แชร์ผ่าน

คู่มือตัวอย่างของการคาดคะเนมูลค่าตลอดอายุการใช้งานของลูกค้า (CLV)

  • บทความ

คู่มือนี้จะอธิบายตัวอย่างแบบครบวงจรของการคาดคะเนมูลค่าตลอดอายุการใช้งานของลูกค้า (CLV) ใน Dynamics 365 Customer Insights - Data โดยใช้ข้อมูลตัวอย่าง เราขอแนะนำให้คุณลองใช้การคาดคะเนนี้ ในสภาพแวดล้อมใหม่

สถานการณ์สมมติ

Contoso เป็นบริษัทที่ผลิตกาแฟและเครื่องชงกาแฟคุณภาพสูง พวกเขาจำหน่ายผลิตภัณฑ์ผ่านเว็บไซต์ Contoso Coffee บริษัทต้องการเข้าใจมูลค่า (รายได้) ที่ลูกค้าสามารถสร้างขึ้นได้ในอีก 12 เดือนข้างหน้า การรู้มูลค่าที่คาดหวังของลูกค้าในอีก 12 เดือนข้างหน้า จะช่วยพวกเขาในการควบคุมความพยายามทางการตลาดกับลูกค้าที่มีมูลค่าสูง

ข้อกำหนดเบื้องต้น

งานที่ 1 - นำเข้าข้อมูล

ทบทวนบทความ เกี่ยวกับการนำเข้าข้อมูล และ การเชื่อมต่อกับแหล่งข้อมูล Power Query ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการนำเข้าข้อมูลโดยทั่วไป

นำเข้าข้อมูลลูกค้าจากแพลตฟอร์มอีคอมเมิร์ซ

  1. สร้างแหล่งข้อมูล Power query ที่ชื่อ eCommerce และเลือกตัวเชื่อมต่อ ข้อความ/CSV

  2. ป้อน URL สำหรับผู้ติดต่ออีคอมเมิร์ซ https://aka.ms/ciadclasscontacts

  3. ในขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วจากนั้น ใช้แถวแรกเป็นส่วนหัว

  4. ปรับปรุงชนิดข้อมูลสำหรับคอลัมน์ที่แสดงด้านล่าง:

    • DateOfBirth: วันที่
    • CreatedOn: วันที่/เวลา/โซน

    เปลี่ยนวันเดือนปีเกิดเป็นวันที่

  5. ในฟิลด์ ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลเป็น eCommerceContacts

  6. บันทึก แหล่งข้อมูล

นำเข้าข้อมูลการซื้อออนไลน์

  1. เพิ่มชุดข้อมูลอื่นให้เหมือนกันแหล่งข้อมูล อีคอมเมิร์ซ เลือกตัวเชื่อมต่อ ข้อความ/CSV อีกครั้ง

  2. ป้อน URL สำหรับข้อมูล การซื้อออนไลน์https://aka.ms/ciadclassonline

  3. ในขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วจากนั้น ใช้แถวแรกเป็นส่วนหัว

  4. ปรับปรุงชนิดข้อมูลสำหรับคอลัมน์ที่แสดงด้านล่าง:

    • PurchasedOn: วันที่/เวลา
    • TotalPrice: สกุลเงิน

  5. ในฟิลด์ ชื่อ ในบานหน้าต่างด้านข้าง ให้เปลี่ยนชื่อแหล่งข้อมูลเป็น eCommercePurchases

  6. บันทึก แหล่งข้อมูล

นำเข้าข้อมูลลูกค้าจากแบบแผนความภักดี

  1. สร้างแหล่งข้อมูลที่ชื่อ LoyaltyScheme และเลือกตัวเชื่อมต่อ ข้อความ/CSV

  2. ป้อน URL สำหรับลูกค้าประจำ https://aka.ms/ciadclasscustomerloyalty

  3. ในขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วจากนั้น ใช้แถวแรกเป็นส่วนหัว

