Voorspellend scoren van potentiële klanten configureren
Voorspellend scoren van potentiële klanten gebruikt een voorspellend Machine Learning-model om een score te berekenen voor alle open potentiële klanten op basis van historische gegevens. De score helpt verkopers prioriteiten te stellen voor potentiële klanten en hogere kwalificaties van potentiële klanten te behalen en de tijd te verkorten die nodig is om een potentiële klant te kwalificeren.
Stel dat u twee potentiële klanten in uw pipeline hebt: potentiële klant A en potentiële klant B. Het model voor het scoren van potentiële klanten berekent een score van 80 voor potentiële klant A en 50 voor potentiële klant B. Op basis van de scores kunt u voorspellen dat potentiële klant A een grotere kans heeft om in een verkoopkans te worden omgezet. Verder kunt u de belangrijkste beïnvloedende factoren beoordelen om te analyseren waarom de score van potentiële klant B laag is en bepalen of u deze wilt verbeteren.
De volgende afbeelding is een voorbeeld van een scorewidget voor een potentiële klant:
Het verzamelen van historische gegevens begint wanneer u een scoremodel maakt. Historische gegevens worden opgeslagen in het data lake voor analyse. Als uw Dynamics 365 Sales-abonnement verloopt of uw organisatie wordt verwijderd, worden de historische gegevens na 30 dagen verwijderd.
Als u een Dynamics 365 Sales Enterprise-licentie hebt, kunt u voorspellend scoren van potentiële klanten inschakelen in Snelle instellingen voor het scoren van potentiële klanten en verkoopkansen. U krijgt 1500 beoordeelde records per maand.
Licentie- en rolvereisten
| Vereistetype | U moet over het volgende beschikken |
|---|---|
| Licentie | Dynamics 365 Sales Premium of Dynamics 365 Sales Enterprise Meer informatie: Dynamics 365 Sales-prijzen |
| Beveiligingsrollen | systeembeheerder Meer informatie: Vooraf gedefinieerde beveiligingsrollen voor Verkoop |
Vereisten
Geavanceerde Sales Insights-functies moeten worden ingeschakeld.
U moet voldoende potentiële klanten hebben om het model te trainen op basis van gegevens uit het verleden. Uw organisatie moet ten minste 40 gekwalificeerde en 40 gediskwalificeerde leads hebben gemaakt tijdens het tijdsbestek dat is geselecteerd in het veld Trainen met potentiële klanten uit het verleden van het scoremodel. Het tijdsbestek varieert van drie maanden tot twee jaar. Hoe meer potentiële klanten u kunt opnemen om het model te trainen, hoe beter de resultaten van voorspelling zullen zijn.
Opmerking
Als u van plan bent om een bedrijfsprocesstroom voor uw model te gebruiken, worden leads die de geselecteerde bedrijfsprocesstroom hebben verlaten niet in aanmerking genomen voor training, scores en het vaststellen van de minimumvereiste voor het maken van modellen.
Het systeem heeft ongeveer vier uur nodig om de gegevens met het data lake te synchroniseren. Als u onlangs leads hebt gesloten, worden deze niet meteen overwegen.
Uw eerste scoremodel maken
Belangrijk
- Als u een model gebruikt dat u hebt gemaakt in een versie van Dynamics 365 vóór releasewave 2 van 2020, verwijdert u het model u een nieuw model maakt. Dit is nodig omdat anders de vorige versie van het model wordt toegepast op alle potentiële klanten in uw organisatie en nieuwe modellen geen effect hebben op de potentiële klanten.
- Vanaf releasewave 2 van 2020 worden de gegevens met betrekking tot het scoren van potentiële klanten naar de tabel msdyn_predictivescore geschreven en niet meer naar de tabel van potentiële klanten. Zowel bij het scoren van potentiële klanten als van verkoopkansen wordt de tabel msdyn_predictivescore gebruikt.
Een scoremodel definieert de criteria voor het kiezen van potentiële klanten voor training en scoren. Als uw organisatie verschillende verkooppraktijken in verschillende regio's of business units gebruikt, kunt u modellen maken en voor elk ervan unieke trainingssets definiëren.
Ga in de linkerbenedenhoek van de Verkoophub-app naar Wijzigingsgebied en selecteer vervolgens Instellingen voor Sales Insights.
Selecteer in het siteoverzicht Scoren van potentiële klanten onder Voorspellende modellen.
Als uw organisatie niet ten minste 40 gekwalificeerde en 40 gediskwalificeerde potentiële klanten heeft die zijn gemaakt in het tijdsbestek dat is geïdentificeerd in het veld Trainen met potentiële klanten uit het verleden, kunt u geen scoremodel maken. Als er voldoende potentiële klanten zijn, wordt standaard een model gegenereerd.
Wijzig indien nodig op de pagina Voorspellend scoren van potentiële klanten de waarden voor velden zoals bedrijfsprocesstroom, filterkolom, enzovoort. Zie het volgende gedeelte Een model toevoegen voor meer informatie over deze velden. Selecteer Aan de slag als u klaar bent.
Geef de app een paar minuten de tijd om uw model te trainen. U kunt de pagina verlaten en later terugkeren.
De toepassing gebruikt de standaardkenmerken om het model te trainen. U kunt het model later bewerken om aangepaste of intelligente kenmerken op te nemen.
Uw model publiceren
Wanneer uw model is getraind en klaar is om te publiceren, geeft de pagina Voorspellend scoren van potentiële klanten een bevestiging weer:
Als het model is getraind maar nog niet klaar is voor publicatie, wordt in het veld ModelprestatiesNiet gereed voor publicatie weergegeven.
