예측 잠재 고객 평가 구성

판매자가 점수를 기반으로 잠재 고객의 우선 순위를 지정하고 더 높은 잠재 고객 선별 비율을 달성할 수 있도록 예측 잠재 고객 점수를 구성합니다.

라이선스 및 역할 요구 사항

요구 사항 유형 반드시 필요
라이선스 Dynamics 365 Sales Premium 또는 Dynamics 365 Sales Enterprise
추가 정보: Dynamics 365 Sales 가격
보안 역할 시스템 관리자
추가 정보: 미리 정의된 영업에 대한 보안 역할 정보

예측 잠재 고객 점수란

예측 잠재 고객 평가는 예측적 기계 학습 모델을 사용하여 모든 공개된 잠재 고객에 대한 점수를 계산합니다. 이 점수는 영업 사원이 잠재 고객의 우선 순위를 정하고 잠재 고객 선별 비율을 높이며 잠재 고객을 우량으로 선별하는 데 걸리는 시간을 줄입니다.

참고

이전 데이터는 구독 만료일로부터 30일 후에 삭제됩니다.

이 점수를 사용하여 다음을 수행할 수 있습니다:

  • 우수한 잠재 고객을 찾아 영업 기회로 전환.
  • 점수가 낮은 잠재 고객에 시간을 투자하여 영업 기회로 전환 가능.

예를 들어, 파이프라인에 잠재 고객 A—와 잠재 고객 B—의 두 잠재 고객이 있다고 가정해보십시오. 잠재 고객 점수 모델은 잠재 고객 A에 80점, 잠재 고객 B에 50점의 점수를 적용합니다. 점수를 보면 잠재 고객 A가 영업 기회로 전환할 확률이 더 높다는 것을 예측할 수 있습니다. 또한 점수에 영향을 미치는 가장 큰 이유를 살펴보고 이 점수를 개선할지 여부를 결정하여 잠재 고객 B의 점수가 낮은 이유를 더 자세히 분석할 수 있습니다.

다음 이미지는 잠재 고객 채점 위젯의 예제를 보여 줍니다.

예측 잠재 고객 점수 위젯

중요

  • Dynamics 365의 2020 릴리스 웨이브 2 이전 버전에 포함된 예측 잠재 고객 점수를 사용하는 경우 모델을 삭제합니다. 그렇지 않으면 모델의 이전 버전이 조직의 모든 잠재 고객에 적용되고 새로 생성된 모델이 잠재 고객에 아무런 영향을 미치지 않습니다. 추가 정보: 모델 삭제
  • Dynamics 365의 2020 릴리스 웨이브 2부터는 애플리케이션에서 잠재 고객 점수 관련 데이터를 msdyn_predictivescore 테이블에 작성하며 잠재 고객 테이블에는 작성하지 않습니다. 이 테이블은 잠재 고객과 영업 기회 점수에 공통으로 적용됩니다. 추가 정보: 엔터티 참조.

예측 잠재 고객 점수를 위한 정확한 모델을 생성하기 위해 사용자 정의 필드를 추가 할 수 있습니다. 사용자 지정 필드는 조직에 따라 달라질 수 있으므로 결과의 영향을 결정할 수 있습니다.

필수 구성 요소

조직에 예측 리드 스코어링 모델을 추가하기 전에 다음 요구 사항을 충족하는지 확인하십시오.

  • 지난 3개월에서 2년 사이에 최소 40개의 적격 잠재 고객과 40개의 부적격 잠재 고객입니다. 과거의 잠재 고객과 함께 학습 필드에서 기간을 구성할 수 있습니다. 추가 정보: 첫 실행 설정 경험

    참고

    이 숫자는 최소 요구 사항을 나타냅니다. 모델 학습에 포함 할 수있는 리드가 많을수록 예측 결과가 더 좋아집니다.

  • 고급 Sales Insights 기능이 활성화되어 있는지 확인합니다. 자세한 내용은 프리미엄 Sales Insights 기능을 설치하고 구성을 참조하십시오.

구성 페이지 이해

예측 잠재 고객 점수를 구성하기 전에 구성 요약 페이지를 이해하겠습니다. 모델이 생성 및 게시되면 다음 이미지와 같이 구성 요약 페이지가 표시됩니다.

구성 페이지

구성 페이지는 다음 섹션으로 구성됩니다:

모델 선택

페이지의 왼쪽 상단에서 모델 선택 드롭다운 목록을 사용하여 보거나 편집하거나 삭제할 모델을 선택합니다. 이 목록은 게시 된 모델과 게시되지 않은 모델로 구성됩니다.

