Ai voor klant Intelligence-Saifs (preview)

Score klanten in A/B/C/D-lagen met uitleg over CLV, risico.

Deze connector is beschikbaar in de volgende producten en regio's:

Service Class Regions
Copilot Studio Premium Alle Power Automate regio's behalve:
     - Amerikaanse overheid (GCC)
     - Amerikaanse overheid (GCC High)
     - China Cloud beheerd door 21Vianet
     - Us Department of Defense (DoD)
Logische apps Standard Alle Logic Apps-regio's , met uitzondering van het volgende:
     - Azure Government regio's
     - Azure China-regio's
     - Us Department of Defense (DoD)
Power Apps Premium Alle Power Apps regio's behalve:
     - Amerikaanse overheid (GCC)
     - Amerikaanse overheid (GCC High)
     - China Cloud beheerd door 21Vianet
     - Us Department of Defense (DoD)
Power Automate Premium Alle Power Automate regio's behalve:
     - Amerikaanse overheid (GCC)
     - Amerikaanse overheid (GCC High)
     - China Cloud beheerd door 21Vianet
     - Us Department of Defense (DoD)
Contactpersoon
Name Saifs AI
URL https://saifs.ai/
Email taher@saifytech.com
Connectormetagegevens
Publisher Saifs AI
Website https://saifs.ai/
Privacybeleid https://saifs.ai/privacy_policy/customer-intelligence
Categorieën AI; Gegevens

Customer Intelligence - Saifs AI

Customer Intelligence - Saifs AI is een MCP-server (Model Context Protocol) die een klantaankoopboek beoordeelt in A/B/C/D-lagen met uitleg over klantlevenswaarde (CLV), waarde-at-risk, contact uplift en een gerangschikte SAVE/GROW/VERIFY rep wachtrij. De aankoopgeschiedenis (customer_id, date, amount) van CSV, Excel, Tally of CRM exporteert en retourneert een grootboek per klant met uitlegtraceringen, zodat verkoopteams prioriteit geven aan geld op het spel, niet alleen labels.

Publisher: Saifs AI

Prerequisites

  • Toegang tot Microsoft Copilot Studio (of een ander ondersteund Microsoft agentoppervlak)
  • Machtiging voor het maken van agents en het toevoegen van MCP-hulpprogramma's
  • Een Saifs AI-account voor het voltooien van aanmelding bij de verbinding
  • Een aankoopexport met één rij per transactie met ten minste:
    • customer_id (of gelijkwaardig: AccountId, Party Name en vergelijkbare aliassen)
    • date (of gelijkwaardig: invoice_date, factuurdatum)
    • amount groter dan 0 (of gelijkwaardig: omzet, factuurbedrag)
  • Optioneel, maar aanbevolen voor contact-uplift learning: een contactlogboek van een vertegenwoordiger met customer_id en date alleen (oproepen, bezoeken of WhatsApp touches)
  • Voor boeken die groter zijn dan 500 transactierijen: een code-sandbox met numpy om het scorescript uit te voeren dat wordt geretourneerd door customer_tiering_get_engine

Referenties verkrijgen

Deze MCP maakt gebruik van OAuth 2.0 met Saifs AI.

Voor makers die de MCP verbinden in Copilot Studio

Beheerders en makers maken geen API-sleutels handmatig. Wanneer u een nieuwe verbinding in Copilot Studio maakt, wordt u omgeleid naar Saifs AI om te verifiëren. Nadat de aanmelding is geslaagd, wordt de verbinding gemaakt en kan de agent MCP-hulpprogramma's onder dat account aanroepen.

