IA Intelligence-Saifs Cliente (Pré-visualização)

Classifica os clientes para níveis A/B/C/D com CLV e risco explicado.

Este conector está disponível nos seguintes produtos e regiões:

Serviço Class Regions
Estúdio Copiloto Premium Todas as regiões Power Automate exceto as seguintes:
     - Governo dos EUA (CCG)
     - Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Aplicações Lógicas Standard Todas as regiões do Logic Apps , exceto as seguintes:
     - Regiões Azure Government
     - Regiões do Azure China
     - Departamento de Defesa dos EUA (DoD)
Power Apps Premium Todas as regiões Power Apps exceto as seguintes:
     - Governo dos EUA (CCG)
     - 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 (CCG)
     - Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Entrar em contato
Name Saifs AI
URL https://saifs.ai/
Email taher@saifytech.com
Metadados do conector
Publisher Saifs AI
Sítio Web https://saifs.ai/
Política de Privacidade https://saifs.ai/privacy_policy/customer-intelligence
Categorias IA; Dados

Inteligência do Cliente - Saifs AI

Inteligência do Cliente - A Saifs AI é um servidor Model Context Protocol (MCP) que classifica um livro de compras do cliente em níveis A/B/C/D com valor de vida do cliente (CLV) explicado, valor em risco, aumento de contacto e uma fila de representantes classificada SAVE / GROW / VERIFY . Recolhe o histórico de compras (customer_id, date, amount) das exportações CSV, Excel, Tally ou CRM e devolve um livro por cliente com traços explicativos para que as equipas de vendas priorizem pelo dinheiro em jogo, não apenas pelas etiquetas.

Publisher: Saifs AI

Prerequisites

  • Acesso ao Microsoft Copilot Studio (ou outra superfície de agente Microsoft suportada)
  • Permissão para criar agentes e adicionar ferramentas MCP
  • Uma conta Saifs AI para completar o login da ligação
  • Uma exportação de compra com uma linha por transação contendo pelo menos:
    • customer_id (ou equivalente: AccountId, Nome da Parte, e alias semelhantes)
    • date (ou equivalente: invoice_date, Data da Fatura)
    • amount superior a 0 (ou equivalente: receita, montante da fatura)
  • Opcional mas recomendado para aprendizagem de contacto e elevação: um registo de contactos de representante com customer_id e date apenas (chamadas, visitas ou toques no WhatsApp)
  • Para livros com mais de 500 linhas de transação: um sandbox de código com numpy para executar o script de pontuação devolvido por customer_tiering_get_engine

Obtenção de credenciais

Este MCP usa OAuth 2.0 com Saifs AI.

Para fabricantes que ligam o MCP no Copilot Studio

Administradores e criadores não criam chaves API manualmente. Quando cria uma nova ligação no Copilot Studio, é redirecionado para a Saifs AI para autenticação. Após o início de sessão bem-sucedido, a ligação é criada e o agente pode ligar às ferramentas MCP com essa conta.

Para editoras / validação Microsoft (Azure Key Vault)

Submissões de certificação configuram OAuth via Azure Key Vault (authorization.type = AzureKeyVault). Segredos de armazenamento com nomes exatos (diferença de maiúsculas e maiúsculas):

Nome secreto Obrigatório para OAuth 2.0 Purpose
ClientId Yes ID de cliente / aplicação OAuth
ClientSecret Yes Segredo do cliente OAuth
AuthorizationUrl Sim (OAuth2) Ponto final de autorização
TokenUrl Yes Ponto de extremidade de token
RefreshUrl Se forem usados tokens de atualização Endpoint de atualização
Scopes Se forem necessários telescópios Oscilações separadas no espaço

Conceder ao principal 8e91e74f-afe9-41cd-8c3f-17a9562a74ea do serviço de certificação Microsoft o acesso ao Key Vault Secrets User (ou leitura equivalente). Definido authorization.referenceId no manifesto MCP para o URI do Key Vault, não um URI secreto.

Para detalhes sobre a configuração do Key Vault, consulte a certificação do servidor Microsoft MCP — FAQ.

