IA do Intelligence-Saifs do cliente (versão prévia)
Pontuar clientes em camadas A/B/C/D com CLV explicado, risco.
Esse conector está disponível nos seguintes produtos e regiões:
| Serviço | Classe | Regions |
|---|---|---|
| Copilot Studio | Premium | Todas as regiões Power Automate exceto as seguintes: – Governo dos EUA (GCC) – Governo dos EUA (GCC High) - China Cloud operado pela 21Vianet - Departamento de Defesa dos EUA (DoD) |
| Aplicativos Lógicos | Standard | Todas as regiões dos Aplicativos Lógicos , exceto as seguintes: – Azure Governamental regiões - Regiões do Azure China - Departamento de Defesa dos EUA (DoD) |
| Power Apps | Premium | Todas as regiões Power Apps exceto as seguintes: – Governo dos EUA (GCC) – Governo dos EUA (GCC High) - China Cloud operado pela 21Vianet - Departamento de Defesa dos EUA (DoD) |
| Power Automate | Premium | Todas as regiões Power Automate exceto as seguintes: – Governo dos EUA (GCC) – Governo dos EUA (GCC High) - China Cloud operado pela 21Vianet - Departamento de Defesa dos EUA (DoD) |
| Contato | |
|---|---|
| Name | IA do Saifs |
| URL | https://saifs.ai/ |
| taher@saifytech.com |
| Metadados do conector | |
|---|---|
| Publicador | IA do Saifs |
| Website | https://saifs.ai/ |
| Política de Privacidade | https://saifs.ai/privacy_policy/customer-intelligence |
| Categories | IA; Dados |
Inteligência do Cliente – IA do Saifs
Inteligência do Cliente – A IA do Saifs é um servidor MCP (Protocolo de Contexto de Modelo) que pontua um livro de compra do cliente em camadas A/B/C/D com CLV (valor de tempo de vida do cliente) explicado, valor em risco, elevação de contato e uma fila de repositório SAVE/GROW/VERIFY classificada. Ele usa o histórico de compras (customer_id, date, ) amountde exportações de CSV, Excel, Tally ou CRM e retorna um razão por cliente com rastreamentos explicativos para que as equipes de vendas priorizem por dinheiro em jogo, não apenas rótulos.
Publisher: IA do Saifs
Prerequisites
- Acesso a Microsoft Copilot Studio (ou a outra superfície de agente de Microsoft com suporte)
- Permissão para criar agentes e adicionar ferramentas MCP
- Uma conta de IA do Saifs para concluir a entrada na conexão
- Uma exportação de compra com uma linha por transação que contém pelo menos:
-
customer_id(ou equivalente: AccountId, Nome da Festa e aliases semelhantes) -
date(ou equivalente: invoice_date, Data da Fatura) -
amountmaior que 0 (ou equivalente: receita, Valor da Fatura)
-
- Opcional, mas recomendado para o aprendizado entre contatos: um log de contato de representante com
customer_idedatesomente (chamadas, visitas ou toques do WhatsApp) - Para livros com mais de 500 linhas de transação: uma área restrita de código com numpy para executar o script de pontuação retornado por
customer_tiering_get_engine
Obtendo credenciais
Esse MCP usa o OAuth 2.0 com a IA do Saifs.
Para fabricantes que conectam o MCP em Copilot Studio
Administradores e criadores não criam chaves de API manualmente. Ao criar uma nova conexão no Copilot Studio, você será redirecionado para a IA do Saifs para autenticar. Após o logon bem-sucedido, a conexão é criada e o agente pode chamar ferramentas MCP nessa conta.
Para editores/validação de Microsoft (Azure Key Vault)
Os envios de certificação configuram o OAuth por meio de Azure Key Vault (authorization.type = AzureKeyVault). Armazenar segredos com nomes exatos (diferencia maiúsculas de minúsculas):
| Nome do segredo | Necessário para o OAuth 2.0 | Purpose |
|---|---|---|
ClientId |
Yes | ID do cliente/aplicativo OAuth |
ClientSecret |
Yes | Segredo do cliente OAuth |
AuthorizationUrl |
Sim (OAuth2) | Ponto de extremidade de autorização |
TokenUrl |
Yes | Ponto de extremidade de token |
RefreshUrl |
Se os tokens de atualização forem usados | Atualizar ponto de extremidade |
Scopes |
Se os escopos forem necessários | Escopos separados por espaço |
Conceda à entidade de serviço 8e91e74f-afe9-41cd-8c3f-17a9562a74ea de certificação Microsoft Key Vault Usuário de Segredos (ou acesso de leitura equivalente). Defina authorization.referenceId no manifesto do MCP como o URI do Key Vault, não um URI secreto.
Para obter Key Vault detalhes da instalação, consulte Microsoft certificação do servidor MCP — perguntas frequentes.
