Ügyféllehetőségek műszerfal - Cloud termék teljesítménye

Megfelelő szerepkörök: Vezetői jelentésmegjelenítő | Jelentésmegjelenítő partner globális fiókhozzáféréssel

A propensity adatok azt mutatják, hogy az ügyfelek milyen valószínűséggel vásárolnak Microsoft-termékeket.

A Partnerközpont letölthető propensity-adatokat biztosít a CloudAscentből.

Ez a cikk a propensity-adatokat, az azt jelenti, és a használatuk módját ismerteti.

Összefoglaló definíciók:

• SMC-ügyfelek: A propensity letöltésekben szereplő ügyfelek száma. Az ügyfeleket a tranzakciós partner azonosítja.
• Lejáró szerződések: Az aktuális pénzügyi évben lejáró szerződések száma.
• Lejáró nyitott bevétel: A nyitott lejáró szerződésekhez kapcsolódó bevétel.

SMB-szegmens és alkategóriák

A kis- és középvállalati (SMB) szegmens három részsegre oszlik:

• Felső középvállalati szervezet mérete: 300 főnél több alkalmazott vagy Azure Consumption-bevétellel (ACR) >rendelkező ügyfél havonta 1000 USD

• A közepes üzleti alkategóriák 25–300 alkalmazottal rendelkező ügyfelek.

• A nagyon kisvállalati részsegment 1-25 alkalmazottat foglalkoztató ügyfelek.

A Felső közép- és középvállalati alkategóriák nagy értékű ügyfelek a Microsoft és a Microsoft-partnerek számára. Magas értékük miatt ezek az alkategóriák az SMB-szegmens növekedésének elsődleges célja. A lehetőség fő területe az ügyfél hozzáadása.

Az alábbi ábra a három SMB-alkategóriát mutatja be. A CloudAscent rangsorolja az összes felső közepes, közepes és nagyon kis méretű üzleti fiók profilkészítését, pontozását és modellezését.

CloudAscent machine learning

A kis- és középvállalati szegmensben gépi tanulást használunk az értékesítési és marketinges előrejelzések ösztönzésére a Felső közepes, Közepes és Nagyon kisvállalati alkategóriákban.

Az ügyféladatok gyűjtése és javaslatokká alakítása az alábbi eljárással történik:

1. Adatgyűjtés: A webbejárók több milliárd ügyféljelet vizsgálnak és gyűjtenek össze a vállalati tartományok pingelésével és blogbejegyzések, sajtóközlemények, közösségi streamek és technikai fórumok figyelésével. Az összegyűjtött jelek mellett a céges adatok belső és külső forrásokból is gyűjthetők, például a Dunn &Bradstreetből, a Microsoft belső előfizetéseiből és a tranzakciós adatokból.

2. Előrejelzések létrehozása: Az előző lépésben összegyűjtött adatok egy olyan gépi tanulási modellbe kerülnek, amely strukturált értékesítési és marketing-előrejelzéseket hoz létre az egyes ügyfelek számára felhőtermék és -fürt alapján. A rendszer minden ügyfelet egy hasonmás modellel pontozza a Microsoft felső szintű SMB-jének, amely meghatározza az ügyfél megfelelő állapotát, valamint az ügyfél szándékként definiált online viselkedését integráló gépi tanulási algoritmusokat. A pontozás olyan fürtökbe van egyesítve, amelyek azt mutatják, hogy az ügyfél hajlandó-e Microsoft-felhőtermékeket vásárolni.

3. Modellek optimalizálása: A gépi tanulási rendszer a tranzakciók adatainak havi és az előfizetési adatok negyedéves felhasználásával optimalizálja a modelleket. A win/loss adatok használatával a gépi tanulás módosítja az algoritmusokat, és ellenőrzi, hogy a modellek a várt módon működnek-e, és összehasonlítja a fürtjavaslatokat a Microsoft Sales Experience (MSX) által nyújtott lehetőségekkel.

CloudAscent pontozás

Hogyan jönnek létre a célzási javaslatok?

A webbejárók által gyűjtött jelek és a különböző forrásokból gyűjtött adatok segítségével konszolidáljuk a céges adatokat és az ügyfelek közösségi média jelzéseit. A pontozás az alábbi jeleket és adatokat használja az összehasonlító modellekben a szándékhoz tartozó illesztési és pontozási modellekhez.

