パートナーセンターダッシュボードから使用可能な CloudAscent 傾向レポートCloudAscent Propensity reports available from Partner Center dashboard

適切なロールAppropriate roles

  • エグゼクティブ レポート ビューアーExecutive report viewer
  • レポート ビューアーReport viewer

パートナーセンターダッシュボードは、CloudAscent プログラムからダウンロード可能な傾向データを提供します。The Partner Center Dashboard provides downloadable propensity data from the CloudAscent Program. このデータは、Microsoft 製品を購入する顧客の傾向を示しています。The data shows the customers' propensity to purchase Microsoft products. この記事では、このデータの内訳、スコアリングを利用する方法、およびその意味について説明します。This articles describes the breakdown of this data, how to utilize the scoring, and what it means.

概要定義Summary definitions

  • SMC のお客様–傾向のダウンロードにおける顧客の合計数です。SMC Customers– This is the total number of customers in the propensity downloads. 顧客は、レコードのパートナーによって識別されます。Customers are identified by partner of record.
  • 契約期限切れ–現在の会計年度内で、期限切れになった契約の数を提供しています。Expire Agreements– within the current fiscal year, we're providing the number of expiring agreements.
  • 期限切れの収益–期限切れになった契約に関連付けられている収益。Expiring Revenue– the revenue associated to the expiring agreements.
  • [有効期限が迫っている収益] –オープン期限が切れた契約に関連付けられている収益。Open Expiring Revenue– The revenue associated to the open expiring agreements.

Customers 営業案件の概要ダッシュボードのスクリーンショット。

CloudAscent SMB セグメンテーションCloudAscent SMB segmentation

小規模から中規模のビジネス (SMB) セグメントは、さらに3つの個別のサブセグメントに分割されます。The small to medium business (SMB) segment is further divided into three distinct sub segments.

  1. 上位の非管理 対象には、Microsoft の最も多くの機会を持つ最大規模の SMB 顧客が含まれます。Top Unmanaged includes the largest SMB customers with the most opportunity for Microsoft. 一般的な上位の管理されていないお客様は、多数の従業員、大量の IT 予算および支出、Microsoft の収益の可能性を持つ、管理アカウントと同様の特性を共有します。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.

    上位のアンマネージ2つの方法を定義します。We define Top Unmanaged two ways:

    • 上位の管理されていないユーザーベース–300以上の従業員を含むアカウントを含みます。Top Unmanaged User Based– includes accounts with 300 or more employees. User-Based アカウントは、初回購入、または M365、D365、Surface などのユーザーベースのサブスクリプション製品の展開に適しています。User-Based accounts are great targets for first-time purchase, or expansion of user-based subscription products such as M365, D365, or Surface.
    • 管理されていない計算ベースの上位– Azure が $ 10k を超える可能性のあるアカウントを含みます。Top Unmanaged Compute Based – includes accounts with Azure potential greater than $10k. コンピューティングベースのアカウントには、既存の Azure が含まれます。Compute based accounts include existing Azure. 将来、Azure をまだ購入していても、Azure では $ 10k を超える可能性のある azure をまだ購入していない、未来の年の可能性があるアカウントとアカウント。accounts with significant future year potential and accounts who have yet to purchase Azure yet but have potential for Azure greater than $10k.
  2. 中規模ビジネス には、既存の顧客と、25 ~ 300 人の従業員を持つ見込み客アカウントが含まれます。Medium Business includes existing customers and prospect accounts with 25 to 300 employees.

  3. スモールビジネス には、従業員が25人未満の残りの企業がすべて含まれます。Small Business includes all remaining businesses with fewer than 25 employees.

Customers 営業案件の概要ダッシュボードのスクリーンショット。

上位の管理対象外 および 中規模のビジネス subsegments は、microsoft および microsoft パートナー向けの高ライフタイム値 (ltv) のお客様を表します。Top Unmanaged and Medium Business subsegments represent high life-time value (LTV) customers for Microsoft, and Microsoft Partners. そのため、このセグメントの成長に焦点を当てています。Hence they are the lead areas of focus for driving growth in this segment. この2つの subsegments では、D365/Azure 基幹業務 (LOB) アプリを使用して、M365 でソケットを入手し、さらに収益化を使用することをお勧めします。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.

