lijn en wordt berekend op basis van de volgende formule:

  Algemeen kwalificatiepercentage voor potentiële klanten = (totaal aantal gekwalificeerde potentiële klanten in uw organisatie) / (totaal aantal gekwalificeerde + gediskwalificeerde potentiële klanten via dit kenmerk) * 100

  Algemeen kwalificatiepercentage voor verkoopkansen = (totaal aantal binnengehaalde verkoopkansen in uw organisatie) / (totaal aantal binnengehaalde + gemiste verkoopkansen via dit kenmerk) * 100

  Beweeg de muisaanwijzer over een balk om een samenvatting van de waarde te bekijken, zoals het kwalificatiepercentage en het aantal open en gesloten potentiële klanten of verkoopkansen. Het kwalificatiepercentage voor een waarde van het kenmerk wordt berekend op basis van de volgende formule:

  Kwalificatiepercentage voor een waarde van het kenmerk = (totaal aantal potentiële klanten of verkoopkansen gekwalificeerd met de gegeven waarde in het kenmerk) / (totaal aantal gesloten potentiële klanten of verkoopkansen met die waarde in het kenmerk) * 100

  Als potentiële klanten met een hoog budget bijvoorbeeld een kwalificatiepercentage van 42 procent hebben, luidt de formule:

  (Totaal aantal potentiële klanten met een hoog budget dat is gekwalificeerd) / (totaal aantal potentiële klanten met een hoog budget dat is gesloten) * 100 = 42

  Notitie

  Berekeningen zijn gebaseerd op de gegevens van de afgelopen twee jaar op het moment dat het model wordt getraind en vertegenwoordigen mogelijk geen actuele gegevens. Als het model filters heeft, worden berekeningen bovendien uitgevoerd nadat de gegevens zijn gefilterd.

• Een Details-sectie die redenen geeft waarom de waarden trending zijn zoals ze in de grafiek zijn opgenomen. Als er niet genoeg gegevens zijn voor kenmerken van gerelateerde entiteiten, worden de inzichten niet weergegeven.

• Het tabblad Info biedt meer informatie over de inzichten in kenmerken.

Notitie

Kenmerkinzichten worden bijgewerkt wanneer het model opnieuw wordt getraind, handmatig of automatisch. Gegevens voor kenmerkinzichten zijn niet beschikbaar voor modellen die vóór maart 2021 zijn gemaakt. We raden u aan om het model opnieuw te trainen, of de optie om automatisch opnieuw te trainen in te schakelen, zodat u kenmerkinzichten kunt bekijken.

Kunt u de opties in uw app niet vinden?

Er zijn drie mogelijkheden:

• U beschikt niet over de benodigde licentie of rol.
• Uw beheerder heeft de functie niet ingeschakeld.
• Uw organisatie gebruikt een aangepaste app. Neem contact op met uw beheerder voor exacte stappen. De stappen die in dit artikel worden beschreven, zijn specifiek voor de kant-en-klare Verkoophub- en Sales Professional-app.