Używanie rezygnacji w kanałach handlu detalicznego
Tworzenie 360-stopniowego widoku klientów w przejrzysty, intuicyjny sposób i w sposób ukierunkowany na poziomie klienta. Opcji Dynamics 365 Customer Insights można użyć do wybierania i łączenia najważniejszych, ważnych danych w wielu wierszach biznesowych w kompleksowy, spójny widok klienta. Microsoft Cloud for Retail zawiera funkcję rezygnacji w kanałach handlu detalicznego, która pozwala na określenie i zrozumienie przechwałek i klientów. To rozwiązania pozwala utworzyć kanał sprzedaży detalicznej, a następnie użyć prognozy dotyczące modelu, aby zapobiec potencjalnym utracie lub zsyłaniu.
Karta Podsumowanie
Na karcie Podsumowanie są krótkie informacje na temat osobistych szczegółów klienta, momentów życia, danych finansowych oraz kart kredytowych i kredytowych. Ta karta stanowi punkt wyjścia, który umożliwia spersonalizowanie pracy, która pozwala uzyskać dostęp do ważnych szans sprzedaży i zwiększyć zadowolenie klienta.
Model predykatywny rezygnacji w kanale handlu detalicznego
Model przewidywania rezygnacji oparty na interfejsie AI, zaprojektowany z myślą o sprzedaży detalicznej i wbudowanej aplikacji Customer Insights pomaga w uzyskiwaniu szczegółowych informacji we wszystkich kanałach na temat szansy rezygnacji klienta sprzedaży detalicznej. Uruchom dane firmy w tym modelu, szkolenie go w celu usprawnienia jego prognoz i zidentyfikowania czynników, które przyczynią się do przechyłki na poziomie klienta.
Do utworzenia i szkolenia modelu są wykorzystywane trzy encje danych: encja klienta, encja sesji i encja transakcji. W modelu są używane dane wejściowe mapowanie na pola z tych encji. Gdy model działa, przechowuje swoje prognozy w encji wyjściowej i udostępnia elementy objaśnienia — czynniki, które w większości mają wpływ na prognozy dotyczące ryzyka rozsyłania. Wyświetla te czynniki wraz z poziomem ich wpływu.
Wymagania wstępne
Składniki detaliczne są dostępne w Microsoft Cloud for Retail w Centrum rozwiązań w chmurze firmy Microsoft. Aby uzyskać więcej informacji na temat wdrażania tych składników, przejdź do strony Wdrażanie rezygnacji w kanałach handlu detalicznego w Microsoft Cloud for Retail.
Co najmniej uprawnienia współautora w Microsoft Dynamics 365 Customer Insights. Aby uzyskać więcej informacji, zobacz Uprawnienia użytkownika.
Zrozumienie, co oznacza utrata klienta dla organizacji. Uznaje się, że klient zrezygnował, jeśli wartość jego zakupów lub wielkość sprzedaży spadnie poniżej określonych progów.
Encje z polami mapami na dane wejściowe dla swojego modelu sprzedaży przewidywanie detalicznych:
Ważne
Jednak wdrożenie rozwiązania rezygnacji w kanałach handlu detalicznego wymaga, aby użytkownik stworzył te encje w Customer Insights i powinny one już istnieć w środowisku B2C Customer Insights. Ten krok jest wymagany, ponieważ te encje nie należą do Microsoft Cloud for Retail, które nie mają zdefiniowanego modelu wspólnych danych z powodu zmienności przedsiębiorstw detalicznych. Aby uzyskać więcej informacji, zobacz Wdrażanie rezygnacji w kanałach handlu detalicznego w usłudze Microsoft Cloud for Retail.
Dane klienta
Encja klienta zawiera pola — nazywane również atrybutami — które zawierają dane o klientach, ale nie informacje o ich wizytach czy zakupach. Model przewidywanie e-przewidywanie zawiera jedno wymagane dane wejściowe i 10 opcjonalnych danych wejściowych mapowany na pola encji klienta podczas tworzenia modelu rozsyłania. Aby przygotować, należy się upewnić, że encja klienta zawiera pola, które można zamapować na informacje wejściowe modelu.
