Rapports de proportions CloudAscent disponibles dans le tableau de bord espace partenairesCloudAscent Propensity reports available from Partner Center dashboard

Rôles appropriésAppropriate roles

  • Visionneuse de rapports de la directionExecutive report viewer
  • Visionneuse de rapportsReport viewer

Le tableau de bord espace partenaires fournit des données de propension téléchargeables à partir du programme CloudAscent.The Partner Center Dashboard provides downloadable propensity data from the CloudAscent Program. Les données montrent la propension des clients à acheter des produits Microsoft.The data shows the customers' propensity to purchase Microsoft products. Cet article décrit la répartition de ces données, la manière d’utiliser le calcul de score et ce que cela signifie.This articles describes the breakdown of this data, how to utilize the scoring, and what it means.

Définitions de résuméSummary definitions

  • Clients SMC: il s’agit du nombre total de clients dans le téléchargement de la distribution.SMC Customers– This is the total number of customers in the propensity downloads. Les clients sont identifiés par un partenaire d’enregistrement.Customers are identified by partner of record.
  • Contrats d’expiration: au cours de l’année fiscale en cours, nous fournissons le nombre d’accords arrivant à expiration.Expire Agreements– within the current fiscal year, we're providing the number of expiring agreements.
  • Recettes arrivant à expiration: le chiffre d’affaires associé aux contrats arrivant à expiration.Expiring Revenue– the revenue associated to the expiring agreements.
  • Ouvrir le revenu arrivant à expiration: le chiffre d’affaires associé aux contrats d’expiration ouverts.Open Expiring Revenue– The revenue associated to the open expiring agreements.

Capture d’écran du tableau de bord Résumé des opportunités de clients.

Segmentation SMB CloudAscentCloudAscent SMB segmentation

Le segment SMB (Small-Medium Business) est divisé en trois sous-segments distincts.The small to medium business (SMB) segment is further divided into three distinct sub segments.

  1. Top non gérée comprend les plus grands clients SMB qui ont le plus de chance pour Microsoft.Top Unmanaged includes the largest SMB customers with the most opportunity for Microsoft. Les principaux clients non gérés partagent des caractéristiques similaires à celles des comptes gérés, avec un grand nombre d’employés, des budgets et des dépenses informatiques importants, ainsi que de grandes quantités de revenus potentiels pour Microsoft.Typical Top Unmanaged customers share similar characteristics as Managed accounts, with large number of employees, large IT budgets and spend, and large amounts of potential revenue for Microsoft.

    Nous définissons les deux principales méthodes non gérées :We define Top Unmanaged two ways:

    • Top based user non gérée: comprend les comptes avec 300 ou plus employés.Top Unmanaged User Based– includes accounts with 300 or more employees. Les comptes de User-Based sont des cibles intéressantes pour l’achat initial, ou l’extension de produits d’abonnement basés sur l’utilisateur, tels que M365, D365 ou surface.User-Based accounts are great targets for first-time purchase, or expansion of user-based subscription products such as M365, D365, or Surface.
    • Top Compute non gérée : comprend les comptes avec un potentiel Azure supérieur à 10 000 $.Top Unmanaged Compute Based – includes accounts with Azure potential greater than $10k. Les comptes basés sur le calcul incluent Azure existant.Compute based accounts include existing Azure. comptes avec un potentiel d’année future et des comptes importants qui n’ont pas encore acheté Azure, mais qui ont un potentiel pour Azure supérieur à 10 000 $.accounts with significant future year potential and accounts who have yet to purchase Azure yet but have potential for Azure greater than $10k.
  2. Les entreprises de taille moyenne incluent les clients existants et les comptes potentiels de 25 à 300 employés.Medium Business includes existing customers and prospect accounts with 25 to 300 employees.

  3. Small Business comprend toutes les entreprises restantes comptant moins de 25 employés.Small Business includes all remaining businesses with fewer than 25 employees.

Capture d’écran du tableau de bord Résumé des opportunités de clients.

Les principaux sous-segments non gérés et de taille moyenne représentent des clients LTV (High Life-Time value) pour Microsoft et des partenaires Microsoft.Top Unmanaged and Medium Business subsegments represent high life-time value (LTV) customers for Microsoft, and Microsoft Partners. Par conséquent, il s’agit des domaines de priorité pour la croissance de ce segment.Hence they are the lead areas of focus for driving growth in this segment. Dans ces deux sous-segments, nous sommes mieux positionnés pour acquérir le socket avec M365, monétiser davantage avec les applications métier D365/Azure et réaliser un LTV élevé pour Microsoft.In these two subsegments, we are better positioned to acquire the socket with M365, monetize further with D365/Azure line of business (LOB) apps, and realize a high LTV for Microsoft.

