Sztuczna inteligencja klienta Intelligence-Saifs (wersja zapoznawcza)

Ocenianie klientów w warstwach A/B/C/D przy użyciu wyjaśnień CLV, ryzyka.

Ten łącznik jest dostępny w następujących produktach i regionach:

Usługa Class Regions
Copilot Studio Premium Wszystkie regiony usługi Power Automate z wyjątkiem następujących:
     - Rząd USA (GCC)
     - Rząd USA (GCC High)
     - China Cloud obsługiwane przez firmę 21Vianet
     - Departament Obrony USA (DoD)
Logic Apps Standard Wszystkie regiony usługi Logic Apps z wyjątkiem następujących:
     — Regiony platformy Azure Government
     — Regiony platformy Azure (Chiny)
     - Departament Obrony USA (DoD)
Power Apps Premium Wszystkie regiony usługi Power Apps z wyjątkiem następujących:
     - Rząd USA (GCC)
     - Rząd USA (GCC High)
     - China Cloud obsługiwane przez firmę 21Vianet
     - Departament Obrony USA (DoD)
Power Automate - narzędzie do automatyzacji procesów Premium Wszystkie regiony usługi Power Automate z wyjątkiem następujących:
     - Rząd USA (GCC)
     - Rząd USA (GCC High)
     - China Cloud obsługiwane przez firmę 21Vianet
     - Departament Obrony USA (DoD)
Kontakt biznesowy
Name Saifs AI
adres URL https://saifs.ai/
Email taher@saifytech.com
Metadane łącznika
Publisher Saifs AI
Witryna internetowa https://saifs.ai/
Zasady ochrony prywatności https://saifs.ai/privacy_policy/customer-intelligence
Kategorie AI; Dane

Analiza klienta — Saifs AI

Analiza klienta — Saifs AI to serwer protokołu MCP (Model Context Protocol), który ocenia książkę zakupu klienta w warstwach A/B/C/D z wyjaśnionej wartości okresu istnienia klienta (CLV), wartości ryzyka, kontaktu z podniesieniem poziomu i klasyfikacją SAVE / GROW / VERIFY rep queue. Pobiera historię zakupów (customer_id, date, amount) z woluminów CSV, Excel, Tally lub eksportów CRM i zwraca rejestr dla poszczególnych klientów z śladami wyjaśnień, aby zespoły sprzedaży ustalały priorytety według kosztów, a nie tylko etykiet.

Publisher: Saifs AI

Prerequisites

  • Dostęp do Microsoft Copilot Studio (lub innej obsługiwanej powierzchni agenta Microsoft)
  • Uprawnienie do tworzenia agentów i dodawania narzędzi MCP
  • Konto Saifs AI w celu ukończenia logowania do połączenia
  • Eksport zakupu z jednym wierszem na transakcję zawierającą co najmniej:
    • customer_id (lub równoważne: AccountId, Party Name i podobne aliasy)
    • date (lub równoważne: invoice_date, data faktury)
    • amount większe niż 0 (lub równoważne: przychód, kwota faktury)
  • Opcjonalne, ale zalecane do uczenia kontaktowego: dziennik kontaktów rep z customer_id i date tylko (połączenia, wizyty lub WhatsApp touches)
  • W przypadku książek większych niż 500 wierszy transakcji: piaskownica kodu z numpy do uruchomienia skryptu oceniania zwróconego przez customer_tiering_get_engine

Uzyskiwanie poświadczeń

Ten protokół MCP używa protokołu OAuth 2.0 z interfejsem AI Saifs.

W przypadku twórców łączących mcp w Copilot Studio

Administratorzy i twórcy nie tworzą ręcznie kluczy interfejsu API. Podczas tworzenia nowego połączenia w Copilot Studio nastąpi przekierowanie do usługi Saifs AI w celu uwierzytelnienia. Po pomyślnym zalogowaniu zostanie utworzone połączenie, a agent może wywołać narzędzia MCP na tym koncie.