Jeśli encja klienta nie ma wszystkich atrybutów, które mają być zawarte w modelu rezygnacji, można mapować, dopasowywać i łączyć brakujące atrybuty, aby były dostępne jako dane wejściowe modelu spowolnienia. Aby uzyskać więcej informacji, zobacz Omówienie ujednolicania danych.
Jeśli w danych źródłowych nie można znaleźć odpowiednich atrybutów, może być możliwe dodawanie źródeł danych, a następnie mapowanie, łączenie i scalanie atrybutów.
Wprowadzanie danych o klientach
Znajdź encję klienta i zwróć uwagę, które pole będzie mapowane na wszystkie dane wejściowe podane w poniższej tabeli. Nie można utworzyć modelu bez pola dla każdego wymaganego danych wejściowych. Prognozy dotyczące modelu będą dokładniejsze, jeśli pola zostaną zamapowania na opcjonalne dane wejściowe, tym więcej nich jest lepiej.
Napiwek
Jeśli nie chcesz już nic z tym zrobić, rozważ skopiowanie poniższej tabeli danych wejściowych i notowanie pola, które zostanie zamapowanie na poszczególne dane wejściowe.
Dane wejściowe do mapy | Wymagane lub opcjonalne |
---|---|
Identyfikator klienta | Wymagania |
Umowa dotycząca działania marketingowego | Opcjonalnie |
Uczestnictwo w programie lojalnościowym | Opcjonalnie |
Stan zatrudnienia | Opcjonalnie |
Data urodzenia | Opcjonalnie |
Kod płci | Opcjonalnie |
Dochód roczny | Opcjonalnie |
Czas trwania relacji | Opcjonalnie |
Odległość od najbliższego sklepu | Opcjonalnie |
Płeć | Opcjonalnie |
Czas trwania relacji z klientem | Opcjonalnie |
Dane sesji
Encja sesyjna posiada pola, które mają dane o wizytach klientów, ale nie o ich zakupach. Model rozsyłania ma cztery wymagane i pięć opcjonalnych danych wejściowych dla danych sesji. Podanie opcjonalnych danych wejściowych poprawia dokładność prognoz.
Jeśli encja sesji nie posiada wszystkich atrybutów, które chcemy zawrzeć w modelu rezygnacji, możemy być w stanie mapować, dopasowywać i łączyć brakujące atrybuty tak, aby były dostępne jako dane wejściowe modelu rezygnacji - jeśli źródłowy zbiór danych zawiera odpowiednie atrybuty do wykorzystania. Aby uzyskać więcej informacji, zobacz Omówienie ujednolicania danych.
Jeśli w danych źródłowych nie można znaleźć odpowiednich atrybutów, może być możliwe dodawanie źródeł danych, a następnie mapowanie, łączenie i scalanie atrybutów.
Wejścia danych sesji
Znajdź encję sesji i zwróć uwagę, które pole będzie mapowane na wszystkie dane wejściowe podane w poniższej tabeli. Nie można utworzyć modelu bez pola dla każdego wymaganego danych wejściowych. Prognozy dotyczące modelu będą dokładniejsze, jeśli pola zostaną zamapowania na opcjonalne dane wejściowe, tym więcej nich jest lepiej.
Napiwek
Jeśli nie chcesz już nic z tym zrobić, rozważ skopiowanie poniższej tabeli danych wejściowych i notowanie pola, które zostanie zamapowanie na poszczególne dane wejściowe.
Dane wejściowe do mapy | Wymagane lub opcjonalne |
---|---|
Identyfikator sesji | Wymagania |
Identyfikator klienta | Wymagania |
Sygnatura czasowa sesji | Wymagania |
Kanał sesji | Wymagania |
Typ wizyty | Opcjonalnie |
Typ celu sesji | Opcjonalnie |
Czas trwania sesji | Opcjonalnie |
Zadowolenie klientów z sesji | Opcjonalnie |
Logowanie do profilu | Opcjonalnie |
Dane transakcji
Ważne
Ponieważ transakcje bezpośrednio odzwierciedlają zachowania zakupowe klientów, są one kluczowe dla przewidywania rezygnacji klienta - klient, którego ilość lub wartość transakcji spadła poniżej pewnego progu, zrezygnował z zakupu. Definiujesz, co oznacza churn dla Twojej firmy, ustalając te progi podczas tworzenia modelu churn.