Voor uitgevers/Microsoft validatie (Azure Key Vault)

Certificeringsinzendingen configureren OAuth via Azure Key Vault (authorization.type = AzureKeyVault). Geheimen opslaan met exacte namen (hoofdlettergevoelig):

Geheime naam Vereist voor OAuth 2.0 Purpose
ClientId Yes OAuth-client/toepassings-id
ClientSecret Yes OAuth-clientgeheim
AuthorizationUrl Ja (OAuth2) Autorisatie-eindpunt
TokenUrl Yes Tokeneindpunt
RefreshUrl Als vernieuwingstokens worden gebruikt Eindpunt vernieuwen
Scopes Als bereiken vereist zijn Door ruimte gescheiden bereiken

Verdeel de Microsoft certificeringsservice-principal 8e91e74f-afe9-41cd-8c3f-17a9562a74eaKey Vault Geheimengebruiker (of gelijkwaardige leestoegang). Stel authorization.referenceId in het MCP-manifest in op de Key Vault URI, niet op een geheime URI.

Zie Microsoft MCP-servercertificering voor Key Vault configuratiedetails.

Ondersteuning, privacy en voorwaarden:

Getting Started

Stroom voor beheerders

  1. Klik op Nieuwe agent.
  2. Klik in het menu aan de rechterkant op Extra.
  3. Klik op Model Context Protocol (MCP).
  4. Selecteer Customer Intelligence - Saifs AI.
  5. Klik op Niet verbonden en klik vervolgens op Nieuwe verbinding maken.
  6. Voltooi de aanmelding bij Saifs AI wanneer hierom wordt gevraagd.
  7. Nadat u zich hebt aangemeld, wordt de verbinding gemaakt.

Voorbeeld: een agent voor klant prioritering maken

  1. Geef uw agent een naam, bijvoorbeeld klant prioritering.
  2. Voeg instructies toe, zoals:
You help sales managers prioritize which customers to call today.
When the user provides a purchase export (customer_id, date, amount):
- If there are 500 transaction rows or fewer, call customer_tiering with the rows.
- If there are more than 500 rows, call customer_tiering_get_engine and run the returned script verbatim against the file (numpy required).
Always lead with ranked SAVE / GROW / VERIFY actions and money impact in the user's currency.
Explain tiers in plain language. Do not invent winners or rupee figures the tools did not return.
If identity_cleaning.review_candidates appear, ask the user which accounts to merge and re-send with identity_overrides.
  1. Klik op Voorbeeld om te testen met een csv-bestand met een kleine aankoop.
  2. Klik op Publiceren.

Snelle verificatie na verbinding maken

  1. Score een klein boek (minstens genoeg klanten en herhaal kopers voor het model om te passen) met customer_tiering.
  2. Controleer of het antwoord een grootboek per klant, laaglabels, geldlaagcijfers en een SAVE/GROW/VERIFY-wachtrij bevat.
  3. Voor een groter bestand roept customer_tiering_get_engineu het geretourneerde script op en voert u het uitgevoerde script op zoals opgegeven en bevestigt u customer_tiering_result.json dat het is geschreven.

Ondersteunde bewerkingen

customer_tiering

Beoordeelt een klantenboek van 500 transactierijen of minder in A/B/C/D-lagen. De rijen rechtstreeks verzenden; de server voert overlevingsmodellering (BG/NBD), uitgavenmodellering (Gamma-Gamma), laagmigratie, de geldlaag en beslissingskaarten uit, en retourneert vervolgens het volledige resultaat, inclusief een grootboek per klant met uitlegtraceringen.

Gebruik wanneer de gebruiker vraagt om klanten te segmenteren, te tieren of te rangschikken; een oproepwachtrij maken (OPSLAAN/VERGROTEN/VERIFIËREN); risico- of groeirekeningen zoeken; schatting van boekblootstelling; of score een CSV/Excel/Tally/CRM aankoop export van 500 rijen of minder.

Gebruik in plaats daarvan voor boeken die groter zijn dan 500 rijen customer_tiering_get_engine .

Vereiste parameters

Parameter Type Description
transactions array Rijen kopen. Elk item heeft behoefte customer_id, dateen amount (> 0, eindig).