W przypadku wydawców/weryfikacji Microsoft (Azure Key Vault)

Przesyłanie certyfikatów konfiguruje protokół OAuth za pośrednictwem Azure Key Vault (authorization.type = AzureKeyVault). Przechowuj wpisy tajne z dokładnymi nazwami (z uwzględnieniem wielkości liter):

Tajna nazwa Wymagane dla protokołu OAuth 2.0 Purpose
ClientId Yes Identyfikator klienta/aplikacji OAuth
ClientSecret Yes Wpis tajny klienta OAuth
AuthorizationUrl Tak (OAuth2) Punkt końcowy autoryzacji
TokenUrl Yes Punkt końcowy tokenu
RefreshUrl Jeśli są używane tokeny odświeżania Odśwież punkt końcowy
Scopes Jeśli zakresy są wymagane Zakresy rozdzielone spacjami

Przyznaj jednostce usługi 8e91e74f-afe9-41cd-8c3f-17a9562a74ea certyfikacji Microsoft Key Vault tajnego użytkownika (lub równoważnego dostępu do odczytu). Ustaw authorization.referenceId w manifeście MCP identyfikator URI Key Vault, a nie tajny identyfikator URI.

Aby uzyskać szczegółowe informacje dotyczące konfiguracji Key Vault, zobacz Microsoft certyfikaty serwera MCP — często zadawane pytania.

Pomoc techniczna, prywatność i warunki:

Wprowadzenie

Przepływ dla administratorów

  1. Kliknij pozycję Nowy agent.
  2. W menu po prawej stronie kliknij pozycję Narzędzia.
  3. Kliknij pozycję Model Context Protocol (MCP).
  4. Wybierz pozycję Analiza klienta — Saifs AI.
  5. Kliknij pozycję Nie połączono, a następnie kliknij pozycję Utwórz nowe połączenie.
  6. Po wyświetleniu monitu ukończ logowanie saifs AI.
  7. Po zalogowaniu połączenie zostanie pomyślnie utworzone.

Przykład: tworzenie agenta priorytetyzacji klienta

  1. Nazwij agenta, na przykład Priorytetyzacja klienta.
  2. Dodaj instrukcje, takie jak:
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. Kliknij pozycję Podgląd , aby przetestować mały plik CSV zakupu.
  2. Kliknij Publikuj.

Szybka weryfikacja po nawiązaniu połączenia

  1. Zaliczył małą książkę (co najmniej wystarczająco dużo klientów i powtórz nabywców, aby model pasował do modelu) za pomocą polecenia customer_tiering.
  2. Potwierdź, że odpowiedź zawiera rejestr poszczególnych klientów, etykiety warstwy, dane warstwy pieniężnej i kolejkę SAVE /GROW / VERIFY.
  3. W przypadku większego pliku wywołaj customer_tiering_get_enginepolecenie , zapisz i uruchom zwrócony skrypt zgodnie z podanym, a następnie potwierdź customer_tiering_result.json , że jest zapisywany.

Obsługiwane operacje

customer_tiering

Ocenia książkę klienta składającą się z 500 wierszy transakcji lub mniej w warstwach A/B/C/D. Wyślij wiersze bezpośrednio; serwer uruchamia modelowanie przetrwania (BG/NBD), modelowanie wydatków (Gamma-Gamma), migrację warstwy, warstwę pieniędzy i karty decyzyjne, a następnie zwraca pełny wynik, w tym rejestr dla poszczególnych klientów z śladami wyjaśnienia.

Użyj, gdy użytkownik prosi o segmentowanie, warstwę lub rangę klientów; tworzenie kolejki wywołań (SAVE /GROW / VERIFY); znajdować konta ryzyka lub wzrostu; szacowanie ekspozycji książek; lub ocenić csv / Excel / Tally / CRM zakup eksportu 500 wierszy lub mniej.

W przypadku książek większych niż 500 wierszy użyj customer_tiering_get_engine zamiast tego.

Wymagane parametry

Parametr Typ Description
transactions macierz Kupowanie wierszy. Każdy element wymaga customer_idelementów , datei amount (> 0, skończonych).