  4. ปรับปรุงชนิดข้อมูลสำหรับคอลัมน์ที่แสดงด้านล่าง:

    • DateOfBirth: วันที่
    • RewardsPoints: จำนวนเต็ม
    • CreatedOn: วันที่/เวลา

  5. ในฟิลด์ ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลเป็น loyCustomers

  6. บันทึก แหล่งข้อมูล

นำเข้าข้อมูลลูกค้าจากบทวิจารณ์เว็บไซต์

  1. สร้างแหล่งข้อมูลที่ชื่อ เว็บไซต์ และเลือกตัวเชื่อมต่อ ข้อความ/CSV

  2. ป้อน URL สำหรับการรีวิวเว็บไซต์ https://aka.ms/CI-ILT/WebReviews

  3. ในขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วจากนั้น ใช้แถวแรกเป็นส่วนหัว

  4. ปรับปรุงชนิดข้อมูลสำหรับคอลัมน์ที่แสดงด้านล่าง:

    • ReviewRating: เลขทศนิยม
    • ReviewDate: วันที่

  5. ในฟิลด์ ชื่อ บนบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลเป็น การวิจารณ์

  6. บันทึก แหล่งข้อมูล

งานที่ 2 - การรวมข้อมูล

ตรวจสอบบทความ เกี่ยวกับการรวมข้อมูล ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการรวมข้อมูลโดยทั่วไป

หลังจากนำเข้าข้อมูลแล้ว ให้เริ่มกระบวนการรวมข้อมูลเพื่อสร้างโปรไฟล์ลูกค้าแบบรวม สำหรับข้อมูลเพิ่มเติม ให้ดูที่ การรวมข้อมูล

อธิบายข้อมูลลูกค้าที่จะรวมเป็นหนึ่งเดียว

  1. หลังจากนำเข้าข้อมูลแล้ว ให้จับคู่ผู้ติดต่อจากข้อมูลอีคอมเมิร์ซและความภักดีกับชนิดข้อมูลทั่วไป ไปที่ ข้อมูล>รวม

  2. เลือกตารางที่แสดงถึงโปรไฟล์ลูกค้า - eCommerceContacts และ loyCustomers

    รวมแหล่งข้อมูลอีคอมเมิร์ซและความภักดี

  3. เลือก ContactId เป็นคีย์หลักสำหรับ eCommerceContacts และ LoyaltyID เป็นคีย์หลักสำหรับ loyCustomers

  4. เลือก ถัดไป ข้ามเรกคอร์ดที่ซ้ำกันและเลือก ถัดไป

กำหนดกฎการจับคู่

  1. เลือก eCommerceContacts: eCommerce เป็นตารางหลัก และรวมเรกคอร์ดทั้งหมด

  2. เลือก loyCustomers : LoyaltyScheme และรวมบันทึกทั้งหมด

  3. เพิ่มกฎ:

    • เลือก ชื่อเต็ม สำหรับทั้ง eCommerceContacts และ loyCustomers
    • เลือก ชนิด (โทรศัพท์, ชื่อ, ที่อยู่, ...) สำหรับ ทำให้เป็นมาตรฐาน
    • ตั้งค่า ระดับความแม่นยำ: พื้นฐาน และ ค่า: สูง

  4. เพิ่มเงื่อนไขที่สองสำหรับที่อยู่อีเมล:

    • เลือก อีเมล สำหรับทั้ง eCommerceContacts และ loyCustomers
    • ปล่อยให้ ทำให้เป็นมาตรฐาน ว่างไว้
    • ตั้งค่า ระดับความแม่นยำ: พื้นฐาน และ ค่า: สูง
    • ป้อน ชื่อเต็ม อีเมล สำหรับชื่อ