Optionele parameters

Parameter Type Description
customer_name tekenreeks Bij elke transactie: optionele leesbare naam wanneer customer_id een code is. Gebruikt voor labels; groeperen maakt nog steeds gebruik van customer_id.
as_of tekenreeks Analysedatum YYYY-MM-DD. De standaardinstelling is de meest recente transactiedatum.
horizon_months integer CLV projectie horizon in maanden (standaard 12).
annual_discount_rate number Jaarlijks discontopercentage voor CLV (standaard 0,10).
currency tekenreeks ISO-valutacode voor alleen weergeven (INR, USD, EUR). Geen FX-conversie.
currency_symbol tekenreeks Weergavesymbool overschrijven (bijvoorbeeld ₹ of $).
risk_period_months integer Venster waarin het verlooprisico wordt geëvalueerd (standaard 3).
contact_effectiveness number Het terugvaldeel van het risicoverloop dat door één contactpersoon is hersteld wanneer geleerde gegevens ontbreken (standaard 0,30).
assumed_upgrade_prob number Fallback P(upgrade | contact opgenomen) wanneer er onvoldoende geleerde gegevens zijn (standaard 0.15).
rep_contacts array Optioneel [{customer_id, date}, ...]. Bouwt aangeraakte versus ongewijzigde migratiematrices en leert contact uplift per laag (≥ 10 aanraakovergangen). Observationeel, niet causaal.
min_customers_for_model integer Onder dit aantal weigert BG/NBD te passen (standaard 10).
min_repeat_buyers_for_model integer Onder dit aantal herhalingskopers weigert BG/NBD te passen (standaard 5).
include_diagnostics boolean Indien waar, voegt u MLE-params en diagnostische gegevens met meerdere startpassen toe (standaard onwaar).
rep_queue_max_items integer Maximale lengte van de dagelijkse SAVE/GROW/VERIFY-wachtrij (standaard 8).
rep_queue_min_save_revenue number Negeer SAVE-kandidaten met levensduuropbrengsten onder deze (standaard 0).
identity_overrides Voorwerp Beoordelingssamenvoegingen van review_candidates een vorige aanroep: {raw value -> account}.

Identiteitsschoonmaak

Klant-id's worden opgeschoond aan de serverzijde voordat ze worden scoren. Hoofdlettergebruik, spatiëring, interpunctie, rechtsachtervoegsel en woordvolgordevarianten (bijvoorbeeld ACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited) worden samengevoegd met een regel. Waarden exact verzenden zoals ze in de bron worden weergegeven; niet pre-normaliseren. Dubbelzinnige groepen die menselijke oordeelsvermogens nodig hebben, worden niet-eenduidig geretourneerd identity_cleaning.review_candidates , zodat u deze kunt oplossen via identity_overrides.

Wat u terugkrijgt (conceptueel)

  • A/B/C/D-lagen op basis van voorspelde CLV (niet alleen eerdere omzet)
  • Uitlegtraceringen voor waarom een account in een laag terechtkomt
  • Waarde die risico loopt, contact opnemen met uplift en upside upgraden als valutabereiken met vertrouwen
  • Blootstellingscijfers op boekniveau
  • Een gerangschikte SAVE/GROW/VERIFY rep-wachtrij

customer_tiering_get_engine

Voor boeken die groter zijn dan 500 transactierijen. Retourneert een volledig, runnable Python script waarmee het boek wordt gescored in A/B/C/D-lagen met dezelfde modelleringsstack en geldlaag. Voer deze uit in uw code-sandbox voor het transactiebestand van de gebruiker. Rijen passeren het model nooit als tokens, dus een boek van 10.000 rijen kost hetzelfde om te organiseren als een 600-rij één.

Vereiste parameters

Parameter Type Description
file_path tekenreeks Pad naar het transactiebestand (CSV/TSV/JSON) in de sandbox. Eén rij per aankoop met klant-id, datum en bedrag > 0. Kolomnamen komen flexibel overeen.