Encja transakcji posiada pola, które mają dane o zakupach i sesjach klientów. Model predykcyjny rezygnacji w handlu detalicznym ma siedem wymaganych i sześć opcjonalnych danych wejściowych, które mapuje się do pól encji transakcji podczas tworzenia modelu. Aby przygotować, należy się upewnić, że encja transakcji zawiera pola, które można zamapować na informacje wejściowe modelu. Każde z opcjonalnych danych wejściowych, które użytkownik zmapuje, poprawi dokładność prognoz modelu.
Jeśli encja transakcji nie posiada wszystkich atrybutów, które chcemy zawrzeć w modelu rezygnacji, możemy być w stanie mapować, dopasowywać i łączyć brakujące atrybuty tak, aby były dostępne jako dane wejściowe modelu rezygnacji - jeśli źródłowy zbiór danych zawiera odpowiednie atrybuty do wykorzystania. Aby uzyskać więcej informacji, zobacz Omówienie ujednolicania danych.
Jeśli w danych źródłowych nie można znaleźć odpowiednich atrybutów, może być możliwe dodawanie źródeł danych, a następnie mapowanie, łączenie i scalanie atrybutów.
Dane wejściowe transakcji
Znajdź encję transakcji i zwróć uwagę, które pole będzie mapowane na wszystkie dane wejściowe podane w poniższej tabeli. Nie można utworzyć modelu bez pola dla każdego wymaganego danych wejściowych. Prognozy dotyczące modelu będą dokładniejsze, jeśli pola zostaną zamapowania na opcjonalne dane wejściowe, tym więcej nich jest lepiej.
Napiwek
Jeśli nie chcesz już nic z tym zrobić, rozważ skopiowanie poniższej tabeli danych wejściowych i notowanie pola, które zostanie zamapowanie na poszczególne dane wejściowe.
Dane wejściowe do mapy | Wymagane lub opcjonalne |
---|---|
Identyfikator transakcji | Wymagania |
Identyfikator klienta | Wymagania |
Sygnatura czasowa transakcji | Wymagania |
Identyfikator sesji transakcji | Wymagania |
Typ transakcji | Wymagania |
Typ kanału transakcji | Wymagania |
Kwota transakcji | Wymagania |
Identyfikator lokalizacji transakcji | Opcjonalnie |
Identyfikator katalogu produktów | Opcjonalnie |
Kwota zastosowanego rabatu | Opcjonalnie |
Terminowa dostawa | Opcjonalnie |
Typ płatności | Opcjonalnie |
Przegląd ocen klienta | Opcjonalnie |
Tworzenie modelu predykcyjnego rezygnacji z kanału detalicznego
W portalu Dynamics 365 Customer Insights wybierz opcję Analizy>Przewidywania
Wybierz kafelek Model rezygnacji w handlu detalicznym i wybierz opcję Użyj tego modelu.
Ważne
Jeśli wstępnie wymagane encje nie są obecne, nie zostanie wyświetlony kafelek Rezygnacja w kanale detalicznym.
Zostanie otwarty ekran nazwy modelu.
Nazwa modelu
- Wybierz nazwę i wprowadź łatwo czytelną nazwę dla modelu rezygnacji.
- Wybierz nazwę obiektu wyjściowego i wprowadź nazwę obiektu wyjściowego modelu przy użyciu tylko liter i liczb (bez spacji). Prognozy dotyczące modelu będą przechowywane w tej encji.
- Użyj pozycji Dalej u dołu ekranu.
Preferencje dotyczące modelu
Ustaw preferencje modelu, aby pomóc modelowi w tworzeniu prognoz pasowania do potrzeb firmy: ile dni będzie szacowane dane oraz jakie wartości wejściowe wskazują wartość progową.
- Na ekranie Preferencje wybierz przewidywanie okres i wybierz liczbę dni, przez które model będzie używać do oceny szansy rezygnacji.
