Ieteicamie segmenti (priekšskatījums)
[Šis raksts ir pirmsizlaides dokumentācija, kas var mainīties.]
Dynamics 365 Customer Insights - Data var ieteikt segmentus, pamatojoties uz darbību vai pasākumiem.
Svarīgi
- Šis ir priekšskatījuma līdzeklis.
- Priekšskatījuma funkcijas nav paredzētas lietošanai ražošanā, un to funkcionalitāte var būt ierobežota. Šie līdzekļi ir pieejami pirms oficiālā laidiena, lai klienti varētu priekšlaikus piekļūt līdzeklim un sniegt atsauksmes.
Ieteicamie segmenti, pamatojoties uz aktivitāti (priekšskatījums)
Atklājiet interesantus savu klientu segmentus, pamatojoties uz klientu aktivitāšu datiem, kas tiek izmantoti Customer Insights - Data. Darbību dati ir, piemēram, transakcijas, atbalsta sarunas ilgums, iegāde vai atgriešana. Lai ieteiktu segmentus, darbības dati tiek analizēti, lai noteiktu atkārtojamību, biežumu un naudas vērtību (vai ilgumu).
Kategorizēt klientus pēc darbības
Ja ir pieejami darbību dati Customer Insights - Data, mēs varam ģenerēt ieteikumus, kas pārstāv klientu grupas:
- visaktīvākie klienti
- klineti, kas visvairāk iepirkušies
- klienti, kas ģenerēja vislielākos ieņēmumus
- klienti, kas pēdējā laikā nav bijuši aktīvi
- klienti, kas bieži mijiedarbojas ar uzņēmumu
Ja jums ir mazumtirdzniecības uzņēmums, varat uzzināt, kuri klienti rada visvairāk ieņēmumu, un apbalvot viņus ar sīcēju. Varat arī identificēt gadījuma klientus un piedāvāt viņiem pievienoties apbalvojumu programmai, lai viņi biežāk apmeklētu jūsu uzņēmumu. Ja jūs sniedzat valsts veselības aprūpi un jūsu mērķis ir samazināt izdevumus atsevišķiem pacientiem, jūs varētu mēģināt samazināt atkārtotas vizītes, nodrošinot vislabāko iespējamo aprūpi pēc iespējas mazāk apmeklējumu. Šajā gadījumā jūsu mērķis ir uzturēt zemu apmeklējuma biežumu un minimizēt periodiskās izmaksas attiecībā uz jutīgajām vietām. Vai arī varat identificēt ar klientiem saistītas problēmas, kam bieži ir tikšanās un augstas periodiskās izmaksas, un analizēt šos pieteikumus, lai uzlabotu indivīda uzlabošanos.
Ieteicamie segmenti, pamatojoties uz mēriem (priekšskatījums)
Ar mākslīgā intelekta modeļa palīdzību izpētiet jūsu klientu aizraujošos segmentus. Šis algoritmiskās mācīšanās līdzeklis piedāvā segmentus, pamatojoties uz pasākumiem vai klienta atribūtiem. Tas var palīdzēt uzlabot izpildes pamatrādītājus (KPI) vai labāk izprast atribūtu ietekmi citu atribūtu kontekstā.
Piezīmes
Ieteikto segmentu līdzeklis izmanto automatizētus līdzekļus, lai novērtētu datus un veiktu prognozes, pamatojoties uz šiem datiem. Tāpēc to var izmantot kā profilēšanas metodi, jo šo terminu definē privātuma likumi un noteikumi. Uz šīs funkcijas izmantošanu datu apstrādei var attiekties šie likumi vai noteikumi. Jūs esat atbildīgs par to, lai nodrošinātu, ka, izmantojot šo funkciju, tiek ievēroti Customer Insights - Data visi piemērojamie tiesību akti un noteikumi, tostarp tiesību akti, kas saistīti ar privātumu, personas datiem, biometriskajiem datiem, datu aizsardzību un saziņas konfidencialitāti.
Ieteicamie segmenti savu KPI uzlabošanai
Ja izmantojat pasākumus, kas izveidoti , lai palīdzētu izsekot KPI, izveidojiet segmentus, lai skatītu ietekmi uz KPI. Varat izmantot šo informāciju, lai palaistu ļoti mērķtiecīgu kampaņu.
Piemēram, jūs izsekojat mēru ar nosaukumu TotalSpendPerCustomer. Jūs kā uzņēmums vēlaties redzēt šo skaitli palielināmies. Izvēloties mēru kā primāro atribūtu, atlasiet atribūtus, kuru ietekmi vēlaties novērtēt. Teiksim , dalības līmenis, dalības periods un nodarbošanās. Customer Insights - Data pēc tam var ieteikt segmentu, kas norāda, kas ir šī pasākuma lielākā ietekme. Piemēram, grāmatveži , kuri ir Zelta biedri un kuri ir bijuši kopā ar jūsu biznesu vismaz piecus gadus , ir lielākie TotalSpendPerCustomer ietekmētāji. Katram ierosinājumam tiks parādīts prognozētais segmenta lielums. Šo informāciju var izmantot, lai izveidotu kampaņas mērķa auditorijām.
