顧客営業案件ダッシュボード - クラウド製品のパフォーマンス
適切なロール: エグゼクティブ レポート ビューアー |パートナー グローバル アカウント アクセス権を持つレポート ビューアー
傾向データ は、顧客が Microsoft 製品を購入する可能性を示しています。
パートナー センターは、CloudAscent から ダウンロード可能な傾向データを提供します。
この記事では、傾向データとその意味、およびその使用方法について説明します。
概要の定義:
- [SMC customers]\(SMC の顧客\): 傾向のダウンロードに含まれる顧客の数。 顧客はトランザクション パートナーによって識別されます。
- [Expiring agreements]\(期限が切れる契約\): 現在の会計年度内に期限が切れる契約の数。
- [Open expiring revenue]\(オープン期限の収益\): オープン期限の契約に関連付けられている収益。
S MB (メガバイト) セグメントとサブセグメント
中小企業 (S MB (メガバイト)) セグメントは、次の 3 つのサブセグメントに分かれています。
上位中規模のビジネス 組織サイズ: 300 人以上の従業員または Azure 従量課金収入 (ACR) >が 1 か月あたり $1,000 のお客様
中規模のビジネス 部門は、従業員数が 25 ~ 300 人の顧客です。
非常に小規模なビジネス 部門は、従業員数が 1 から 25 人の顧客です。
Upper Medium および Medium ビジネス サブセグメントは、Microsoft および Microsoft パートナーにとって価値の高い顧客です。 これらのサブセグメントは、価値が高いため、S MB (メガバイト) セグメントの成長を促進するための主な焦点です。 営業案件の重要な領域は、顧客の追加です。
次の図は、3 つの S MB (メガバイト) サブセグメントを示しています。 CloudAscent は、すべての Upper Medium、Medium、Very Small Business アカウントのプロファイリング、スコアリング、モデリングに優先順位を付けます。
CloudAscent 機械学習
中小規模のビジネス セグメントでは、機械学習を使用して、上位の中、中、および非常に小規模なビジネスのサブセグメント内で顧客予測の販売とマーケティングを推進します。
顧客データが収集され、次のプロセスを使用して推奨事項に変換されます。
データの収集: Web クローラーは、会社の作業に ping を実行しメインブログの投稿、プレスリリース、ソーシャル ストリーム、技術フォーラムを監視することで、何十億もの顧客シグナルをスキャンして収集します。 収集されたシグナルに加えて、ダンとブラッドストリート、Microsoft 内部サブスクリプション、トランザクション データなどの内部ソースと外部ソースの両方から、企業情報が収集されます。
予測の生成: 前の手順で収集したデータは、クラウド製品とクラスターによって顧客ごとに売上とマーケティングの予測の構造化されたデータ セットを生成する機械学習モデルにフィードされます。 各顧客は、顧客の適合を決定する Microsoft の上位 SMB に似たモデルを使用してスコア付けされ、顧客のオンライン行動を統合する機械学習アルゴリズムがインテントとして定義されます。 スコア付けは、Microsoft クラウド製品を購入する顧客の傾向を示すクラスターにマージされます。
モデルの最適化: 機械学習システムは、トランザクション データを月単位で、サブスクリプション データを四半期ごとに使用することで、モデルを最適化します。 機械学習では、win/loss データを使用してアルゴリズムを調整し、クラスターの推奨値と Microsoft Sales Experience (MSX) で実行された機会を比較することで、モデルが期待した通り動作していることを検証します。
CloudAscent スコアリング
ターゲット設定の推奨事項はどのように作成されますか?
Web クローラーによって収集されたシグナルとさまざまなソースから収集されたデータを使用して、企業データと顧客のソーシャル メディア シグナルを統合します。 スコア付けでは、適合の比較モデルとインテントのスコア付けモデルで、以下のシグナルとデータが使われます。
顧客アカウントの適合
ファーモグラフィックスを定義する内部および外部データ ポイント。
Fit スコアリングでは、類似したモデルを使用して、お客様を最高の S MB (メガバイト) と比較して、Microsoft クラウド製品に適合する可能性があるかどうかを確認します。
適合のスコア付けは四半期ごとに更新されます。
顧客アカウントの意図
シグナルの購入 - 営業案件を生成する可能性が高い組織内のイベントまたは変更。
インテントのスコア付けは適合の上に重ね合わされて、クラスターが定義されます。
インテントのスコア付けは毎月更新されます。
クラスタリング
適合とインテントのシグナルは、クラスタリング スコアに統合されます。
CloudAscent には 4 つのクラスターがあります。
- 今すぐ行動する: 営業対応のお客様
- 評価: マーケティング対応のお客様
- 育成: 意識向上キャンペーンを推進する
- 教育: 意図の教育と監視
クラスタリングを使用すると、ユーザーは、製品、地域、業界、業種などのセグメント要因に基づいて、特定の顧客をターゲットにした販売とマーケティングのイニシアチブが可能になります。
傾向と推定される空白の収益
CloudAscent Workbooks の [Propensity model]\(傾向モデル\) タブには、傾向と、予想されるホワイトスペース収益が表示されます。
Fit と Intent のクラスタリングを定義するには、次の手順に従います。
機械学習モデルを使用して、最初に 0 から 100 のスケールで顧客の適合スコアと意図スコアを計算します。 スコアは、機械学習モデルによって異なります。
スコアの例を次に示します。
分類 スコア 高 75 ～ 100 中 55 ～ 74 低 30 ～ 54 非常に低い 0 ～ 29 上記のルールを使用して、企業を顧客の適合と意図のシグナルの両方で購入する高、中、低、非常に低い傾向として分類します。
顧客の適合と意図のシグナルを 2 次元行列にプロットし、それぞれの交差部分が傾向を表します。 たとえば、高い適合 + 高い意図 = A1 は、最も高い傾向です。
最後に、これらのセグメントをグループ化してクラスターを形成します。 たとえば、Act Now クラスターの A1、A2、A3、A4 などです。
Act Now と Evaluate の顧客をターゲットにすることをお勧めします。
CloudAscent の製品とモデル
次の図は、CloudAscent 内の各傾向モデルのビューを示しています。
空白 モデルは、既存の Microsoft のお客様が製品を持っていない、または新規の見込み客である場合の予測で構成されます。
アップセル モデルでは、トランザクション データを使用して、Microsoft 365 SKU でのアップセルの可能性を予測します。 これらの顧客は既に Microsoft 365 を持っており、アップセル モデルでは、既存の SKU の多くを購入する可能性が高いと示されています。
Azure Next Logical Workload モデルでは、既存の Azure トランザクション データを使用して、この顧客が次に購入する可能性のあるワークロードの可能性を予測します。 これらの顧客は既に Azure を持っており、高い傾向を示すときに追加のワークロードを購入する可能性があります。
サービス 終了 (EOS) には、Windows 7、Office 2010、SQL Server、Windows Server の EOS のお客様が表示されます。 EOS データは Microsoft Sales からプルされ、使用可能な場合は CloudAscent 傾向モデリングと重ね合わされます。 EOS データは Modern Work と Azure Sales Play で活用されます。
次のステップ
フィードバック
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「https://aka.ms/ContentUserFeedback」を参照してください。
フィードバックの送信と表示