Localizar clientes similares com IA (pré-visualização)
[Este artigo é uma documentação de pré-lançamento e está sujeito a alterações.]
Encontre clientes semelhantes na sua base de clientes usando inteligência artificial. Precisa de pelo menos um segmento criado para utilizar esta funcionalidade. Expandir os critérios de um segmento existente ajuda a encontrar clientes semelhantes a esse segmento.
Nota
Localizar clientes semelhantes utiliza meios automatizados para avaliar os dados e fazer previsões com base nesse dados. Assim, tem a capacidade de ser utilizado como um método de análise para otimização, uma vez que esse termo é definido por várias leis e regulamentos de privacidade. A utilização por parte dos clientes desta caraterística para processar dados pode estar sujeita a essas leis ou regulamentos. O utilizador é responsável por garantir que a sua utilização do Dynamics 365 Customer Insights - Data, incluindo predições, cumpre com todas as leis e regulamentos aplicáveis, incluindo leis relacionadas com a privacidade, dados pessoais, dados biométricos, proteção de dados e confidencialidade das comunicações.
Encontrar clientes semelhantes
Aceda a Informações>Segmentos e selecione o segmento em que pretende basear o novo segmento. É o seu segmento de origem.
Selecione Localizar clientes semelhantes.
Reveja o nome sugerido para o seu novo segmento e altere-o se necessário.
Opcionalmente, adicione etiquetas ao novo segmento.
Reveja os campos que definem o seu novo segmento. Estes campos definem a base em que o sistema tentará encontrar clientes semelhantes ao seu segmento de origem. O sistema seleciona os campos recomendados por predefinição. Se for necessário, adicione mais campos. Os campos que podem reduzir significativamente o desempenho do modelo são automaticamente excluídos:
- Campos com os seguintes tipos de dados: StringType, BooleanType, CharType, LongType, IntType, DoubleType, FloatType, ShortType
- Campos com cardinalidade (número de elementos num campo) inferiores a 2 ou mais de 30
Escolha se pretende incluir Todos os clientes, exceto o segmento de origem, ou apenas clientes num segmento diferente no seu novo segmento.
Por predefinição, o sistema sugere que inclua apenas 20% do tamanho da audiência alvo na sua saída. Edite este limiar conforme necessário. Aumentar o limiar reduzirá a precisão.
Inclua clientes no segmento de origem selecionando a caixa de verificação Incluir membros do segmento de origem para além de clientes com atributos semelhantes.
Selecione Executar na parte inferior da página para iniciar uma tarefa de classificação binária (um método de aprendizagem automática) que analisa o conjunto de dados.
Ver o segmento semelhante
Após o processamento do segmento semelhante, encontrará o novo segmento listado na página Informações>Segmentos com o tipo Expansão.
Selecione Ver para ver a distribuição de resultados em classificações de semelhança e em valores de classificação de semelhança em Pré-visualizar membros do segmento.
Gerir um segmento semelhante
Trabalhe com um segmento semelhante ou faça a sua gestão como faz com outros segmentos. Por exemplo, exportar o segmento ou criar uma medida.
Edite, atualize, mude o nome, transfira e elimine um segmento semelhante. Editar um segmento semelhante reprocessa os seus dados. O segmento anteriormente criado é atualizado com dados atualizados.
Sobre pontuações de semelhança
O modelo de machine learning de classificação binária atribui uma pontuação aos clientes do segmento semelhante. A pontuação baseia-se na semelhança com os clientes do segmento de origem.
- Pontuações de semelhança abaixo de 0,55 são clientes que o sistema classificou como não semelhantes aos clientes no segmento de origem
- As pontuações de semelhança entre 0,55 e 0,7 são classificadas como um pouco semelhantes
- As pontuações de semelhança entre 0,7 e 0,85 são classificadas como semelhantes
- Pontuações de semelhança entre 0,85 e 1 são clientes que o sistema classifica como muito semelhantes
Os clientes com pontuações de semelhança inferiores a 0,4 não estão incluídos na saída do modelo. O sistema não os considera semelhantes o suficiente ao segmento de origem.