Klienta atribūta ietekmes izpratne
Kā primāro atribūtu mērvienības vietā var izvēlēties klienta atribūtu. Pamatojoties uz jūsu izvēli attiecībā uz atribūtiem, mākslīgā intelekta modelis izveido ieteikumu sēriju, kas parāda, kā atlasītie atribūti ietekmē primāro atribūtu.
Piemēram, jūs izvēlaties atlīdzības dalībnieku (jā/nē) kā galveno atribūtu. Īpašumtiesības, nodarbošanās un atbalsta biļešu skaits tiek iestatīti kā citi ietekmējoši atribūti. Mākslīgā intelekta modelis varētu ieteikt segmentus, kas norāda, ka pārsvarā IT speciālisti divu gadu laikā ir apbalvoti dalībnieki. Vēl viens ierosinājums varētu uzsvērt, ka grāmatveži, kuri ir nodarbināti vairāk nekā vienu gadu un kuriem ir mazāk nekā trīs atbalsta biļetes, ir apbalvoti dalībnieki.
Mākslīgā intelekta lietojums
Izmantojot primāro atribūtu un atribūtu inkubācijas atribūtus, lēmumu koka algoritms iesaka interesantus segmentus. Ieteikumi ir balstīti uz kārtulām vai struktūrām, kuras uztvēra mākslīgā intelekta algoritms. Ieteikumi tiek rādīti tikai segmentos, kas būtiski atšķiras no vidējā rādītāja. Salīdzinājums ar vidējo rādītāju ir balstīts uz atlasīto pasākumu vai primāro atribūtu.
Atbildīgais AI
Izmantojot ieteiktos segmentus, jūs atlasāt atribūtus, lai izveidotu jaunus segmentus un apstrādātu atlasītos datus. Izvēloties atribūtus, tostarp sensitīvus atribūtus, piemēram, rasi, seksuālo orientāciju vai dzimumu, jums ir jānodrošina, ka varat un apņematies apstrādāt šos datus. Jūs esat atbildīgs par to, lai nodrošinātu atbilstību visiem jūsu organizācijai piemērojamajiem tiesību aktiem un ievērotu organizācijas principus un konfidencialitātes politikas.
Dažādi rezultāti primārajiem atribūtiem ar primārām un skaitliskām vērtībām
Segmenta ieteikumi atšķiras, ja kā primāro atribūtu izvēlaties skaitlisku atribūtu vai kategorijas atribūtu. Kategorijas atribūta vērtības satur divu vai vairāku veidu kategorijas. Skaitlisks atribūts ietver ar to saistītus kvantitatīvos datus, un tam ir ar to saistītās mērvienības.
Izmantojot skaitlisku atribūtu, piemēram , gada ienākumus vai dalības periodu kā primāro atribūtu, sistēma iesaka segmentus, kuriem ir augstāka vai zemāka skaitliskā atribūta vidējā vērtība, salīdzinot ar visiem klientiem.
Kategorisks atribūts, piemēram , klientu apmierinātība kā primārais atribūts, rada ieteiktos segmentus, kuros ir lielāks vai mazāks to klientu īpatsvars, kuri pieder noteiktai kategorijai, salīdzinot ar visu to klientu procentuālo daļu, kuri pieder šai pašai kategorijai. Piemēram, klientu apmierinātība tiek izvēlēta kā primārais atribūts, un tā sastāv no trim kategorijām ( zems, vidējsun augsts). Katrai kategorijai tiks ieteikti segmenti, kuros ir lielāks vai mazāks šajā kategorijā ietilpstošo klientu īpatsvars, salīdzinot ar visu vienas kategorijas klientu īpatsvaru. Ja 22% no visiem klientiem ir augsta apmierinātība, tad šai kategorijai tiks ieteikti tikai tie segmenti, kuros ir lielāks vai mazāks klientu īpatsvars ar augstu apmierinātību, salīdzinot ar 22%. Līdzīgi segmenti tiks ieteikti katrai no pārējām kategorijām (zema un vidēja), ja tie ir statistiski nozīmīgi.
Piezīmes
Pašlaik mēs sniedzam atbalstu tikai primārajiem kategorijas atribūtiem, kuriem ir līdz 10 kategorijām. Ja vēlaties skatīt segmentu ieteikumus, kuru pamatā ir primārais atribūts ar vairāk nekā 10 kategorijām, ieteicams grupēt dažas kategorijas, lai samazinātu kategoriju skaitu līdz 10 vai mazāk. Šis ierobežojums attiecas tikai uz primārajiem atribūtiem. Pašlaik mēs sniedzam atbalstu ne vairāk kā 100 kategorijām, lai ietekmētu kategorijas atribūtus.