• Ügyfélfiók illeszkedik

  • A céges adatokat meghatározó belső és külső adatpontok.

  • Az illeszkedéspontozás hasonlítja össze az ügyfeleket a legjobb SMB-nkkel egy hasonmás modell használatával, hogy kiderüljön, alkalmasak-e a Microsoft felhőalapú termékeire.

  • Az illesztési pontozás negyedévente frissül.

• Ügyfélfiók szándéka

  • Vételi jelek – Olyan események vagy változások a szervezetben, amelyek valószínűleg értékesítési lehetőséget hoznak létre.

  • A szándékpontozás felül van jelölve a fürtök definiálásához.

  • A szándékpontozás havonta frissül.

  

  

• Fürtszolgáltatás

  Az illesztés és a szándék jelzései fürtözési pontszámba vannak konszolidálva.

  A CloudAscent négy fürtből áll:

  • Most léptethet fel: Értékesítésre kész ügyfelek
  • Értékelés: Marketingre kész ügyfelek
  • Ápolás: Figyelemfelkeltő kampányok
  • Oktatás: Szándékok oktatása és figyelése

  A fürtözés lehetővé teszi, hogy a felhasználók konkrét ügyfeleket céloznak meg értékesítési és marketingkezdeményezésekhez szegmenstényezők, például termék, földrajzi hely, iparág és vertikális tényezők alapján.

Propensity and estimated whitespace revenue

A CloudAscent-munkafüzetek Propensity modell lapja a propensity és a becsült térbeli bevételt jeleníti meg.

Az Illesztés és szándék fürtözésének meghatározásához kövesse az alábbi lépéseket:

1. Gépi tanulási modellek használatával először 0 és 100 skálán számítjuk ki az ügyfél-illeszkedési pontszámot és a szándékpontszámot. A pontszámok a gépi tanulási modellektől függően változnak.

   Néhány példapontszám:

   Osztályozás	Pontszám
   Magas	75 - 100
   Közepes	55 - 74
   Alacsony	30 - 54
   Nagyon alacsony	0 - 29

2. Az előző szabályt használva a vállalatokat magas, közepes, alacsony és nagyon alacsony hajlandóságnak soroljuk be, hogy mind az ügyfél alkalmassági, mind a szándék jelzései alapján vásároljanak.

3. Az ügyfelek illeszkedési és szándékjeleit kétdimenziós mátrixon ábrázoljuk, minden metszet a propensitást jelöli. Például a magas illesztés + magas szándék = A1, a legmagasabb hajlandóság.

4. Végül ezek a szegmensek fürtöket alkotnak. Például az A1, A2, A3, A4 az Act Now fürtből.

   

Javasoljuk, hogy az Act Now-t célozza meg, és értékelje ki az ügyfeleket.

CloudAscent termékek és modellek

Az alábbi ábra a CloudAscentben található minden propensity-modell nézetét tartalmazza:

• A whitespace-modellek olyan meglévő Microsoft-ügyfelekre vonatkozó előrejelzésekből állnak, amelyek nem rendelkeznek termékkel és/vagy net-új potenciális ügyfelek.

• Az up-sell modellek tranzakciós adatokkal jelzik előre a Microsoft 365 termékváltozatokban való értékesítés lehetőségét. Ezek az ügyfelek már rendelkeznek a Microsoft 365-kel, és az up-sell modell azt mutatja, hogy valószínűleg többet vásárolnak a meglévő termékváltozatukból.

• Az Azure Next Logikai számítási feladat modell a meglévő Azure-tranzakciós adatokkal előrejelzi az ügyfél következő valószínű számítási feladatainak lehetséges vásárlási lehetőségeit. Ezeknek az ügyfeleknek már van Azure-juk, és nagy valószínűséggel vásárolnak további számítási feladatokat, ha nagy a valószínűsége.

• A szolgáltatás megszűnése (EOS) a Windows 7, az Office 2010, az SQL Server és a Windows Server EOS-ügyfeleit jeleníti meg. Az EOS-adatok lekérése a Microsoft Salesből történik, és a CloudAscent propensity modellezése felülírja a rendelkezésre álló lehetőségeket. Az EOS-adatok a modern munka és az Azure Sales játékaiban találhatók.

További lépések

Jelentések letöltése a felhőbeli termékek teljesítményében