    รวมกฎการจับคู่สำหรับชื่อและอีเมล

  5. เลือก เสร็จสิ้น

  6. เลือก ถัดไป

ดูข้อมูลแบบรวม

  1. เปลี่ยนชื่อ ContactId สำหรับตาราง loyCustomers เป็น ContactIdLOYALTY เพื่อแยกความแตกต่างจากรหัสอื่นๆ ที่นำมาใช้

  2. เลือก ถัดไป เพื่อตรวจสอบแล้วเลือก สร้างโปรไฟล์ลูกค้า

งาน 3 - สร้างกิจกรรมประวัติธุรกรรม

ทบทวนบทความ เกี่ยวกับกิจกรรมของลูกค้า ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการสร้างกิจกรรมโดยทั่วไป

  1. สร้างกิจกรรมด้วยตาราง eCommercePurchases:eCommerce และตาราง Reviews:Website

  2. สำหรับ eCommercePurchases:eCommerceให้เลือก SalesOrderLine สำหรับ ประเภทกิจกรรม และ PurchaseId สำหรับ คีย์หลัก

  3. สำหรับ Reviews:Websiteให้เลือก รีวิว สำหรับ ประเภทกิจกรรม และ ReviewID สำหรับ คีย์หลัก

  4. ป้อนข้อมูลต่อไปนี้สำหรับกิจกรรมการซื้อ:

    • ชื่อกิจกรรม: eCommercePurchases
    • TimeStamp: PurchasedOn
    • EventActivity: TotalPrice
    • รหัสบรรทัดในใบสั่ง: PurchaseId
    • วันที่ในใบสั่ง: PurchasedOn
    • จำนวนเงินรวม: TotalPrice

  5. ป้อนข้อมูลต่อไปนี้สำหรับกิจกรรมการตรวจทานเว็บ:

    • ชื่อกิจกรรม: WebReviews
    • ประทับเวลา: ReviewDate
    • กิจกรรมเหตุการณ์: ActivityTypeDisplay
    • รายละเอียดเพิ่มเติม: ReviewRating

  6. เพิ่มความสัมพันธ์ระหว่าง eCommercePurchases:eCommerce และ eCommerceContacts:eCommerce ด้วย ContactID เป็นคีย์นอกเพื่อเชื่อมต่อทั้งสองตาราง

  7. เพิ่มความสัมพันธ์ระหว่าง Website และ eCommerceContacts ด้วย UserId เป็นคีย์นอก

  8. ตรวจสอบการเปลี่ยนแปลงของคุณแล้วเลือก สร้างกิจกรรม

งานที่ 4 - กำหนดค่าการคาดคะเนมูลค่าตลอดอายุการใช้งานของลูกค้า

ด้วยโปรไฟล์ลูกค้าแบบรวมและสร้างกิจกรรมแลเว เรียกใช้การคาดคะเนมูลค่าตลอดอายุการใช้งานของลูกค้า (CLV) สำหรับขั้นตอนโดยละเอียด โปรดดูที่ การคาดคะเนมูลค่าตลอดอายุการใช้งานของลูกค้า

  1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

  2. บนแท็บ สร้าง เลือก ใช้แบบจำลอง บนไทล์ อายุการใช้งานของลูกค้า

  3. เลือก เริ่มต้นใช้งาน

  4. ตั้งชื่อโมเดล การคาดคะเน OOB eCommerce CLV และตารางผลลัพธ์ OOBeCommerceCLVPrediction

  5. กำหนดลักษณะแบบจำลอง:

    • การคาดคะเนช่วงเวลา: 12 เดือนหรือ 1 ปี เพื่อกำหนดอนาคตเพื่อคาดคะเน CLV
    • ลูกค้าที่ใช้งานอยู่: ให้แบบจำลองคำนวณช่วงเวลาการซื้อ ที่กรอบเวลาที่ลูกค้าต้องมีธุรกรรมอย่างน้อยหนึ่งรายการจึงจะถือว่าใช้งานอยู่
    • ลูกค้าที่มีมูลค่าสูง: กำหนดลูกค้าที่มีมูลค่าสูงเป็น 30% สูงสุดของลูกค้าที่ใช้งานอยู่ ด้วยตนเอง