- Wybierz próg odrzucenia transakcji i ustaw procent częstotliwości transakcji wskazujący rozsyłanie (na przykład, jeśli dla opcji 0.2 zostanie ustawiona wartość 0.2, model zinterpretuje 80% zmniejszenie częstotliwości transakcji jako rezygnację).
- Wybierz próg wartości odrzucenia transakcji i ustaw procent wartość transakcji wskazujący rozsyłanie (na przykład, jeśli dla opcji 0.1 zostanie ustawiona wartość 0.1, model zinterpretuje 90% zmniejszenie wartości transakcji jako rezygnację).
- Użyj pozycji Dalej u dołu ekranu.
Wymagane dane
- Znajdź encje klientów, sesji i transakcji, które zostały określone jako wymagania wstępne.
- Dla każdej encji wybierz opcję Dodaj dane i wybierz encję źródłową, która zidentyfikowaliśmy.
- Dla każdego pola w formularzu wybierz odpowiedniego klienta, sesję lub dane wejściowe transakcji, które zostały określone jako wymagania wstępne.
- Po wypełnieniu wszystkich pól wybierz opcję Zapisz.
- Użyj pozycji Dalej u dołu ekranu.
Aktualizacje danych
W tym miejscu należy ustawić częstotliwość ponownego przeniesienia modelu. Ponowne szkolenie poprawia dokładność przewidywań.
- Wybierz opcję Tygodniowa lub Miesięczna. Większość firm może przeprowadzać ponowne szkolenia raz w miesiącu i uzyskać dobrą dokładność przewidywań. Wybierz opcję Pokaż przykład, aby uzyskać nieco więcej pomocy podczas decydowania.
- U dołu wybierz Dalej.
Przejrzyj i uruchom
Przejrzyj szczegóły modelu. Wybierz Edytuj obok dowolnej wartości, aby ją zmienić, lub wybierz poprzedni krok procesu.
Jeśli wszystko wygląda dobrze, pomiń ten krok. Jeśli nie chcesz jeszcze uruchomić rozsyłanego modelu, wybierz opcję Zapisz roboczą, a następnie zamknij w prawym dolnym rogu. Gdy będziesz gotowy do wznowienia pracy nad tym, wybierz Analiza>Prognozy w okienku nawigacyjnym Customer Insights, a następnie w Moje prognozy wybierz ikonę edycji obok Nazwy prognozy wersji roboczej modelu.
Kliknij przycisk Zapisz i Uruchom, aby rozpocząć proces przewidywania. Na karcie Moje przewidywania można sprawdzić stan przewidywań. Przeprowadzanie procesu może potrwać kilka godzin, w zależności od ilości danych użytych w przewidywaniu.
Przeglądanie przewidywanie wyników
Aby zobaczyć stan i wyniki prognozy:
Wybierz Analizy>Przewidywania i wybierz kartę Moje przewidywania.
Wybierz trzy kropki obok nazwy prognozy, dla której chcesz przejrzeć wyniki, a następnie wybierz Widok.
Na stronie wyników wyszukiwania znajdują się trzy podstawowe sekcje danych:
Wydajność modelu szkoleniowego: A, B i C są możliwymi wynikami. Ten wynik wskazuje wydajność przewidywania i może pomóc w podjęciu decyzji w zakresie korzystania z wyników przechowywanych w encji wyjściowej. Wyniki są określane na podstawie następujących reguł:
- A, gdy model dokładnie przewidział co najmniej 50% wszystkich prognoz oraz gdy odsetek niedokładnych prognoz dla klientów, którzy przeszli w stan uśpienia, jest niższy niż 10%.
- B, gdy model dokładnie przewidział co najmniej 50% wszystkich prognoz i gdy odsetek niedokładnych prognoz dla klientów, którzy przeszli w stan uśpienia, jest większy niż 10%.
- C , gdy model dokładnie opisuje mniej niż 50% łącznych prognoz.