Suporte, privacidade e termos:
- Site: https://saifs.ai/
- Suporte: https://saifs.ai/contact-us
- Privacidade: https://saifs.ai/privacy_policy/customer-intelligence
- Termos: https://saifs.ai/eula
Introdução
Fluxo para administradores
- Clique em Novo Agente.
- No menu do lado direito, clique em Ferramentas.
- Clique em Protocolo de Contexto de Modelo (MCP).
- Selecione Inteligência do Cliente – IA do Saifs.
- Clique em Não Conectado e, em seguida, clique em Criar Nova Conexão.
- Conclua a entrada de IA do Saifs quando solicitado.
- Após o logon, a conexão é criada com êxito.
Exemplo: criar um agente de Priorização do Cliente
- Nomeie seu agente, por exemplo, Priorização do Cliente.
- Adicione instruções como:
You help sales managers prioritize which customers to call today.
When the user provides a purchase export (customer_id, date, amount):
- If there are 500 transaction rows or fewer, call customer_tiering with the rows.
- If there are more than 500 rows, call customer_tiering_get_engine and run the returned script verbatim against the file (numpy required).
Always lead with ranked SAVE / GROW / VERIFY actions and money impact in the user's currency.
Explain tiers in plain language. Do not invent winners or rupee figures the tools did not return.
If identity_cleaning.review_candidates appear, ask the user which accounts to merge and re-send with identity_overrides.
- Clique em Visualizar para testar com um CSV de compra pequena.
- Clique em Publicar.
Verificação rápida após a conexão
- Marque um livro pequeno (pelo menos clientes suficientes e repita compradores para que o modelo se ajuste) com
customer_tiering. - Confirme se a resposta inclui um razão por cliente, rótulos de camada, números de camada de dinheiro e uma fila SAVE/GROW/VERIFY.
- Para um arquivo maior, chame
customer_tiering_get_engine, salve e execute o script retornado conforme determinado e confirmecustomer_tiering_result.jsonse está gravado.
Operações com suporte
customer_tiering
Pontua um livro de clientes de 500 linhas de transação ou menos em camadas A/B/C/D. Enviar as linhas diretamente; o servidor executa modelagem de sobrevivência (BG/NBD), modelagem de gastos (Gamma-Gamma), migração de camada, a camada de dinheiro e cartões de decisão e retorna o resultado completo, incluindo um razão por cliente com rastreamentos explicativos.
Use quando o usuário solicitar segmentação, camada ou classificação de clientes; criar uma fila de chamadas (SAVE/GROW/VERIFY); localizar contas em risco ou de crescimento; estimar exposição de livro; ou pontuar uma exportação de compra CSV/Excel/Tally/CRM de 500 linhas ou menos.
Para livros com mais de 500 linhas, use customer_tiering_get_engine em vez disso.
Parâmetros necessários
| Parâmetro | Tipo | Description |
|---|---|---|
transactions |
matriz | Linhas de compra. Cada item precisa customer_ide dateamount (> 0, finito). |
Parâmetros opcionais
| Parâmetro | Tipo | Description |
|---|---|---|
customer_name |
cadeia | Em cada transação: nome legível opcional quando customer_id é um código. Usado para rótulos; o agrupamento ainda usa customer_id. |
as_of |
cadeia | Data da análise YYYY-MM-DD. O padrão é a data da transação mais recente. |
horizon_months |
inteiro | Horizonte de projeção CLV em meses (padrão 12). |
annual_discount_rate |
número | Taxa de desconto anual para CLV (padrão 0,10). |
currency |
cadeia | Código de moeda ISO somente para exibição (INR, USD, EUR). Nenhuma conversão FX. |
currency_symbol |
cadeia | Substitua o símbolo de exibição (por exemplo₹ ou $). |
risk_period_months |
inteiro | Janela sobre a qual o risco de variação de negligência é avaliado (padrão 3). |
contact_effectiveness |
número | Fração de fallback da variação em risco recuperada por um contato quando os dados aprendidos estão ausentes (padrão 0,30). |
assumed_upgrade_prob |
número | Fallback P(upgrade | contacted) quando dados aprendidos são insuficientes (padrão 0,15). |
rep_contacts |
matriz |
[{customer_id, date}, ...] opcional. Cria matrizes de migração tocadas versus intocadas e aprende a contatar a elevação por camada (≥ 10 transições tocadas). Observacional, não causal. |
min_customers_for_model |
inteiro | Abaixo dessa contagem, BG/NBD se recusa a ajustar (padrão 10). |
min_repeat_buyers_for_model |
inteiro | Abaixo dessa contagem de compradores repetidos, o BG/NBD se recusa a se ajustar (padrão 5). |
include_diagnostics |
booliano | Se for true, inclua params MLE e diagnóstico de ajuste de várias inicializações (falso padrão). |
rep_queue_max_items |
inteiro | Comprimento máximo da fila SAVE/GROW/VERIFY diária (padrão 8). |
rep_queue_min_save_revenue |
