Predlagani segmenti (predogled)
[Ta članek je del predizdajne dokumentacije in se lahko spremeni.]
Dynamics 365 Customer Insights - Data lahko predlaga odseke na podlagi dejavnosti ali mer.
Pomembno
- To je funkcija predogleda.
- Poskusne funkcije niso za komercialno uporabo, njihovo delovanje je lahko omejeno. Te funkcije so na voljo še pred uradno izdajo, da lahko stranke predčasno dostopajo do njih in posredujejo povratne informacije.
Predlagani segmenti na podlagi dejavnosti (predogled)
Odkrijte zanimive segmente svojih strank na podlagi podatkov o dejavnosti strank, ki jih zaužijete Customer Insights - Data. Primeri podatkov o dejavnosti so transakcije, trajanje klica za podporo, nakupi ali vračila. Za predlaganje segmentov se podatki o dejavnosti analizirajo glede na nedavnost, pogostost in denarno vrednost (ali trajanje).
Razvrščanje strank po dejavnosti
Če so podatki o dejavnosti na voljo Customer Insights - Data, lahko ustvarimo predloge, ki predstavljajo skupine strank:
- najbolj dejavne stranke
- stranke, ki so opravile največ nakupov
- stranke, ki so ustvarile največ prihodka
- stranke, ki zadnje čase niso aktivne
- stranke, ki pogosto komunicirajo z vašim podjetjem
Če imate trgovino na drobno, lahko izveste, katere stranke ustvarijo največ prihodka, in jih nagradite s kuponom. Lahko pa prepoznate občasne stranke in jim ponudite, da se pridružijo programu nagrad, da bodo pogosteje obiskali vaše podjetje. Če zagotavljate javno zdravstvo in je vaš cilj zmanjšati stroške za posamezne paciente, lahko poskusite zmanjšati ponavljajoče se obiske z zagotavljanjem najboljše možne oskrbe v čim manjšem številu obiskov. V tem primeru je vaš cilj ohraniti nizko pogostost obiska in zmanjšati ponavljajoče se stroške za paciente. Lahko pa prepoznate segmente pacientov, ki imajo pogoste sestanke in ponavljajoče se stroške, ter analizirate te primere za izboljšanje zdravljenja posameznika.
Predlagani segmenti, ki temeljijo na merah (predogled)
Odkrijte zanimive segmente svojih strank z modelom umetne inteligence. Funkcija, ki jo poganja strojno učenje, predlaga segmente, ki temeljijo na merah ali atributih strank. Pomaga lahko izboljšati ključne kazalnike uspešnosti (KPI-je) ali bolje razumeti vpliv atributov v kontekstu drugih atributov.
opomba,
Funkcija predlaganih segmentov uporablja samodejna sredstva za vrednotenje podatkov in predvidevanje na podlagi teh podatkov. Zato se lahko uporablja kot metoda profiliranja, saj je ta izraz opredeljen z zakoni in predpisi o zasebnosti. Za vašo uporabo te funkcije za obdelavo podatkov morda veljajo ti zakoni ali predpisi. Sami ste odgovorni za zagotavljanje, da je vaša uporaba Customer Insights - Data, vključno s to funkcijo, skladna z vsemi veljavnimi zakoni in predpisi, vključno z zakoni, povezanimi z zasebnostjo, osebnimi podatki, biometričnimi podatki, varstvom podatkov in zaupnostjo komunikacij.
Predlagani segmenti za izboljšanje KPI-jev
Če uporabljate ukrepe, ustvarjene za lažje sledenje KPI-jem, ustvarite segmente za ogled vplivov na KPI. Te podatke lahko uporabite za prikazovanje visoko ciljane oglaševalske akcije.
Sledite na primer ukrepu, imenovanemu TotalSpendPerCustomer. Kot podjetje bi želeli, da to število narašča. Če izberete mero kot primarni atribut, izberite atribute, ki jih želite oceniti za vpliv. Recimo raven članstva, obdobje članstva in poklic. Customer Insights - Data Nato lahko predlagate segment, ki vam pove, kdo ima največji vpliv tega ukrepa. Na primer, računovodje , ki so zlati člani in so z vašim podjetjem vsaj pet let , so največji vplivnež TotalSpendPerCustomer. Za vsak predlog boste prejeli ocenjeno velikost segmenta. Te podatke lahko uporabite za ustvarjanje kampanj za ciljno skupino.