모델 드롭다운 목록을 선택합니다.

모델에서 수행할 수 있는 작업

페이지의 오른쪽 상단에서 모델에서 수행 할 수있는 작업 중에서 선택할 수 있습니다.

잠재 고객 채점을 위한 작업

  • 게시 : 조직에서 모델을 게시 할 때 조직의 사용자는 리드 양식에서 점수가 매겨진 내 오픈 리드 시스템 보기 및 잠재 고객 점수 위젯를 볼 수 있습니다. 게시 후 이 버튼은 흐리게 표시되며 모델을 다시 교육하거나 편집한 후에만 사용할 수 있습니다.
  • 모델 수정: 예측 정확도 점수에 영향을주는 필드를 업데이트하거나 추가 할 수 있습니다. 고유한 비즈니스 프로세스를 고려하거나 포함하도록 필드를 수정하려는 경우 유용합니다. 추가 정보:모델 편집 및 재교육
  • 버전 되돌리기: 재교육된 모델이 만족스럽지 않거나 조직의 요구 사항 수준을 충족하지 않으면 모델을 이전 버전으로 되돌릴 수 있습니다. 이 작업은 모델을 재교육했지만 아직 게시하지 않은 경우에만 사용할 수 있습니다.
  • 모델 삭제: 조직에서 필요하지 않은 모델을 삭제할 수 있습니다. 이 옵션은 출판된 모델에 대해 표시된다. 추가 정보: 모델 삭제

버전 세부 정보

이 섹션에 표시된 매개 변수는 모델의 상태 및 성능에 대한 정보를 보여줍니다.

잠재 고객 점수 모델의 버전 세부 사항

매개 변수 설명
학습한 버전 모델이 마지막으로 학습된 시기를 알려주는 날짜를 표시합니다.
상태 속성이 활성인지 비활성인지를 표시합니다.
사용된 특성 사용 가능한 목록에서 모델을 교육하는 데 사용되는 특성 수를 표시합니다.. 학습된 모델의 결과가 만족스럽지 않은 경우 다음을 선택할 수 있습니다.권장 필드로 재교육 표준 (기본 제공) 속성으로 모델을 재교육합니다. 매개 변수가 사용된 특성 수 옆에 편집됨 이 표시되면 사용된 특성이 사용자 정의 선택됨을 지정합니다.
모델 성능 모델 학습을 위해 사용 가능하고 선택된 데이터를 기반으로 모델의 정확도 및 예상 성능에 대한 정보를 표시합니다.
메모 : 정확도 점수의 범위는 곡선 아래 영역 (AUC) 분류 측정을 기반으로 정의됩니다.
- 게시 준비 완료 는 모델 정확도가 범위보다 높음을 지정하며, 모델 성능이 양호할 것으로 예상할 수 있습니다.
- 게시 확인 은 모형 정확도가 범위 내에 있음을 지정하며, 모형이 상당히 잘 수행될 수 있다고 예상할 수 있습니다.
- 게시 준비 안 됨 은 모델 정확도가 범위보다 낮음을 지정하며, 모델 성능이 저하될 것으로 예상할 수 있습니다.
비즈니스 프로세스 흐름 이 모델에서 평가한 잠재 고객과 관련된 비즈니스 프로세스 흐름을 선택합니다.
필터 열 및 필터 값 여러 모델이 사용되는 경우 이 선택은 이 특정 모델이 점수를 매겨 야하는 리드에 해당하는 열과 해당 열 내의 값을 정의합니다.
상태 옵션 집합 이 모델에서 리드를 검증하고 자격을 박탈하는 데 사용되는 옵션 집합를 표시합니다.
자동 재학습 모델이 자동으로 재학습 되도록 설정할 수 있습니다. 추가 정보: 자동 재교육
최대 영향력 필드 예측 정확도 점수의 결과에 가장 큰 영향을 미치는 상위 5개 속성을 표시합니다.

잠재 고객 점수 등급 지정

모델이 게시되면 조직의 파이프라인에 있는 잠재 고객이 이 섹션에 정의된 범위에 따라 등급이 결정됩니다. 파이프 라인의 각 리드는 리드 점수에 따라 A, B, C 또는 D로 등급이 매겨집니다. 최고 점수 범위의 리드는 A로 등급이 매겨지고 최저 점수 범위의 리드는 D로 등급이 매겨집니다.