現在、2つの主要な領域があります。 1.Today we have two key areas of opportunity – 1. お客様は成長を促進します。3.our customer adds growth; 2. M365 を使用してクラウドソケットを取得していますが、D365 と Azure には大きなチャンスがあります。while we do well acquiring cloud sockets leading with M365, we have a large opportunity in D365 and Azure.

次のスクリーンショットは、3つの SMB Subsegments と、市場に合わせて最適化されたルートを示しています。The following screenshot represents the three SMB Subsegments and optimized routes to market. CloudAscent は、すべての管理対象外および中規模のビジネスアカウントのプロファイル、スコアリング、およびモデリングに優先順位を付けます。CloudAscent prioritize the profiling, scoring, and modeling of all Top Unmanaged and Medium Business accounts.

Customers 営業案件の概要ダッシュボードのスクリーンショット。

CloudAscent Machine LearningCloudAscent Machine Learning

SMB では、機械学習テクノロジを使用して、上位のアンマネージおよび中規模のビジネスセグメント内の売上およびマーケティング顧客の予測を促進します。SMB uses machine learning technology to drive sales and marketing customer predictions within the Top Unmanaged and Medium Business segments. シグナルはどのように収集され、傾向推奨事項に分類されますか。How are signals collected and turned into propensity recommendations?

  • データ収集: Web クローラーは、会社のドメインに ping を実行して数十億の顧客信号をスキャンおよび収集し、ブログの投稿、プレスリリース、ソーシャルストリーム、および技術フォーラムを監視します。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. 収集されたシグナルに加えて、c&B、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、のグラフィック情報が収集されます。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: これらの信号は、クラウド製品とクラスターによって各顧客の売上およびマーケティング予測の構造化データセットを出力する機械学習モデルに取り込まれます。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. 各顧客は、お客様の適合性を判断する Microsoft の上位 SMB と、お客様のオンライン行動を意図したとおりに定義する機械学習アルゴリズムを使用して、お客様にスコアを付けます。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. スコアリングは、Microsoft Cloud 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。The scoring is merged into clusters that show a customer's propensity to purchase Microsoft Cloud Products.

  • 最適化: Machine Learning システムは、1か月ごとにトランザクションデータを使用し、四半期ごとにサブスクリプションデータを消費することにより、モデルを最適化します。Optimization: The Machine Learning system optimizes the models by consuming the transaction data monthly and the subscription data quarterly. Machine Learning は、win/差損データを使用して、アルゴリズムを調整し、クラスターの推奨事項を MSX で動作する機会と比較することによってモデルが想定どおりに機能していることを検証します。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.

Customers 営業案件の概要ダッシュボードのスクリーンショット。

CloudAscent 傾向CloudAscent Propensity

傾向の推奨事項はどのように作成されますか。How are propensity recommendations created?

Web クローラーを介して収集されたシグナルとさまざまなソースから提供されるデータを使用して、紹介しているのは、のグラフィックスデータと顧客のソーシャルメディア信号を統合します。Using signals collected via web crawlers and data provided from various sources, we consolidate the firmographics data and customer's social media signals. スコアリングでは、これらのシグナルとデータを比較モデルとして使用して、目的のモデルに適合とスコアリングを行います。The scoring uses these signals and data in comparison models for fit and scoring models for Intent.

  1. お客様のアカウントの適合性Customer Account Fit

    • ファイヤグラフィックを定義する内部および外部のデータポイント。Internal and External data points that define firmographics.

    • スコアリングでは、顧客を比較して Microsoft Cloud 製品に適合するかどうかを確認するために、最適な SMB をモデルとして考えることができます。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.

    • スコア付けの調整は四半期ごとに更新されますFit scoring is updated quarterly

  2. 顧客アカウントの目的Customer Account Intent

    • ソーシャルメディアに関連するシグナルと、顧客のオンライン動作によってインテントが定義されます。Signals related to Social media and a customer's online behavior define Intent.

    • インテントのスコアリングは、クラスターを定義するために、適合の一番上に重なっています。Intent scoring is overlaid on top of fit to define the clusters.