Aujourd’hui, nous avons deux domaines clés de l’opportunité : 1.Today we have two key areas of opportunity – 1. notre client ajoute de la croissance. 2.our customer adds growth; 2. Bien que nous puissions acquérir des sockets Cloud avec M365, nous avons une grande opportunité dans D365 et Azure.while we do well acquiring cloud sockets leading with M365, we have a large opportunity in D365 and Azure.

La capture d’écran suivante représente les trois sous-segments SMB et les itinéraires optimisés sur le marché.The following screenshot represents the three SMB Subsegments and optimized routes to market. CloudAscent hiérarchiser le profilage, la notation et la modélisation de tous les principaux comptes non gérés et de taille moyenne.CloudAscent prioritize the profiling, scoring, and modeling of all Top Unmanaged and Medium Business accounts.

Capture d’écran du tableau de bord Résumé des opportunités de clients.

CloudAscent Machine LearningCloudAscent Machine Learning

SMB utilise Machine Learning technologie pour diriger les ventes et le marketing des prédictions client au sein des principaux segments non gérés et de taille moyenne.SMB uses machine learning technology to drive sales and marketing customer predictions within the Top Unmanaged and Medium Business segments. Comment les signaux sont-ils collectés et convertis en recommandations de propension ?How are signals collected and turned into propensity recommendations?

  • Collecte de données: les robots d’indexation recherchent et recueillent des milliards de signaux client en exécutant une commande ping sur les domaines de l’entreprise et en surveillant : billets de blog, communiqués de presse, flux sociaux et forums techniques.Data Collection: Web crawlers scan and collect billions of customer signals by pinging the company domains, and monitoring: blog posts, press releases, social streams, and technical forums. Outre les signaux collectés, les informations firmographics sont collectées à partir de sources internes et externes telles que D&B, abonnement interne Microsoft et données transactionnelles.In addition to the collected signals, firmographics information is collected from both internal and external sources such as D&B, Microsoft Internal subscription and transactional data.

  • Machine learning: les signaux sont alimentés dans le modèle machine learning qui génère un ensemble de données structurées de prédictions de ventes et marketing pour chaque client par produit Cloud et cluster.Machine Learning: The signals are fed into the machine learning model that outputs a structured data set of Sales and Marketing predictions for each customer by cloud product and cluster. Chaque client est évalué à l’aide d’un modèle similaire à la SMB de Microsoft qui détermine l’adéquation du client et Machine Learning algorithmes qui intègrent le comportement en ligne du client définissent comme intention.Each customer is scored using a look alike model to Microsoft's top SMB that determines the customer's Fit, and machine learning algorithms that integrate the customer's online behavior define as Intent. La notation est fusionnée en clusters qui indiquent la propension d’un client à acheter des produits Microsoft Cloud.The scoring is merged into clusters that show a customer's propensity to purchase Microsoft Cloud Products.

  • Optimisation: le système machine learning optimise les modèles en consommant les données de transaction mensuellement et les données d’abonnement trimestriellement.Optimization: The Machine Learning system optimizes the models by consuming the transaction data monthly and the subscription data quarterly. À l’aide des données de Win/Loss, le Machine Learning ajuste les algorithmes et vérifie que les modèles fonctionnent comme prévu en comparant les recommandations de cluster aux opportunités traitées dans MSX.Using the win/loss data, the Machine Learning adjusts the algorithms and validates that the models are working as expected by comparing cluster recommendations to opportunities acted upon in MSX.

Capture d’écran du tableau de bord Résumé des opportunités de clients.

CloudAscentCloudAscent Propensity

Comment les recommandations de propension sont-elles créées ?How are propensity recommendations created?

À l’aide des signaux collectés via des robots d’indexation et des données Web fournis par diverses sources, nous avons consolidé les données firmographics et les signaux des réseaux sociaux du client.Using signals collected via web crawlers and data provided from various sources, we consolidate the firmographics data and customer's social media signals. La notation utilise ces signaux et données dans des modèles de comparaison pour les modèles d’ajustement et de notation pour l’intention.The scoring uses these signals and data in comparison models for fit and scoring models for Intent.

  1. Ajustement du compte clientCustomer Account Fit

    • Points de données internes et externes qui définissent firmographics.Internal and External data points that define firmographics.

    • Adapter le score utilise un modèle similaire à notre meilleur SMB pour comparer les clients et voir s’ils sont susceptibles d’être adaptés à Microsoft Cloud produits.Fit scoring uses a look alike model to our best SMB to compare customers and see if they're a potential fit for Microsoft Cloud Products.

    • L’ajustement ajusté est mis à jour tous les trimestresFit scoring is updated quarterly

  2. Intention du compte clientCustomer Account Intent

    • Les signaux liés aux réseaux sociaux et l’intention du comportement en ligne d’un client.Signals related to Social media and a customer's online behavior define Intent.