잠재 고객 점수 등급 지정

조직의 요구 사항에 따라 점수 범위를 구성할 수 있습니다. 등급 지정을 위해 잠재 고객 점수 범위를 변경하면 최소값의 변화에 따라 인접 등급의 최대 범위 값이 자동으로 변경됩니다. 예를 들어, 등급 A 의 최소 범위 값 점수를 51로 변경하면 등급 B 의 최대 잠재 고객 점수 범위는 50으로 변경됩니다.

다중 모델

페이지의 왼쪽 하단 모서리에서 모델 추가 를 사용하여 첫 번째 모델과 다른 리드를 사용할 수 있는사업 부문을 나타내는 새 모델을 생성할 수 있습니다. 모델 추가 명령은 최대 제한인 10개 모델(게시된 모델과 게시되지 않은 모델 모두)에 도달하는 즉시 비활성화됩니다. 추가 정보: 모델 추가

모델 옵션 추가

첫 실행 설정 경험

예측 잠재 고객 점수 구성 섹션이 조직에서 처음으로 열리고 Sales Insights 설치에 대해 교육된 모델이 없는 경우, 모델을 추가해야합니다.

그러나 조직에 지난 24개월 동안 기본 구성과 일치하는 충분한 잠재 고객이 있는 경우 기본적으로 모델이 생성됩니다. 예측 정확도 점수와 점수에 영향을 미치는 상위 5개 필드가 포함된 팝업 창이 표시됩니다. 조직의 요구 사항에 따라 모델을 게시하거나 모델을 편집한 다음 게시할 수 있습니다.

리드 생성에 사용자 지정 속성을 사용하는 경우 사용자 지정 속성으로 매개 변수를 구성하여 모델을 생성 할 수 있습니다.

  1. 모델을 구성하기 전에, 전제 조건을 검토하십시오.

    참고

    빠른 설정(Dynamics 365 Sales Enterprise 라이선스 사용)을 통해 예측 잠재 고객 점수를 활성화할 수도 있습니다. 이 경우 매월 1,500개의 평가된 레코드를 받게 됩니다. 빠른 설정을 통해 예측 잠재 고객 점수를 활성화하려면 앱 설정 아래의 디지털 영업 시작 페이지로 이동해야 합니다. 추가 정보: 잠재 고객 및 영업 기회 점수

  2. 페이지의 왼쪽 하단 모서리에서 지역 변경 으로 이동 후 Sales Insights 설정 을 선택하세요.

    Sales Sales Insights 설정 옵션 선택

  3. 사이트 맵의 예측 모델 에서 잠재 고객 채점 를 선택합니다.

    예측 잠재 고객 평가 구성 페이지가 표시됩니다.

    예측 잠재 고객 점수 모델 추가 페이지

  4. 새 모델 이름 상자에 영숫자가 포함된 이름을 입력합니다. 밑줄은 허용되지만 공백이나 기타 특수 문자는 허용되지 않습니다.

    기본적으로 이름은 LeadScoring_<YYYYMMDD><시간_>(예: _ LeadScoring_202009181410) 형식이 됩니다. 날짜와 시간은 UTC(협정세계시)를 기준으로 합니다.

  5. 비즈니스 프로세스 흐름 목록에서 모델을 생성하는 잠재 고객과 관련된 흐름을 선택합니다. 목록에는 조직의 잠재 고객에 대해 정의된 모든 비즈니스 프로세스 흐름이 표시됩니다.

    참고

    • 변경 내용 추적이 사용되지 않은 사용자 지정 비즈니스 프로세스 흐름은 목록에서 선택할 수 없습니다. 이러한 엔터티에 대한 변경 내용 추적을 사용하려면 변경 추적을 사용하여 데이터 동기화 제어를 참조하세요.
    • 모델을 생성하면 사용자 지정 비즈니스 프로세스가 자동으로 사용되어 분석을 위해 데이터를 Data Lake Storage에 동기화합니다.
  6. 상태 옵션 집합 목록에서 리드의 상태가 정의된 옵션 세트를 선택한 다음 적격 값부적격 값 목록에서 각각 해당하는 적격 및 부적격 값을 선택합니다.

    리드는 다음과 같이 표시됩니다.

    • 적격 기업에서 제품 또는 서비스를 구매할 준비가 되었음을 나타내는 특정 기준을 충족한 경우입니다.
    • 실격 기준이 충족되지 않을 때.