Als u het model elke 15 dagen opnieuw wilt trainen, selecteert u Automatisch opnieuw trainen.
Selecteer Publiceren of Details weergeven.
Als het model gereed is voor publicatie en u bent klaar om het toe te passen, selecteert u Publiceren.
Het model wordt toegepast op potentiële klanten die voldoen aan de criteria die zijn opgegeven in de modelconfiguratie. De score van potentiële klanten verschijnt in de kolom Score van potentiële klant in weergaven en in een widget in het formulier voor potentiële klanten.
Als u de nauwkeurigheid en prestaties van het model wilt weergeven voordat u het publiceert of als het model niet gereed is voor publicatie en u wilt weten waarom dat is, selecteert u Details weergeven en selecteert u vervolgens het tabblad Prestaties.
De app bepaalt dat het model niet gereed is voor publicatie als de nauwkeurigheid van het model onder een drempelwaarde valt, de AUC-score (Area Under Curve). Als u wilt, kunt u het model nog steeds publiceren. De prestaties ervan zullen echter slecht zijn.
Een model toevoegen
U kunt maximaal 10 modellen maken, zowel gepubliceerd als niet-gepubliceerd, voor verschillende sets potentiële klanten. De app waarschuwt u als u een model probeert te maken dat mogelijk dezelfde potentiële klanten scoort als een bestaand model.
Selecteer onderaan de pagina Voorspellend scoren van potentiële klanten de optie Model toevoegen.
Opmerking
U ziet de knop Model toevoegen niet als u niet ten minste één scoremodel hebt gemaakt.
De pagina Voorspellend scoren van potentiële klanten wordt geopend met standaardwaarden.
Voer in het vak Nieuwe modelnaam een naam in die alfanumerieke tekens bevat. Onderstrepingstekens zijn toegestaan, maar geen spaties of andere speciale tekens.
Standaard is de naam LeadScoring_<DDMMJJJJ><Tijd> (bijvoorbeeld LeadScoring_202009181410). De datum en tijd zijn gebaseerd op Coordinated Universal Time (UTC).
In de lijst Bedrijfsprocesstroom selecteert u een stroom die relevant is voor de potentiële klanten waarvoor u het model genereert. Leads die de geselecteerde bedrijfsprocesstroom hebben verlaten, worden niet in aanmerking genomen voor training, scores en het vaststellen van de minimumvereiste voor het maken van modellen.
De lijst geeft alle bedrijfsprocesstromen weer die zijn gedefinieerd voor potentiële klanten in uw organisatie.
Als u aangepaste bedrijfsprocesstromen in de lijst wilt weergeven, schakelt u Bijhouden van wijzigingen in voor de entiteit van de bedrijfsprocesstroom. Wanneer u het model genereert, worden aangepaste bedrijfsprocessen automatisch ingeschakeld om de gegevens te synchroniseren met het data lake voor analyse.
Selecteer in de lijst Optieset voor status de optieset waarin de status van de potentiële klanten wordt gedefinieerd.
Selecteer respectievelijk de overeenkomstige waarden in de lijsten Gekwalificeerde waarde en Gediskwalificeerde waarde .
De standaard statusoptieset Status definieert de waarden als Gekwalificeerd en Gediskwalificeerd. U kunt een aangepaste optieset selecteren als er een is gedefinieerd.
Selecteer Filterkolom en Filterwaarden om de potentiële klanten op te geven die het model moet scoren.
Als u op meerdere kolommen wilt filteren, maakt u een berekend veld met de vereiste kolommen en selecteert u vervolgens het berekende veld in de lijst Filterkolom.
Selecteer een periode voor de trainingsset in de lijst Trainen met potentiële klanten uit het verleden. De standaardwaarde is twee jaar.
Uw organisatie moet minimaal 40 gekwalificeerde en 40 gediskwalificeerde potentiële klanten hebben die tijdens de geselecteerde periode zijn gemaakt en gesloten. Het model analyseert gesloten potentiële klanten van de geselecteerde periode en gebruikt die gegevens om de openstaande potentiële klanten van de afgelopen twee jaar te scoren.
Als u in de gekozen periode het minimum aantal gesloten potentiële klanten niet hebt, wordt de knop Aan de slag uitgeschakeld. Selecteer een andere tijdsperiode met voldoende gesloten potentiële klanten om het model te trainen.
Selecteer Aan de slag. U krijgt een waarschuwingsbericht als het model een duplicaat is van een bestaand model en dezelfde set potentiële klanten scoort. U kunt ervoor kiezen om het model toch te maken of de configuraties te wijzigen om het model een unieke set potentiële klanten te laten scoren.
Het duurt een paar minuten om uw model te trainen.
Wanneer uw model is getraind, publiceert u het of geeft u de details ervan weer.
Als u meerdere scoremodellen maakt, gebruikt u de lijst Model selecteren op de pagina Voorspellend scoren van potentiële klanten om een model te selecteren dat u wilt bekijken.
Kunt u de opties in uw app niet vinden?
Er zijn drie mogelijkheden:
- U beschikt niet over de benodigde licentie of rol.
- Uw beheerder heeft de functie niet ingeschakeld.
- Uw organisatie gebruikt een aangepaste app. Neem contact op met uw beheerder voor exacte stappen. De stappen die in dit artikel worden beschreven, zijn specifiek voor de kant-en-klare Verkoophub- en Sales Professional-app.
Zie ook
Systeem- en toepassingsgebruikers die gegevens naar Dataverse kunnen pushen
Een model voor het scoren van leads bewerken en opnieuw trainen
Prioriteit geven aan leads via scores
Veelgestelde vragen over beheer van potentiële klanten