    • La notation intentionnelle est superposée sur ajuster pour définir les clusters.Intent scoring is overlaid on top of fit to define the clusters.

    • La notation intentionnelle est mise à jour tous les mois.Intent scoring is updated monthly.

    Capture d’écran du tableau de bord Résumé des opportunités de clients.

  3. ClusteringClustering

    Les signaux pour l’adéquation et l’intention sont consolidés dans un score de clustering.The Signals for fit and intent are consolidated into a clustering score. CloudAscent a quatre clusters :CloudAscent has four clusters:

    • Agissez maintenant-clients prêts à l’emploiAct Now - sales ready customers
    • Évaluer : clients prêts pour la commercialisationEvaluate - marketing ready customers
    • Campagnes de sensibilisation aux lecteursNurture - drive awareness campaigns
    • Éduquer-éduquer et surveiller l’intentionEducate - educate and monitor for intent

    Le clustering permet aux utilisateurs de cibler des clients spécifiques pour des initiatives de vente et de marketing basées sur des facteurs de segment, par exemple : produit, géo, secteur et vertical.The clustering allows users to target specific customers for sales and marketing initiatives based on segment factors, for example: product, geo, industry and vertical.

    L’onglet modèle de propensation des classeurs CloudAscent partage le propension et le revenu estimé des espaces blancs.The Propensity model tab in the CloudAscent Workbooks shares the propensity and the estimated whitespace revenue. Pour définir le clustering de l’ajustement et de l’intention, nous allons suivre les étapes suivantes :To define the clustering of Fit and Intent, we go through the following steps:

    1. En utilisant des modèles ML, nous commençons par calculer le score du client et le score d’intention sur une échelle de 100.Using ML Models, we first calculate Customer Fit Score and intent Score on a scale of 100. Les scores exacts varient en fonction des modèles ML.Exact Scores will vary based on ML Models. Exemples de scores ci-dessous :Example Scores Below:

      ClassificationClassification ScoreScore
      ÉlevéHigh 75-10075 - 100
      MoyenneMedium 55-7455 - 74
      FaibleLow 30 - 5430 - 54
      Très faibleVery Low 0 - 290 - 29
    2. À l’aide de la règle ci-dessus, nous classons les entreprises pour qu’elles soient élevées, moyennes, basses et très basses à la fois sur l’adaptabilité des clients et les signaux d’intention.Using the rule above, we classify companies to be High, Medium, Low, and Very Low across both Customer Fit and Intent Signals.

    3. Nous allons tracer les signaux d’ajustement et d’intention des clients sur une matrice 2D avec chaque intersection représentant la distribution.We plot customer fit and intent signals on a 2D matrix with each intersection representing the propensity. Par exemple, haute adaptation + haute intention = a1, représentant la plus grande distribution.For Example, High Fit + High Intent = A1, representing the highest propensity.

    4. Enfin, ces segments regroupent les clusters.Finally, these segments group to form clusters. Par exemple, a1, a2, a3, A4 forment le cluster Act Now.For Example, A1, A2, A3, A4 form the Act Now cluster.

      Capture d’écran du tableau de bord Résumé des opportunités de clients.

    Pour ces clients, nous vous recommandons de cibler Act maintenant et d’évaluer les clients.For these customers, we recommend targeting Act Now and Evaluate customers.

Modèles de & produits CloudAscentCloudAscent Products & Models

Le graphique suivant fournit une vue de chaque modèle de propension dans CloudAscent :The following graphic provides a view of each propensity model within CloudAscent:

Capture d’écran du tableau de bord Résumé des opportunités de clients.

Les modèles d’espace blanc sont composés de prédictions pour les clients Microsoft existants où ils ne disposent pas d’un produit et/ou sont des clients net New Prospect.Whitespace models are composed of predictions for existing Microsoft customers where they don't have a product and/or are net new prospect customers.

Les modèles de vente incitative utilisent des données de transaction pour prédire le potentiel de vente incitative dans Azure et les références SKU M365.Upsell models use transaction data to predict the potential for upsell in Azure and M365 SKUs.

EOS partage les clients de fin de service pour Win 7, Office 2010, SQL Server et Windows Server.EOS shares the end of service customers for Win 7, Office 2010, SQL Server, and Windows Server. Les données de la surcharge sont extraites de MS sales et déplacées avec la modélisation de propension CloudAscent, le cas échéant.The EOS data is pulled from MS Sales and overlaid with the CloudAscent propensity modeling where available. Les données de EOS résident dans le travail moderne et les ventes Azure sont exécutées.EOS data lives in the Modern Work and Azure Sales plays.