    기본 제공 상태 상태 옵션 집합에는 각각 적격부적격 으로 정규화된 값과 실격된 값이 포함됩니다. 귀하의 비즈니스와 관련된 맞춤형 옵션 집합를 선택할 수도 있습니다.

  7. 필터 열필터 값 를 선택하여 모델에 점수를 매겨야 하는 리드를 정의합니다.

    여러 모델을 사용하면 각 모델이 속한 사업 부문 또는 다른 기준에 따라 특정 리드 세트에 점수를 매길 수 있습니다. 필터 열은 모델이 점수를 매겨 야하는 리드를 구별하는 값을 보유하는 열입니다. 이러한 선택에 따라이 모델이 점수를 매길 리드에 해당하는 열과 해당 열 내의 값이 결정됩니다.

    참고

    여러 열을 기준으로 필터링하려면 필수 열로 계산 필드를 만든 다음 필터 열 필드에서 계산 필드를 선택합니다. 추가 정보: 계산 열을 정의하여 계산 자동화

  8. 과거의 잠재 고객으로 학습 목록에서 기간을 선택합니다. 기본 기간은 2년입니다.

    참고

    선택한 기간 동안 생성된 최소 40개의 적격 잠재 고객과 40개의 부적격 잠재 고객이 있어야 합니다. 예를 들어 6개월을 선택하면 모델은 지난 6개월 동안 생성된 잠재 고객을 고려하여 최소 잠재 고객 요구 사항이 충족되는지 확인합니다.

    이 모델은 선택한 기간의 마감된 잠재 고객을 고려하고 이를 사용하여 지난 2년 동안의 열린 잠재 고객에 점수를 매깁니다.

    선택한 기간 동안 최소한으로 종료된 잠재 고객이 충분하지 않으면 시작하기 옵션이 사용 중지됩니다. 모델을 학습시킬 수 있는 종료된 잠재 고객이 충분히 있는 다른 기간을 선택합니다.

  9. 시작 을 선택합니다.

    응용 프로그램이 모델 생성을 시작하고 알림이 표시됩니다. 애플리케이션은 표준 특성을 사용하여 모델을 생성합니다.

    모델 교육 알림

    참고

    모델을 생성 할 리드가 충분하지 않은 경우 오류 메시지가 표시됩니다. 구성을 검토 및 편집하고 모델 생성을 다시 시도하십시오.

  10. 모델이 생성 된 후 모델 성능, 결과에 영향을 미치는 상위 필드 및 모델을 자동으로 재학습하도록 선택하는 옵션을 포함하여 버전 요약과 함께 리드 스코어링 구성 페이지가 표시됩니다.

  11. 점수의 정확성이 조직의 표준에 따라 허용 가능한 수준인 경우, 게시 를 선택합니다.

    모델은 조직에서 선택한 리드 세트에 적용됩니다. 사용자는 잠재 고객 점수 열 아래의 자신의 보기에서 잠재 고객 점수를, 잠재 고객 양식에서 위젯을 볼 수 있습니다. 추가 정보:리드를 기회로 전환

    참고

    점수의 정확성이 허용되지 않는 경우 세부 정보보기 를 선택하십시오. 모델의 세부 정보를 검토하고 필드를 편집하여 점수의 정확도를 향상시킬 수 있습니다. 추가 정보:모델 편집 및 재교육

모델 추가

비즈니스 라인이 다른 조직에서는 해당 리드를 평가하기 위해 다른 모델이 필요할 수 있습니다. 이를 위해 조직의 각 사업 부문에 특정한 여러 모델을 추가하고 게시할 수 있습니다. 이러한 모델이 조직에 정확한지 확인하기 위해 모델에 대한 리드 점수를 생성하는 데 사용할 사용자 정의 속성 (필드)을 선택할 수 있습니다.

  1. 예측 잠재 고객 점수 구성 요약 페이지로 이동합니다.

  2. 페이지의 왼쪽 하단에서 모델 추가 를 선택하십시오.

    모델 추가 선택

    참고

    이미 10개의 모델 (게시 및 게시되지 않음)이 있는 경우 모델 추가 옵션이 비활성화됩니다. 조직에서 더 이상 필요하지 않은 모델을 삭제하십시오. 추가 정보: 모델 삭제

    예측 잠재 고객 점수를 위한 모델 페이지 추가

  3. 4-9 단계 수행최초 실행 설정 경험,이 토픽의 앞부분에서 모델을 추가합니다.