número | Ignore os candidatos SAVE com receita de tempo de vida abaixo disso (padrão 0). |
identity_overrides |
objeto | O julgamento mescla de review_candidates uma chamada anterior: {raw value -> account}. |
Limpeza de identidade
Os identificadores do cliente são limpos no lado do servidor antes da pontuação. As variantes de capitalização, espaçamento, pontuação, sufixo legal e ordem de palavras (por exemploACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited) são mescladas por regra. Enviar valores exatamente como eles aparecem na origem; não pré-normalizar. Grupos ambíguos que precisam de julgamento humano são retornados em identity_cleaning.review_candidates não mesclados para que você resolva por .identity_overrides
O que você recebe de volta (conceitualmente)
- Camadas A/B/C/D com base no CLV previsto (não apenas na receita passada)
- Rastreamentos de explicação para o motivo pelo qual uma conta caiu em uma camada
- Valor em risco, elevação de contato e atualização emoldurada como intervalos de moeda com confiança
- Números de exposição no nível do livro
- Uma fila de repositório SAVE/GROW/VERIFY classificada
customer_tiering_get_engine
Para livros com mais de 500 linhas de transação. Retorna um script Python completo e executável que pontua o livro em camadas A/B/C/D com a mesma pilha de modelagem e camada de dinheiro. Execute-o na área restrita de código em relação ao arquivo de transação do usuário. As linhas nunca passam pelo modelo como tokens, portanto, um livro de 10.000 linhas custa o mesmo para orquestrar como um de 600 linhas.
Parâmetros necessários
| Parâmetro | Tipo | Description |
|---|---|---|
file_path |
cadeia | Caminho para o arquivo de transação (CSV/TSV/JSON) dentro da área restrita. Uma linha por compra com identificador de cliente, data e valor > 0. Os nomes das colunas são correspondidos de forma flexível. |
Parâmetros opcionais
| Parâmetro | Tipo | Description |
|---|---|---|
contacts_path |
cadeia | Caminho opcional para um log de rep-contact (identificador do cliente + somente data). Com transições tocadas suficientes, o valor do contato é medido por camada em vez de assumido. |
currency |
cadeia | Código de moeda ISO para exibição (USD padrão). |
as_of |
cadeia | Data da análise YYYY-MM-DD. O padrão é o mais recente no arquivo. |
Como executar o script retornado
- Salve o script retornado exatamente como dado (não digite novamente, encurte, reformate ou reimplemente as matemáticas).
- Edite apenas as linhas PATH/AS_OF/CURRENCY/OUT/OVERRIDES/CONTACTS na parte inferior, se necessário.
- Execute-o em uma área restrita com numpy.
- Leia as decisões classificadas impressas e as figuras de manchete; abra o razão completo por cliente escrito ao lado da entrada (padrão
customer_tiering_result.json).
Um resumo pré-agregado por cliente não funcionará – os modelos precisam de tempo de compra.
Como a pontuação funciona (linguagem simples)
O MCP combina a análise clássica do cliente em um razão explicado:
- Classificação da linha de base – concentração de Pareto/ABC como uma verificação de sanidade.
- Aviso precoce comportamental – sinais monetários, frequência e frequência no estilo RFM para o rastreamento de explicação.
- Probabilidade ativa – a modelagem de sobrevivência bg/NBD estima se uma conta ainda está ativa.
- Gastos e CLV — Gamma-Gamma os projetos de modelagem de gastos esperados para o valor futuro; as camadas seguem o CLV previsto.
- Migração e elevação – transições de camada no estilo Markov; o histórico de contatos de rep opcionais aprende a tocar versus a elevação intocada.
- Camada de dinheiro – transforma probabilidades em valor em risco, valor de contato, atualização de vantagens e exposição de livros, relatadas como intervalos com confiança – nunca apenas estimativas de ponto nu.
Figuras de canal e dinheiro são um guia direcional do histórico de compras, não um experimento de laboratório provando causalidade.
Problemas e limitações conhecidos
- Conta ativa necessária. Uma conta de IA do Saifs ativa com acesso ao Customer Intelligence é necessária. As ferramentas não podem ser chamadas até que a entrada do OAuth seja concluída com êxito na conexão.
- Dados mínimos para ajuste. Abaixo dos limites configurados do cliente e do comprador repetido (padrões: 10 clientes, 5 compradores repetidos), o BG/NBD se recusa a se ajustar. Adicione mais histórico ou reduza os limites somente quando o livro for genuinamente pequeno e o usuário aceitar um ajuste mais fraco.
- Tempo de compra necessário. Resumos agregados de uma linha por cliente não podem ser pontuados. Exportar compras de nível de linha ou de fatura.