Prawdopodobieństwo rezygnacji: grupy klientów na podstawie ich przewidywanego ryzyka rezygnacji. Te dane mogą pomóc później, jeśli chcesz utworzyć segment klientów z dużym ryzykiem rezygnacji. Takie segmenty pomagają na przykład zrozumieć, gdzie powinien znajdować się punkt odcięcia dla segmentów utrzymania klienta.
Czynniki mające największy wpływ: tworząc prognozę, bierze się pod uwagę wiele czynników. Każdy z czynników ma swoją wagę obliczoną dla zagregowanych prognoz tworzonych przez model. Tych czynników można użyć w celu sprawdzenia poprawności wyników przewidywania. Można też użyć tych informacji później, aby utworzyć segmenty, które mogą wpłynąć na ryzyko rezygnacji dla klientów.
- Objaśnienia na poziomie rekordu: Jednostka wyjściowa zawiera tabelę wyjaśnialności zawierającą listę ważnych czynników, które wpłynęły na każdy wynik rezygnacji dla sprzedaży detalicznej. Tabele te można eksportować do różnych celów.
Poprawianie nieudanego przewidywania
Jeśli błąd przewidywanie, zostanie wyświetlony komunikat o błędzie z objaśnieniami błędów. Na przykład po uruchomieniu modelu nie znalazł żadnych klientów, którzy „rezygnowali”, a szkolenie modelu nie powiodło się — ten wynik może oznaczać, że ustawiono zbyt niskie progi transakcji.
Aby spróbować naprawić błąd przewidywanie przeglądając dzienniki błędów:
Wybierz Analizy>Przewidywania i wybierz kartę Moje przewidywania.
Wybierz przewidywanie, a następnie wybierz opcję Dzienniki.
Przejrzyj wszystkie błędy. Opis każdego błędu, który go spowodował, może pomóc w podjęciu decyzji, jak rozwiązać problem. Na przykład błąd, który mówi, że nie ma wystarczającej ilości danych, aby dokładnie przewidzieć odejście, można naprawić, ładując więcej danych. Lub błąd, który mówi, że Twój model generuje prognozę zerowej liczby odchodzących klientów, może oznaczać, że musisz zmienić swoje preferencje modelu z wyższymi progami wskazującymi na odejście.
Ręcznie odśwież prognozę
Uwaga
Prognozy są automatycznie odświeżane po odświeżeniu danych, zgodnie z konfiguracją w ustawieniach.
- Wybierz Analizy>Przewidywania i wybierz kartę Moje przewidywania.
- Wybierz pionowy wielokropek obok przewidywania, które chcesz odświeżyć.
- Wybierz Odśwież.
Usuń przewidywanie
Uwaga
Usunięcie przewidywanie usuwa również jej encję wyjściową.
- Wybierz Analizy>Przewidywania i wybierz kartę Moje przewidywania.
- Wybierz pionowy wielokropek obok przewidywania, które chcesz usunąć.
- Wybierz Usuń.
Integracja
Głównym źródłem danych wyjściowych modelu jest encja, która ma wiele wyników w bazie klientów i na poziomie klienta. Platformy i usługi innych firm mogą używać tego obiektu za pośrednictwem interfejsu API w celu raportowania i planowania.
Zgodność
Uwaga
Funkcja przewidywania rezygnacji wykorzystuje zautomatyzowane środki do oceny danych i tworzenia prognoz na podstawie tych danych, a zatem może być wykorzystywana jako metoda profilowania, zgodnie z definicją tego terminu w różnych przepisach i regulacjach dotyczących prywatności. Używanie tej funkcji przez sprzedawców detalicznych do przetwarzania danych może podlegać lub tym prawom lub rozporządzeniom. Użytkownik ma obowiązek zagwarantować, że użytkowanie Dynamics 365 Customer Insights wraz z tą funkcją przewidywania rezygnacji jest zgodne ze wszystkimi obowiązującymi przepisami prawnymi i wykonawczymi, w tym prawa związane z ochroną prywatności, danymi osobowymi, danymi biometrycznymi, ochroną danych i poufność informacji.
Zobacz też
Zgodność z Microsoft Cloud for Retail
Wsparcie Microsoft Cloud for Retail
Co to jest Microsoft Cloud for Retail?