  4. 모델이 생성 된 후 모델 성능, 결과에 영향을 미치는 상위 필드 및 모델을 자동으로 재학습하도록 선택하는 옵션을 포함하여 버전 요약과 함께 리드 스코어링 구성 페이지가 표시됩니다.

    모델 교육 확인 알림

  5. 점수의 정확성이 조직의 표준에 따라 허용 가능한 수준인 경우, 게시 를 선택합니다.

    모델은 조직에서 선택한 리드 세트에 적용됩니다. 사용자는 잠재 고객 점수 열 아래의 자신의 보기에서 잠재 고객 점수를, 잠재 고객 양식에서 위젯을 볼 수 있습니다. 추가 정보: 점수를 통해 잠재 고객 우선 순위 지정

    참고

    점수의 정확성이 허용되지 않는 경우 세부 정보보기 를 선택하십시오. 모델의 세부 정보를 검토하고 필드를 편집하여 점수의 정확도를 향상시킬 수 있습니다. 추가 정보:모델 편집 및 재교육

모델 편집 및 재교육

예측 정확도 점수가 조직의 표준을 충족하지 않거나 모델이 단순히 오래되었을 때 모델을 재교육 할 때입니다. 재교육은 일반적으로 예측 정확도 점수를 높입니다. 응용 프로그램은 조직의 최신 데이터(잠재 고객)를 사용하여 모델을 훈련시켜 사용자에게 보다 정확한 점수를 제공할 수 있습니다.

참고

예측 정확도를 높이려면 조직의 데이터를 새로 고친 후에 모델을 다시 교육합니다.

자동 또는 수동모델을 재교육할 수 있습니다. 두 방법 모두 다음 섹션에 설명되어 있습니다.

자동 재교육

자동 재교육을 통해 응용 프로그램은 15일마다 한 번씩 모델을 자동으로 재교육할 수 있습니다. 이를 통해 모델은 기록 데이터에서 학습하고 시간이 지남에 따라 예측 정확도를 향상시킬 수 있습니다. 모델의 정확성에 따라 응용 프로그램은 재교육된 모델을 게시할지 또는 무시할지에 대한 정보를 바탕으로 결정합니다.

모델을 자동으로 재교육하려면 예측 잠재 고객 점수 구성 페이지로 이동하여 자동 재교육 을 선택합니다. 기본적으로이 옵션은 모델이 게시 될 때 활성화됩니다. 응용 프로그램이 모델을 자동으로 공개하는 시나리오는 다음과 같습니다.

  • 재교육된 모델의 정확도가 활성 모델 정확도의 95% 이상인 경우.
  • 현재 모델이 3개월 이상 지난 경우.

참고

모델의 정확도가 애플리케이션 표준으로 유지되지 않으면 재학습된 모델이 게시되지 않을 수 있습니다. 이 경우 기존 사용자 게시 모델이 유지됩니다.

수동 재교육

모델 편집

  1. 예측 잠재 고객 채점 페이지에서 모델 수정 을 선택하세요.

  2. 모델 수정 페이지에서 사용자 지정 속성을 포함한 속성을 잠재 고객 엔터티 및 관련 엔터티(연락처 및 계정)에서 선택하여 모델을 훈련시킵니다.

    참고

    지능형 필드를 사용하려면 다음 섹션으로 이동하십시오. 지능형 필드 선택.

    모델 편집 페이지

    참고

    채점 모델은 다음 유형의 속성을 지원하지 않습니다.

    • 사용자 지정 엔터티의 특성
    • 날짜 및 시간–관련 특성
    • 시스템 생성 특성(예: 잠재 고객 점수, 잠재 고객 그레이드, 버전 번호, 엔터티 이미지, 환율 및 예측 점수 ID)
  3. (선택사항) 속성 목록의 오른쪽으로 스크롤하여 빈 값 무시 를 켭니다. 기본적으로 속성의 빈 값은 모델 학습을 위해 포함됩니다. 빈 값이 비옹호자 역할을 하거나 가양성을 생성하는 경우 빈 값 무시 를 켜십시오.

    속성 목록에서 빈 값 무시 옵션의 스크린샷.

    참고

    • 빈 값 무시 옵션은 다음 유형의 속성에 대해 비활성화됩니다.
      • 빈 값에 대해 자동으로 유효성이 검사되는 속성(예: firstname_validation_engineered).
      • 값의 존재 여부에 따라 점수에 영향을 미치는 속성(예: zipcode 또는 근무처 전화).
    • 속성에 대해 빈 값 무시 를 켜면 점수 위젯은 다음 스크린샷과 같이 빈 값을 제외한 후 점수가 계산되었음을 나타냅니다. 빈 값 무시 옵션이 켜져 있을 때 점수 위젯의 스크린샷입니다.
  4. 모델 재교육 을 선택합니다.