    • インテントスコアリングは毎月更新されます。Intent scoring is updated monthly.

    Customers 営業案件の概要ダッシュボードのスクリーンショット。

  3. クラスタリングClustering

    適合とインテントのための信号は、クラスタリングスコアに統合されます。The Signals for fit and intent are consolidated into a clustering score. CloudAscent には、次の4つのクラスターがあります。CloudAscent has four clusters:

    • Now-販売準備ができているお客様Act Now - sales ready customers
    • 評価-マーケティングの準備ができている顧客Evaluate - marketing ready customers
    • 育成-ドライブ認識キャンペーンNurture - drive awareness campaigns
    • 教育-目的を教育および監視するEducate - educate and monitor for intent

    クラスターを使用すると、製品、geo、業界、および垂直などのセグメント要因に基づいて、顧客が販売およびマーケティングのイニシアチブをターゲットにすることができます。The clustering allows users to target specific customers for sales and marketing initiatives based on segment factors, for example: product, geo, industry and vertical.

    CloudAscent ブックの [ 傾向 model ] タブには、傾向と推定の空白の収益が共有されています。The Propensity model tab in the CloudAscent Workbooks shares the propensity and the estimated whitespace revenue. 適合とインテントのクラスタリングを定義するには、次の手順を実行します。To define the clustering of Fit and Intent, we go through the following steps:

    1. ML モデルを使用して、最初に100のスケールでカスタマーフィットスコアとインテントスコアを計算します。Using ML Models, we first calculate Customer Fit Score and intent Score on a scale of 100. 正確なスコアは、ML モデルによって異なります。Exact Scores will vary based on ML Models. 次のスコアの例:Example Scores Below:

      分類Classification スコアScore
      High 75 ~ 10075 - 100
      Medium 55 ~ 7455 - 74
      Low 30 - 5430 - 54
      非常に低いVery Low 0 - 290 - 29
    2. 上記のルールを使用して、お客様の適合性と目的の信号の両方で、企業を高、中、低、および非常に低いものとして分類しています。Using the rule above, we classify companies to be High, Medium, Low, and Very Low across both Customer Fit and Intent Signals.

    3. 傾向を表す各交差部分を含む2D マトリックスに、顧客の適合性とインテントの信号をプロットします。We plot customer fit and intent signals on a 2D matrix with each intersection representing the propensity. たとえば、High Fit + High インテント = A1 は最高の傾向を表します。For Example, High Fit + High Intent = A1, representing the highest propensity.

    4. 最後に、これらのセグメントグループによってクラスターが形成されます。Finally, these segments group to form clusters. たとえば、A1、A2、A3、A4 は、Act クラスターを形成します。For Example, A1, A2, A3, A4 form the Act Now cluster.

      Customers 営業案件の概要ダッシュボードのスクリーンショット。

    これらのお客様には、現在、Act をターゲットにして、顧客を評価することをお勧めします。For these customers, we recommend targeting Act Now and Evaluate customers.

CloudAscent 製品 & モデルCloudAscent Products & Models

次の図は、CloudAscent 内の各傾向モデルのビューを示しています。The following graphic provides a view of each propensity model within CloudAscent:

Customers 営業案件の概要ダッシュボードのスクリーンショット。

ホワイトスペースモデルは、既存の Microsoft 顧客が製品を所有していないか、または新しい見込み客となっている顧客の予測で構成されています。Whitespace models are composed of predictions for existing Microsoft customers where they don't have a product and/or are net new prospect customers.

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、Azure と M365 Sku でのアップセルの可能性を予測します。Upsell models use transaction data to predict the potential for upsell in Azure and M365 SKUs.

EOS は、Win 7、Office 2010、SQL Server、および Windows Server のサービスエンドカスタマーを共有します。EOS shares the end of service customers for Win 7, Office 2010, SQL Server, and Windows Server. EOS データは MS Sales から引き出され、CloudAscent 傾向モデリング (使用可能な場合) と連携しています。The EOS data is pulled from MS Sales and overlaid with the CloudAscent propensity modeling where available. EOS データは、最新の作業と Azure の販売の役割を果たします。EOS data lives in the Modern Work and Azure Sales plays.