    ขั้นตอนการกำหนดลักษณะในประสบการณ์ที่แนะนำสำหรับโมเดล CLV

  6. เลือก ถัดไป

  7. ในขั้นตอน ข้อมูลที่จำเป็น เลือก เพิ่มข้อมูล เพื่อให้ข้อมูลประวัติการทำธุรกรรม

    เพือขั้นตอนข้อมูลที่จำเป็นในประสบการณ์ที่แนะนำสำหรับโมเดล CLV

  8. เลือก SalesOrderLine และตาราง eCommercePurchases และเลือก ต่อไป ข้อมูลที่จำเป็นจะถูกกรอกโดยอัตโนมัติจากกิจกรรม เลือก บันทึก และจากนั้น ต่อไป

  9. ขั้นตอน ข้อมูลเพิ่มเติม (ไม่บังคับ) ช่วยให้คุณสามารถเพิ่มข้อมูลกิจกรรมของลูกค้าได้มากขึ้นเพื่อรับข้อมูลเชิงลึกมากขึ้นสำหรับการโต้ตอบลูกค้า สำหรับตัวอย่างนี้ เลือก เพิ่มข้อมูล และเพิ่มกิจกรรมการตรวจทานเว็บ

  10. เลือก ถัดไป

  11. ในขั้นตอน อัปเดตข้อมูล เลือก รายเดือน สำหรับตารางเวลาของแบบจำลอง

  12. เลือก ถัดไป

  13. หลังจากตรวจสอบรายละเอียดทั้งหมดแล้ว ให้เลือก บันทึกและเรียกใช้

งานที่ 5 - ตรวจสอบผลลัพธ์และคำอธิบายของโมเดล

ให้โมเดลทำการฝึกและให้คะแนนข้อมูล ตรวจสอบ ผลลัพธ์และคำอธิบายของโมเดล CLV

งานที่ 6 - สร้างเซ็กเมนต์ของลูกค้าที่มีมูลค่าสูง

การรันโมเดลจะสร้างตารางใหม่ ซึ่งแสดงอยู่บน ข้อมูล>ตาราง คุณสามารถสร้างเซ็กเมนต์ลูกค้าใหม่โดยยึดตามตารางที่สร้างโดยแบบจำลอง

  1. ในหน้าผลลัพธ์ ให้เลือก สร้างเซ็กเมนต์

  2. สร้างกฏโดยใช้ตาราง OOBeCommerceCLVPrediction และกำหนดเซ็กเมนต์:

    • ฟิลด์: CLVScore
    • ตัวดำเนินการ: มากกว่า
    • ค่า: 1500

  3. เลือก บันทึก และ เรียกใช้ เซ็กเมนต์

ตอนนี้คุณมีเซ็กเมนต์ที่ระบุลูกค้าที่คาดว่าจะสร้างรายได้มากกว่า $1500 ใน 12 เดือนข้างหน้า เซ็กเมนต์นี้ได้รับการอัปเดตแบบไดนามิก หากมีการนำเข้าข้อมูลมากขึ้น สำหรับข้อมูลเพิ่มเติม ดู สร้างและจัดการเซ็กเมนต์

เคล็ดลับ

คุณยังสามารถสร้างเซ็กเมนต์สำหรับโมเดลการคาดคะเนจากหน้า ข้อมูลเชิงลึก>เซ็กเมนต์ โดยการเลือก ใหม่ และเลือก สร้างจาก>ข้อมูลเชิงลึก สำหรับข้อมูลเพิ่มเติม โปรดดู สร้างเซ็กเมนต์ใหม่ด้วยเซ็กเมนต์ด่วน

ขั้นตอนถัดไป