    선택한 사용자 정의 속성을 사용하여 모델이 생성되고 화면에 알림이 표시됩니다.

  5. 구성 요약 페이지에서 모델 성능 및 기타 매개 변수를 검토하십시오.

    • 재학습 된 모델이 조직 요구 사항을 충족하는 경우 모델을 게시합니다.
    • 재훈련 된 모델의 매개 변수가 만족스럽지 않은 경우 속성을 편집하고 모델을 재훈련하십시오.

지능 필드 선택

지능형 필드는 모델이 기록을 더 잘 이해하고 점수 향상자와 해악자를 구별하는 데 도움이 됩니다. 예를 들어, 이제 모델은 애플리케이션에서 사용할 수 있는 데이터와 모델에 추가된 인텔리전스를 통해 전자 메일 유형을 식별하고 그룹화하여 비즈니스 전자 메일과 개인 전자 메일을 구별할 수 있습니다. 일부 그룹에는 비즈니스 도메인 전자 메일(예: abc@microsoft.com) 또는 개인 도메인 전자 메일이 포함될 수 있습니다. 이 식별을 통해 모델은 필드 그룹이 예측 점수에 미치는 영향에 대한 자세한 통찰력을 생성할 수 있습니다.

예측 영향 열 내 링크를 선택하여 자격 비율 및 해당 비율에 대해 가장 영향력 있는 이유(긍정적이든 부정적이든)와 같은 분야에 대한 통찰력을 봅니다. 추가 정보: 속성 인사이트 보기

다음 필드가 지원됩니다. 전자 메일 도메인 확인(전자 메일), 이름 유효성 검사(이름), 그리고 성 유효성 검사(성) 모델은 항상 다음을 우선으로 합니다.

  • 비즈니스 도메인의 일부인 전자 메일.
  • 특수 문자가 아닌 영숫자를 포함하는 성과 이름.

기본적으로 기본 값을 사용하여 모델을 훈련하는 동안 지능형 필드가 고려됩니다. 지능형 필드의 결과가 만족스러운 경우 모델에는 훈련할 필드가 포함됩니다. 그렇지 않으면 필드가 무시됩니다. 그러나 결과가 만족스럽지 않더라도 필요한 경우 모델을 훈련하기 위해 지능형 필드를 포함하도록 선택할 수 있습니다.

참고

지능형 필드에 표시되는 필드는 리드 엔터티 또는 관련 엔터티, 연락처 및 계정에서 사용할 수 없습니다.

모델 편집 이전 섹션에서 설명한 대로 모델에서 사용할 지능형 필드를 선택합니다. 다음 이미지는 지능형 필드를 선택하는 방법을 보여줍니다.

선택한 지능형 필드 목록이 있는 모델 개념 섹션을 표시하는 필드 페이지를 편집하세요.

특성 인사이트 보기

특성 인사이트 창에서 자격 비율 및 해당 비율의 가장 중요한 이유(긍정적—및—부정적 이유)와 같은 특성에 대한 세부 정보를 볼 수 있습니다. 이 정보는 예측 점수에 영향을 미치는 각 특성의 성능에 대한 인사이트를 제공합니다. 이러한 인사이트를 바탕으로 다음을 분석하고 이해할 수 있습니다.

  • 특정 특성이 다른 특성보다 예측 영향을 더 많이 받는 이유.
  • 특성 값이 특성 글로벌 자격 비율과 비교되는 방식입니다.
  • 모델이 데이터를 활용하여 예측 점수를 얻는 방법입니다.

또한 점수에 대한 특성 값의 상대적 영향을 판매자의 데이터 입력 동작 및 예측 점수의 정확도에 미치는 영향을 연결할 수 있습니다.

특성 인사이트 창에 표시되는 인사이트는 조직의 잠재 고객 데이터와 검증된 결과와의 상관 관계를 기반으로 합니다. 예를 들어 잠재 고객에 특성의 글로벌 자격 비율보다 높은 자격 비율과 상호 관련된 특성 값이 있는 경우 해당 리드의 예측 점수가 증가합니다. 잠재 고객에 대한 자격 비율이 특성의 평균보다 낮으면 예측 점수가 감소합니다.

다음 이미지는 잠재 고객 소스 특성의 특성 인사이트 창 예시입니다.