Suporte, privacidade e termos:

Introdução

Fluxo para administradores

  1. Clique em Novo Agente.
  2. No menu lateral direito, clique em Ferramentas.
  3. Clique em Protocolo de Contexto do Modelo (MCP).
  4. Inteligência do Cliente Selecionado - Saifs AI.
  5. Clica em Não Ligado, depois clica em Criar Nova Ligação.
  6. Iniciar sessão completo com a IA do Saifs quando solicitado.
  7. Após o login, a ligação é criada com sucesso.

Exemplo: criar um agente de Priorização do Cliente

  1. Nomeie o seu agente, por exemplo , Priorização do Cliente.
  2. Adicionar 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.
  1. Clique em Pré-visualização para testar com um pequeno CSV de compra.
  2. Clique em Publicar.

Verificação rápida após a ligação

  1. Arranja um livro pequeno (pelo menos clientes suficientes e compradores habituais para o modelo encaixar) com customer_tiering.
  2. Confirme que a resposta inclui um livro de registos por cliente, etiquetas de níveis, valores do depósito de dinheiro e uma fila de GUARDAR / CRESCER / VERIFICAR.
  3. Para um ficheiro maior, chame, customer_tiering_get_engineguarde e execute o script devolvido conforme indicado, confirmando customer_tiering_result.json que está escrito.

Operações suportadas

customer_tiering

Classifica uma carteira de clientes com 500 linhas de transações ou menos em níveis A/B/C/D. Envie as linhas diretamente; o servidor executa modelação de sobrevivência (BG/NBD), modelação de gastos (Gamma-Gamma), migração de níveis, a camada de dinheiro e cartões de decisão, e depois devolve o resultado completo, incluindo um registo por cliente com traços de explicação.

Use quando o utilizador pede para segmentar, escalonar ou classificar clientes; construir uma fila de chamadas (GUARDAR / CRESCER / VERIFICAR); encontrar contas em risco ou de crescimento; estimar exposição contabilística; 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

Parameter Tipo Description
transactions matriz Compra filas. Cada item precisa customer_idde , date, e amount (> 0, finito).

Parâmetros opcionais

Parameter Tipo Description
customer_name cadeia (de caracteres) Em cada transação: nome legível opcional quando customer_id é um código. Usado para etiquetas; agrupamento ainda usa customer_id.
as_of cadeia (de caracteres) Data da análise YYYY-MM-DD. Por defeito, a data da transação mais recente.
horizon_months número inteiro Horizonte de projeção CLV em meses (padrão 12).
annual_discount_rate number Taxa de desconto anual para CLV (padrão 0,10).
currency cadeia (de caracteres) Código de moeda ISO apenas para exibição (INR, USD, EUR). Sem conversão de FX.
currency_symbol cadeia (de caracteres) Sobrescrever símbolo de exibição (por exemplo, ₹ ou $).
risk_period_months número inteiro Janela sobre a qual é avaliado o risco de abandono por negligência (incumprimento 3).
contact_effectiveness number Fração de reserva do churn em risco recuperada por um contacto quando os dados aprendidos estão em falta (padrão 0,30).
assumed_upgrade_prob number P de retenção (atualização | contactado) quando os dados aprendidos são insuficientes (padrão 0,15).
rep_contacts matriz Opcional[{customer_id, date}, ...]. Constrói matrizes de migração tocadas vs não tocadas e aprende o aumento de contacto por nível (≥ transições com 10 toques). Observacional, não causal.
min_customers_for_model número inteiro Abaixo desta contagem, BG/NBD recusa-se a caber (padrão 10).
min_repeat_buyers_for_model número inteiro Abaixo deste número de compradores repetidos, BG/NBD recusa-se a caber (padrão 5).
include_diagnostics boolean Se for verdadeiro, inclua parâmetros MLE e diagnósticos de ajuste multi-start (por defeito falso).
rep_queue_max_items número inteiro Comprimento máximo da fila diária SAVE / GROW / VERIFY (padrão 8).
rep_queue_min_save_revenue number Ignore os candidatos SAVE com receitas vitalícias abaixo deste valor (padrão 0).
identity_overrides objecto Julgamento funde-se para review_candidates de uma chamada anterior: {raw value -> account}.

Limpeza de identidade

Os identificadores de clientes são limpos do lado do servidor antes de pontuar. A maiúscula, espaçamento, pontuação, sufixo legal e variantes de ordem das palavras (por exemploACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited) são fundidas por regra. Enviar valores exatamente como aparecem na fonte; não pré-normalizar. Grupos ambíguos que necessitam de julgamento humano são devolvidos em identity_cleaning.review_candidates Unmerged para que resolva através identity_overridesde .