- Limite de tamanho do caminho de linha.
customer_tieringaceita 500 linhas de transação ou menos. Livros maiores devem usarcustomer_tiering_get_enginemais uma área restrita numpy. - Mesclagens de identidade são baseadas em regras. A limpeza automática mescla variantes de ortografia/caso/sufixo claras. Pares ambíguos (por exemplo
Acme & CovsAcme Pvt Ltd) permanecem separados até que você apliqueidentity_overridesapós a revisão. - A elevação de contato é observacional.
rep_contactsmelhora as estimativas de camada de dinheiro quando densa o suficiente (≥ 10 transições tocadas por camada). Não é uma prova causal aleatória. Camadas esparsas recuam paracontact_effectiveness/assumed_upgrade_prob. - A moeda é um rótulo de exibição. Passar INR ou USD não converte valores. Envie valores já na moeda desejada relatada.
- Modelo de compra não contratual. A pilha padrão tem como destino livros não contratuais/de compra repetida (distribuidores, agências, D2C, comércio). Livros de renovação de assinatura pura podem precisar de um enquadramento diferente; livros finos ou inadequados devem ser recusados com uma razão clara em vez de sobreajustado.
- Dados pessoais. O histórico de compras pode ser dados pessoais sob a lei de privacidade aplicável (incluindo o DPDP da Índia). Use apenas os dados que você está autorizado a processar; mantenha as políticas de retenção e exclusão na solicitação em vigor.
- Sem FX, sem write-back de CRM na v1. O MCP pontua e explica; ele não envia atualizações por push para Salesforce, HubSpot ou Dataverse por si só.
Perguntas frequentes
Como faço para conectar o MCP?
Siga o Flow para administradores em Introdução: New Agent → Tools → Model Context Protocol (MCP) → selecione Customer Intelligence – Saifs AI → Create New Connection → complete Saifs AI login.
Quais colunas preciso no meu arquivo?
No mínimo: um identificador do cliente, uma data de compra e um valor positivo. A maioria dos nomes de colunas CRM e Excel são aceitos sem renomeação. Opcionalmente, inclua uma coluna de nome de cliente quando a ID for um código e um log de contatos separado (customer_id, date) para melhorar as estimativas de elevação.
Qual ferramenta devo usar?
-
500 linhas ou menos:
customer_tiering(envie linhas na chamada de ferramenta). -
Mais de 500 linhas:
customer_tiering_get_engine(execute o script retornado localmente).
O que é a fila SAVE/GROW/VERIFY?
Uma lista diária curta e classificada em dinheiro para representantes:
- SAVE — contas com valor material em risco se negligenciadas
- GROW — contas com atualização de vantagens se contatadas
- VERIFY — contas que precisam de identidade ou confirmação de dados antes de agir
Por que os números de dinheiro mostram intervalos?
Cada figura de moeda é fornecida com a confiança do modelo (por exemplo, um intervalo), não apenas uma estimativa de ponto único. Essa honestidade é intencional para que os gerentes possam confiar nos números quando a realidade chega dentro do intervalo.
Posso pontuar as exportações de Contagem ou Excel?
Sim. Qualquer exportação com linhas de compra (customer_id /party, date, amount) funciona. Pré-limpar somente se você precisar; as variantes de identidade são mescladas pelas ferramentas.
Instruções de implantação
- Em Copilot Studio, crie um novo agente e adicione o Customer Intelligence – Saifs AI como uma ferramenta MCP.
- Crie uma nova conexão e conclua a entrada de IA do Saifs.
- Adicione instruções do agente para o caso de uso de priorização de vendas (consulte Introdução), visualização com um arquivo de compra de exemplo e, em seguida, Publicar.
- Mantenha a superfície da ferramenta MCP dinâmica alinhada com esta documentação ao enviar ou atualizar pacotes de certificação Microsoft nos Aplicativos e Agentes para M365 e Copilot tipo de oferta. As expectativas do pacote (manifesto, definições de ferramenta,
intro.mdconfiguração de autenticação) são descritas em Microsoft certificação do servidor MCP.
Support
- Produto: Inteligência do Cliente – IA do Saifs
- Publisher: IA do Saifs
- Site: https://saifs.ai/
- Inscreva-se/Introdução: https://saifs.ai/
- Entre em contato conosco/Ajuda: https://saifs.ai/contact-us
- Privacidade: https://saifs.ai/privacy_policy/customer-intelligence
- Termos: https://saifs.ai/eula
- Ponto de extremidade MCP (referência):
https://customer-tiering-mcp-latest.saifs.ai/mcp
Ações
| IA do Intelligence-Saifs do cliente |
Pontuar clientes em camadas A/B/C/D com CLV explicado, risco. |
IA do Intelligence-Saifs do cliente
Pontuar clientes em camadas A/B/C/D com CLV explicado, risco.