특성 인사이트 창

일반적으로 특성 인사이트 창은 다음 섹션으로 구성됩니다.

  • 예측 영향 상태, 개설 및 마감 잠재 고객에 특성이 채워지는 횟수, 모델을 생성하기 위해 특성이 자동으로 선택되지 않는 이유에 대한 요약입니다.

  • 특성의 각 값이 자격 비율에 어떻게 기여하는지를 보여주는 그래프입니다. 이 예에서 잠재 고객 점수 값이 공백, 입소문직원 추천 이 평균보다 더 잘 수행하고 광고 이 평균 이하로 수행하는 것을 볼 수 있습니다. 평균은 파란색 선으로 표시되며 다음 공식에 따라 계산됩니다.

    Global qualification rate = {Total number of leads qualified in your organization/(Total number of qualified + disqualified leads through this attribute)} × 100

    각 막대 위로 마우스를 가져가면 자격 비율, 개설 및 마감 잠재 고객 수와 같은 값 요약을 볼 수 있습니다. 특성 값에 대한 자격 비율은 다음 공식에 따라 계산됩니다.

    Qualification rate for a value of the attribute = (Total number of leads qualified with the given value in the attribute/Total number of closed leads with that value in the attribute) × 100

    예를 들어 예산이 높은 잠재 고객의 자격 비율이 42%인 경우 공식은 다음과 같습니다.

    (Total number of leads with high budget that are qualified)/( Total number of leads with high budget that are closed) × 100 = 42

    참고

    이러한 계산은 모델 학습 당시의 데이터를 기반으로 하며 현재 데이터 스냅 샷을 나타내지 않을 수 있습니다. 또한 지난 2년간의 데이터를 고려하고 모델에 필터가 있는 경우 데이터가 필터링된 후 계산이 수행됩니다.

  • 해당 시점의 그래프 에서처럼 값이 추세를 보이는 이유를 제공하는 세부 정보 섹션입니다. 관련 엔터티의 특성에 대한 데이터가 충분하지 않으면 애플리케이션에서 인사이트를 표시하지 않습니다.

  • 정보 탭은 특성 인사이트에 대한 자세한 정보를 제공합니다.

참고

특성에 대한 인사이트는 모델이 수동 또는 자동으로 재학습될 때 업데이트됩니다. 2021년 3월 이전에 생성된 모델의 경우 특성 인사이트 데이터를 사용할 수 없습니다. 특성 인사이트를 보기 위해—모델을 유지하거나—자동으로 유지하는 옵션을 활성화하는 것이 좋습니다.

특성 인사이트 창을 보려면

  1. 예측 잠재 고객 점수 구성 페이지로 이동하여 모델 수정 을 선택합니다.

  2. 필드 편집 페이지에서 기본 엔터티 또는 관련 엔터티 에서 인사이트를 보려는 특성을 선택하십시오. 특성 인사이트 창은 페이지의 오른쪽에 표시됩니다.

모델 삭제

조직에서 더 이상 필요하지 않은 모델을 삭제하십시오. 동시에 10개의 모델—만 게시 및 게시되지 않을 수— 있습니다.

  1. 예측 잠재 고객 점수 구성 요약 페이지로 이동합니다.

  2. 모델 선택 목록에서 모델을 선택한 다음 모델 삭제 를 선택하십시오. 이 예시에서는 LeadScoring_202009181011 모델을 선택했습니다.

    참고

    자동으로 재교육 옵션이 활성화된 경우, 모델을 삭제할 수 없습니다. 먼저 옵션을 비활성화하십시오.

    모델 삭제

  3. 표시되는 확인 메시지에서 삭제 를 선택합니다.

조직에서 모델이 삭제됩니다.

중복 모델 관리

여러 모델을 생성할 때 동일한 잠재 고객에 점수를 매기지 않도록 모델을 구성하는 것이 중요합니다. 중복 모델의 경우 어떤 모델이 잠재 고객의 점수를 매겼는지 식별하기 어렵습니다. 중복 모델은 모델을 생성하거나 편집할 때 자동으로 식별됩니다. 구성이 기존 모델과 중복되는 경우 충돌 메시지가 표시됩니다.
중복 모델을 제거하려면 수행 중인 작업에 따라 다음 방법 중 하나를 사용하십시오.

모델 만들기

시작하기 를 선택하면 생성 중인 모델이 목록의 다른 모델과 충돌한다는 충돌 메시지가 표시됩니다. 다음 이미지는 메시지의 예를 보여줍니다.