Razumevanje, kaj vpliva na atribut stranke
Kot primarni atribut lahko namesto mere uporabite atribut stranke. Na podlagi vaše izbire vplivnih atributov model umetne inteligence ustvari niz predlogov, ki prikazujejo, kako izbrani atributi vplivajo na primarni atribut.
Za primarni atribut na primer izberete Član nagrade (Da/Ne). Mandat, poklic in število vstopnic za podporo so določeni kot drugi vplivni atributi. Model umetne inteligence lahko predlaga segmente, ki prikazujejo, da so predvsem strokovnjaki za IT z delovno dobo višjo od dveh let člani programa nagrajevanja. Predlaga lahko tudi, da so računovodje z delovno dobo višjo od enega leta in z manj kot tremi zahtevami za podporo člani programa nagrajevanja.
Uporaba umetne inteligence
Algoritem odločitvenega drevesa predlaga zanimive segmente z uporabo primarnega atributa in vplivnih atributov. Predlogi temeljijo na pravilih ali vzorcih, ki jih je zaznal algoritem umetne inteligence. Kot predlogi so prikazani samo segmenti, ki se bistveno razlikujejo od povprečne populacije. Primerjava s povprečno populacijo temelji na izbrani meri ali primarnemu atributu.
Odgovorna umetna inteligenca
Pri predlaganih segmentih izberete atribute za ustvarjanje novih segmentov in obdelavo izbranih podatkov. Pri izbiri atributov, vključno z občutljivimi atributi, kot so rasa, spolna usmerjenost ali spol, morate zagotoviti, da podatke lahko in jih obdelujete. Odgovorni ste za spoštovanje vseh zakonov, ki veljajo za vašo organizacijo, ter spoštovanje načel in pravilnikov o zasebnosti vaše organizacije.
Različni rezultati za primarne atribute s kategoričnimi in številčnimi vrednostmi
Predlogi za segmente se razlikujejo, če za primarni atribut izberete številski ali kategorični atribut. Vrednosti v kategoričnem atributu vsebujejo dve ali več kategorij oz. vrst. Številski atribut vsebuje količinske podatke in ima občutek za merjenje.
S številčnim atributom, kot je letni dohodek ali člansko obdobje , kot primarnim atributom, sistem predlaga segmente, ki imajo višjo ali nižjo povprečno vrednost številskega atributa v primerjavi z vsemi strankami.
Kategorični atribut, kot je zadovoljstvo strank kot glavni atribut, ima za posledico predlagane segmente, ki imajo višji ali nižji odstotek kupcev, ki pripadajo določeni kategoriji, v primerjavi z odstotkom vseh strank, ki spadajo v isto kategorijo. Na primer, zadovoljstvo strank je izbrano kot primarni atribut in je sestavljeno iz treh kategorij (nizka, srednja in visoka). Za vsako kategorijo bodo predlagani segmenti, ki imajo višji ali nižji odstotek kupcev iz te kategorije v primerjavi z deležem vseh strank v isti kategoriji. Če ima 22% vseh kupcev visoko zadovoljstvo, potem bodo za to kategorijo predlagani samo segmenti, ki imajo višji ali nižji delež kupcev z visokim zadovoljstvom v primerjavi z 22%. Podobno bodo segmenti predlagani za vsako od drugih kategorij (nizka in srednja), če so statistično značilni.
opomba,
Trenutno podpiramo samo primarne kategorične atribute, ki imajo največ 10 kategorij. Če si želite ogledati predloge segmentov, ki temeljijo na primarnem atributu z več kot 10 kategorijami, priporočamo, da nekatere kategorije združite, da zmanjšate število kategorij na 10 ali manj. Ta omejitev velja samo za primarne atribute. Za vplivne kategorične atribute trenutno podpiramo največ 100 kategorij.