Optionele parameters

Parameter Type Description
contacts_path tekenreeks Optioneel pad naar een logboek met vertegenwoordigerscontacten (alleen klant-id + datum). Met voldoende aanraakovergangen wordt de contactwaarde gemeten per laag in plaats van ervan uit te gaan.
currency tekenreeks ISO-valutacode voor weergave (standaard USD).
as_of tekenreeks Analysedatum YYYY-MM-DD. De standaardwaarde is de meest recente versie in het bestand.

Het geretourneerde script uitvoeren

  1. Sla het geretourneerde script exact op zoals opgegeven (typ de wiskundige berekeningen niet opnieuw, verkort, opnieuw opmaken of opnieuw opmaken).
  2. Bewerk alleen het PAD / AS_OF / VALUTA / OUT / ONDERDRUKKINGEN / CONTACTPERSONEN regels onderaan indien nodig.
  3. Voer deze uit in een sandbox met numpy.
  4. Lees de afgedrukte beslissingen en kopteksten; open het volledige grootboek per klant dat naast de invoer is geschreven (standaard customer_tiering_result.json).

Een vooraf geaggregeerd overzicht per klant werkt niet : de modellen hebben een aankooptijd nodig.

Hoe de score werkt (gewone taal)

De MCP combineert klassieke klantanalyse in één uitgelegd grootboek:

  1. Basislijnclassificatie - Pareto /ABC-concentratie als een sanity check.
  2. Gedragsvroege waarschuwing : RFM-stijl recency, frequency en monetaire signalen voor de uitlegtracering.
  3. Levend waarschijnlijkheid - BG/NBD-overlevingsmodelleringschattingen of een account nog actief is.
  4. Uitgaven en CLV — Gamma-Gamma uitgaven modelleringsprojecten verwacht toekomstige waarde; lagen volgen voorspelde CLV.
  5. Migratie en uplift — Overgangen van markov-lagen; optionele geschiedenis van rep-contact leert aangeraakt versus onaangeraakt omhoog.
  6. Geldlaag — Maakt kansen tot waarde bij risico, waarde van contact, upgrade upside en boekblootstelling, gerapporteerd als bereiken met vertrouwen — nooit alleen schattingen van punten.

Kanaal- en geldcijfers zijn een richtingsgids uit de aankoopgeschiedenis, niet een labexperiment dat oorzakelijk is.

Bekende problemen en beperkingen

  • Actief account vereist. Er is een actief Saifs AI-account met toegang tot Customer Intelligence vereist. Hulpprogramma's kunnen pas worden aangeroepen als de OAuth-aanmelding is voltooid bij de verbinding.
  • Minimale gegevens voor montage. Onder de geconfigureerde drempelwaarden voor klanten en herhaalkopers (standaardwaarden: 10 klanten, 5 herhaalkopers), weigert BG/NBD om te passen. Voeg meer geschiedenis toe of verminder alleen drempelwaarden als het boek echt klein is en de gebruiker een zwakkere pasvorm accepteert.
  • Aankooptijd vereist. Geaggregeerde samenvattingen van één rij per klant kunnen niet worden gescoord. Exporteer aankopen op regelniveau of op factuurniveau.
  • Limiet voor grootte van rijpad. customer_tiering accepteert 500 transactierijen of minder. Grotere boeken moeten worden gebruikt customer_tiering_get_engine plus een numpy sandbox.
  • Identiteitssamenvoegingen zijn gebaseerd op regels. Met automatische reiniging worden varianten voor spelling/hoofdletters/hoofdletters/kleine letters en achtervoegsels gewist. Dubbelzinnige paren (bijvoorbeeld Acme & Co vs Acme Pvt Ltd) blijven gescheiden totdat u na beoordeling van toepassing bent identity_overrides .
  • Contact omhoog omhoog is observationeel. rep_contacts verbetert de schattingen van de geldlaag wanneer deze dicht genoeg zijn (≥ 10 aanraakovergangen per laag). Het is geen gerandomiseerd causaal bewijs. Sparse-lagen vallen terug op contact_effectiveness / assumed_upgrade_prob.
  • Valuta is een weergavelabel. Als u INR of USD doorgeeft, worden bedragen niet geconverteerd. Verzend bedragen al in de valuta die u wilt gerapporteerd.
  • Niet-contractueel aankoopmodel. De standaardstack is gericht op niet-contractuele/herhaal-aankoopboeken (distributeurs, agentschappen, D2C, handel). Pure abonnementsvernieuwingsboeken hebben mogelijk een andere frame nodig; dunne of ongeschikte boeken moeten worden geweigerd met een duidelijke reden in plaats van overgepast.
  • Persoonlijke gegevens. Aankoopgeschiedenis kan persoonlijke gegevens zijn onder toepasselijke privacywetgeving (inclusief De DPDP van India). Gebruik alleen gegevens die u mag verwerken; bewaarbeleid en beleid voor verwijderen op aanvraag behouden.
  • Geen FX, geen CRM write-back in v1. De MCP-scores en legt uit; updates worden niet zelf naar Salesforce, HubSpot of Dataverse gepusht.