모델 생성 중 충돌 메시지.

  • 아니요, 돌아가기 를 선택하고 필터 열과 값을 변경하여 모델이 고유한 잠재 고객에 점수를 매길 수 있도록 합니다. 자세한 내용은 첫 실행 설정 경험의 7단계를 참조하십시오. -또는-
  • 이 모델에서 점수를 매기는 잠재 고객을 식별하는 데 충돌을 일으킬 수 있는 중복 모델 생성을 진행합니다.

게시된 모델

게시된 모델을 열면 현재 모델이 복제된 모델 목록과 함께 버전 세부 정보 섹션 위에 메모가 표시됩니다. 다음 이미지는 메시지의 예를 보여줍니다.

모델 게시 중 충돌 메시지.

  1. 모델 삭제 를 선택하여 애플리케이션에서 현재 모델을 삭제합니다.
  2. 다른 필터 열과 필터 값으로 모델 만들기를 수행하여 잠재 고객에 점수를 매깁니다.

양식에 잠재 고객 점수 위젯 추가

기본적으로 예측 잠재 고객 점수 위젯은 기본 제공 Sales Insights 양식에서만 사용할 수 있습니다. 잠재 고객에 대해 사용자 지정된 양식을 사용하는 경우 다음 단계에 따라 사용자 지정 양식에 예측 잠재 고객 점수 위젯을 표시할 수 있습니다.

중요

  • 잠재 고객 점수 위젯 추가는 통합 인터페이스 앱에서만 지원됩니다.
  • 레거시 양식 디자이너를 사용하여 잠재 고객 채점 위젯를 양식에 추가 할 수 없습니다.
  1. Power Apps 포털에 로그인합니다.

    Power Apps 홈 페이지

  2. 조직의 환경을 검색하여 선택합니다.

    조직 선택

  3. 데이터 > 테이블 을 선택합니다.

    테이블 목록이 포함된 테이블 페이지가 열립니다.

    테이블 목록이 있는 테이블 페이지

  4. 테이블을 열고 양식 탭을 선택한 다음 위젯을 추가할 기본 양식을 선택합니다. 이 예에서는 테이블로 잠재 고객 이 선택되고 기본 양식으로 잠재 고객 이 선택됩니다.

    참고

    페이지 오른쪽 상단에서 위젯을 추가하려는 테이블을 찾을 수 없는 경우 필터 설정을 모두 로 변경합니다.

    양식 탭에서 잠재 고객 기본 양식 선택

  5. 양식 디자이너에서 구성 요소 를 선택한 다음 레이아웃 에서 위젯을 추가할 자리 표시자로 양식에 열을 추가합니다.

    양식에 열 추가

  6. 사이트 맵에서 디스플레이 > 예측 점수 를 선택합니다.

    참고

    추가된 자리 표시자 열이 선택되었는지 확인합니다. 그렇지 않은 경우 위젯이 양식의 임의의 위치에 추가됩니다.

    예측 점수 위젯 선택

  7. 예측 점수 편집 팝업 창에서 완료 를 선택합니다.

    완료를 선택하여 예측 점수 위젯 추가

    다음 이미지와 같이 예측 점수 위젯이 양식에 추가됩니다.

    양식에 추가된 예측 점수 위젯

    참고

    새 섹션 레이블을 숨기려면 새 섹션 설정 창의 속성 탭으로 이동한 다음 레이블 숨기기 를 선택합니다.

  8. 양식을 저장 및 게시합니다.

앱에서 옵션을 찾을 수 없습니까?

두 가지 가능성이 있습니다.

  • 단계를 수행하는 데 필요한 라이선스나 역할이 없습니다.

  • 조직에서 사용자 지정 앱을 사용 중일 수 있으므로 사이트 맵과 UI가 다를 수 있습니다. 정확한 단계는 관리자에게 문의하세요. 이 문서에 설명된 단계는 기본 제공 영업 허브 또는 Sales Professional 앱에만 해당됩니다.

참조

점수를 통해 잠재 고객 우선 순위 지정
프리미엄 Sales Insights 기능을 설치하고 구성
예측 잠재 고객/영업 기회 점수 FAQ

참고

귀사의 설명서 언어 기본 설정에 대해 말씀해 주시겠습니까? 간단한 설문 조사에 응해주세요. (이 설문 조사는 영어로 되어 있습니다.)

이 설문 조사는 약 7분 정도 걸립니다. 개인 데이터는 수집되지 않습니다(개인정보처리방침).