O que recebes em troca (conceptualmente)

  • Níveis A/B/C/D baseados no CLV previsto (não apenas nas receitas passadas)
  • Traços explicativos para o motivo pelo qual uma conta foi colocada num nível
  • Valor em risco, aumento de contacto e potencial de valorização de melhoria enquadrados à medida que a moeda varia com confiança
  • Números de exposição ao nível do livro
  • Uma fila de rep classificada de SAVE / GROW / VERIFY

customer_tiering_get_engine

Para livros com mais de 500 linhas de transações. Devolve um script Python completo e executável que classifica o livro para níveis A/B/C/D com a mesma pilha de modelação e camada de dinheiro. Executa-o no teu sandbox de código contra o ficheiro de transações do utilizador. As linhas nunca passam pelo modelo como fichas, por isso um livro de 10.000 linhas custa o mesmo a orquestrar que um de 600 linhas.

Parâmetros necessários

Parameter Tipo Description
file_path cadeia (de caracteres) Caminho para o ficheiro de transações (CSV / TSV / JSON) dentro do sandbox. Uma linha por compra com identificador do cliente, data e montante > 0. Os nomes das colunas são combinados de forma flexível.

Parâmetros opcionais

Parameter Tipo Description
contacts_path cadeia (de caracteres) Caminho opcional para um registo de contactos de representante (identificador do cliente + data apenas). Com transições tocadas suficientes, o valor do contacto é medido por nível em vez de assumido.
currency cadeia (de caracteres) Código de moeda ISO para o ecrã (USD por defeito).
as_of cadeia (de caracteres) Data da análise YYYY-MM-DD. Por defeito, é o mais recente no ficheiro.

Como executar o script devolvido

  1. Guarde o script devolvido exatamente como indicado (não reescreva, encurta, formate ou reimplemente a matemática).
  2. Edite apenas as linhas PATH / AS_OF / CURRENCY / OUT / OVERRIDES / CONTACTS no final, se necessário.
  3. Joga-o num sandbox com o numpy.
  4. Leia as decisões classificadas impressas e os números principais; abra o livro de registos 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 funciona a pontuação (linguagem simples)

O MCP combina a análise clássica de clientes num único livro de registo explicado:

  1. Classificação base — concentração em Pareto / ABC como verificação de sanidade.
  2. Alerta precoce comportamental — Sinais de recência, frequência e monetários ao estilo RFM para o rastreio da explicação.
  3. Probabilidade viva — A modelação de sobrevivência BG/NBD estima se uma conta ainda está ativa.
  4. Despesa e CLV — Gamma-Gamma de modelação de gastos do valor futuro esperado; os níveis seguem o CLV previsto.
  5. Migração e elevação — transições de níveis ao estilo de Markov; o histórico opcional de contacto com representantes aprende elevação tocada vs não tocada.
  6. Camada monetária — Transforma probabilidades em valor em risco, valor de contacto, potencial de subida de melhoria e exposição contabilística, reportados em intervalos de confiança — nunca se limitam apenas às estimativas pontuais.

Os números do canal e do dinheiro são um guia direcional do histórico de compras, não um experimento de laboratório a provar causalidade.