Veelgestelde vragen

Hoe kan ik de MCP verbinden?

Volg flow voor beheerders onder Aan de slag: Nieuwe agent → Tools → Model Context Protocol (MCP) → Selecteer Customer Intelligence - Saifs AI → Create New Connection → complete Saifs AI-aanmelding.

Welke kolommen heb ik nodig in mijn bestand?

Minimaal: een klant-id, een aankoopdatum en een positief bedrag. De meeste CRM- en Excel kolomnamen worden geaccepteerd zonder de naam te wijzigen. Voeg eventueel een kolom met de naam van de klant toe wanneer de id een code is en een afzonderlijk contactlogboek (customer_id, date) om de schattingen van de uplift te verbeteren.

Welk hulpprogramma moet ik gebruiken?

  • 500 rijen of minder:customer_tiering (rijen verzenden in de aanroep van het hulpmiddel).
  • Meer dan 500 rijen:customer_tiering_get_engine (voer het geretourneerde script lokaal uit).

Wat is de wachtrij SAVE/GROW/VERIFY?

Een korte, met geld gerangschikte dagelijkse lijst voor vertegenwoordigers:

  • SAVE — accounts met materiaalwaarde die risico lopen indien genegeerd
  • GROW — accounts met een upgrade op de hoogte als er contact is opgenomen
  • VERIFY — accounts die bevestiging van identiteit of gegevens nodig hebben voordat ze handelen

Waarom tonen geldcijfers bereiken?

Elke valutafiguur wordt geleverd met het vertrouwen van het model (bijvoorbeeld een bereik), niet alleen een schatting van één punt. Die eerlijkheid is opzettelijk, zodat managers de getallen kunnen vertrouwen wanneer de realiteit binnen het bereik komt.

Kan ik Tally of Excel exports scoren?

Yes. Elke export met aankooprijen (customer_id /party, datum, bedrag) werkt. Alleen pre-clean indien u dat wilt; identiteitsvarianten worden samengevoegd door de hulpprogramma's.

Implementatie-instructies

  1. Maak in Copilot Studio een nieuwe agent en voeg Customer Intelligence - Saifs AI toe als MCP-hulpprogramma.
  2. Maak een nieuwe verbinding en voltooi saifs AI-aanmelding.
  3. Voeg agentinstructies toe voor uw use-case voor verkoop prioritering (zie Aan de slag), Preview met een voorbeeldaankoopbestand en publiceer vervolgens.
  4. Houd het live MCP-hulpprogramma uitgelijnd met deze documentatie wanneer u Microsoft certificeringspakketten indient of bijwerkt onder het type Apps en Agents voor M365 en Copilot aanbieding. Pakket verwachtingen (manifest, hulpprogrammadefinities, intro.mdverificatieconfiguratie) worden beschreven in Microsoft MCP-servercertificering.

Support

Acties

Ai voor klant Intelligence-Saifs

Score klanten in A/B/C/D-lagen met uitleg over CLV, risico.

Ai voor klant Intelligence-Saifs

Score klanten in A/B/C/D-lagen met uitleg over CLV, risico.