Problemas conhecidos e limitações

  • Conta ativa necessária. É necessária uma conta Saifs AI ativa com acesso ao Customer Intelligence. Ferramentas não podem ser chamadas até que o início de sessão OAuth seja concluído com sucesso na ligação.
  • Dados mínimos para o ajuste. Abaixo dos limiares configurados para clientes e compradores recorrentes (predefinidos: 10 clientes, 5 compradores recorrentes), BG/NBD recusa-se a encaixar. Adicione mais histórico ou reduza limiares apenas quando o livro for realmente pequeno e o utilizador aceitar um encaixe mais fraco.
  • É necessário o momento da compra. Resumos agregados de uma linha por cliente não podem ser pontuados. Exporte compras ao nível de linha ou de fatura.
  • Limite do tamanho do caminho das filas. customer_tiering aceita 500 linhas de transações ou menos. Livros maiores têm de ser usados customer_tiering_get_engine mais uma caixa de areia anestesiada.
  • As fusões de identidade são baseadas em regras. A limpeza automática funde as variantes de ortografia/maiúsculas/sufixos de limpeza. Pares ambíguos (por exemplo Acme & Co , vs) Acme Pvt Ltdmantêm-se separados até se candidatar identity_overrides após a revisão.
  • O levantamento por contacto é observacional. rep_contacts melhora as estimativas da camada monetária quando suficientemente densa (≥ 10 transições tocadas por nível). Não é uma prova causal aleatória. Os níveis escassos voltam para contact_effectiveness / assumed_upgrade_prob.
  • A moeda é uma etiqueta de exposição. Passar INR ou USD não converte os montantes. Envie os valores já na moeda que quer que sejam reportados.
  • Modelo de compra não contratual. A pilha padrão destina-se a livros não contratuais / de repetição (distribuidores, agências, D2C, comércio). Livros de renovação pura de subscrição podem necessitar de uma moldura diferente; livros finos ou inadequados devem ser recusados por uma razão clara e não excessivamente ajustados.
  • Dados pessoais. O histórico de compras pode ser dado pessoal ao abrigo da legislação de privacidade aplicável (incluindo o DPDP da Índia). Use apenas os dados que está autorizado a processar; mantenha as políticas de retenção e eliminação a pedido.
  • Sem FX, sem write-back de CRM na v1. O MCP avalia e explica; não envia atualizações para o Salesforce, HubSpot ou Dataverse sozinho.

Perguntas Mais Frequentes

Como é que ligo o MCP?

Siga o Fluxo para administradores em Como Começar: Novas Ferramentas de Agente → → Protocolo de Contexto de Modelo (MCP) → selecione Inteligência do Cliente - Saifs AI → Criar Nova Ligação → iniciar sessão completa na Saifs AI.

Que colunas preciso no meu ficheiro?

No mínimo: um identificador do cliente, uma data de compra e um valor positivo. A maioria dos nomes de colunas CRM e Excel são aceites sem renomeação. Opcionalmente, inclua uma coluna do nome do cliente quando o id for um código, e um registo de contactos separado (customer_id, date) para melhorar as estimativas de uplift.

Que ferramenta devo utilizar?

  • 500 linhas ou menos:customer_tiering (enviar linhas na chamada de ferramenta).
  • Mais de 500 linhas:customer_tiering_get_engine (executar o script devolvido localmente).

O que é a fila SAVE / GROW / VERIFY ?

Uma lista diária curta, classificada por dinheiro, para os representantes:

  • SAVE — contas com valor material em risco se negligenciadas
  • GROW — contas com potencial de atualização se contactado
  • VERIFY — contas que necessitam de confirmação de identidade ou de dados antes de agirem

Porque é que os valores monetários mostram os intervalos?

Cada valor de moeda vem com a confiança do modelo (por exemplo, um intervalo), não apenas uma estimativa de um ponto. Essa honestidade é intencional para que os gestores possam confiar nos números quando a realidade está dentro do intervalo.

Posso obter exportações no Tally ou no Excel?

Yes. Qualquer exportação com linhas de compra (customer_id / parte, data, montante) funciona. Pré-limpe apenas se for necessário; as variantes de identidade são fundidas pelas ferramentas.

Instruções de implantação

  1. No Copilot Studio, crie um novo agente e adicione Customer Intelligence - Saifs AI como ferramenta MCP.
  2. Crie uma nova ligação e complete o login da Saifs AI.
  3. Adicione instruções de agente para o seu caso de priorização de vendas (veja Começar), Faça uma Pré-visualização com um ficheiro de compra de exemplo e depois Publique.
  4. Mantenha a superfície da ferramenta MCP em tempo real alinhada com esta documentação ao submeter ou atualizar pacotes de certificação Microsoft sob o tipo de oferta Apps and Agents for M365 e Copilot. As expectativas de pacotes (manifesto, definições de ferramentas, intro.md, configuração de autenticação) são descritas na certificação do servidor Microsoft MCP.

Support

Ações

IA Intelligence-Saifs do cliente

Classifica os clientes para níveis A/B/C/D com CLV e risco explicado.

IA Intelligence-Saifs do cliente

Classifica os clientes para níveis A/B/C/D com CLV e risco explicado.