Parametry opcjonalne

Parametr Typ Description
customer_name ciąg W każdej transakcji: opcjonalna nazwa z możliwością odczytu, gdy customer_id jest kodem. Używane do etykiet; grupowanie nadal używa metody customer_id.
as_of ciąg Data YYYY-MM-DDanalizy . Domyślnie jest to data najnowszej transakcji.
horizon_months liczba całkowita Horyzont projekcji CLV w miesiącach (domyślnie 12).
annual_discount_rate number Roczna stawka rabatowa dla CLV (domyślnie 0,10).
currency ciąg Kod waluty ISO tylko do wyświetlania (INR, USD, EUR). Brak konwersji FX.
currency_symbol ciąg Zastąp symbol wyświetlania (na przykład ^ lub $).
risk_period_months liczba całkowita Okno, w którym ocenia się ryzyko rezygnacji (wartość domyślna 3).
contact_effectiveness number Rezerwowa część współczynnika zmian ryzyka odzyskana przez jeden kontakt, gdy brakuje poznanych danych (domyślnie 0,30).
assumed_upgrade_prob number Rezerwowe P(uaktualnienie | skontaktowane) w przypadku niewystarczającej ilości poznanych danych (domyślnie 0,15).
rep_contacts macierz Opcjonalny[{customer_id, date}, ...]. Kompilacje dotknął i nietknięte macierze migracji i uczy się kontaktów uplift na warstwę (≥ 10 dotykanych przejść). Obserwacyjne, a nie przyczynowe.
min_customers_for_model liczba całkowita Poniżej tej liczby bg/NBD odmawia dopasowania (wartość domyślna 10).
min_repeat_buyers_for_model liczba całkowita Poniżej tej liczby powtarzanych nabywców, BG/NBD odmawia dopasowania (domyślnie 5).
include_diagnostics boolean Jeśli wartość true, uwzględnij parametry MLE i diagnostykę dopasowania wielokrotnego uruchamiania (wartość domyślna false).
rep_queue_max_items liczba całkowita Maksymalna długość dziennej kolejki SAVE /GROW / VERIFY (domyślna 8).
rep_queue_min_save_revenue number Ignoruj kandydatów SAVE z przychód okresu istnienia poniżej (wartość domyślna 0).
identity_overrides obiekt Wyrok scala element z review_candidates poprzedniego wywołania: {raw value -> account}.

Czyszczenie tożsamości

Identyfikatory klientów są czyszczone po stronie serwera przed ocenianiem. Litery, odstępy, interpunkcja, sufiks prawny i warianty kolejności wyrazów (na przykład ACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited) są scalane przez regułę. Wysyłaj wartości dokładnie tak, jak są wyświetlane w źródle; nie należy wstępnie normalizować. Niejednoznaczne grupy, które potrzebują ludzkiego osądu, są zwracane w identity_cleaning.review_candidates nieskonwergentnych dla Ciebie, aby rozwiązać za pośrednictwem .identity_overrides

Co można odzyskać (koncepcyjnie)

  • Warstwy A/B/C/D na podstawie przewidywanego środowiska CLV (nie tylko przychód z przeszłości)
  • Ślady wyjaśnień dotyczące tego, dlaczego konto wylądowało w warstwie
  • Wartość zagrożona, skontaktowanie się z wzrostem i podwyższenie do góry nogami w postaci przedziałów walutowych z ufnością
  • Dane dotyczące ekspozycji na poziomie książki
  • Sklasyfikowana kolejka SAVE /GROW / VERIFY rep

customer_tiering_get_engine

W przypadku książek większych niż 500 wierszy transakcji. Zwraca kompletny, uruchamiany skrypt Python, który ocenia książkę w warstwach A/B/C/D z tym samym stosem modelowania i warstwą pieniędzy. Uruchom go w piaskownicy kodu względem pliku transakcji użytkownika. Wiersze nigdy nie przechodzą przez model jako tokeny, więc książka z 10 000 wierszy kosztuje to samo, aby zorganizować jeden z 600 wierszy.

Wymagane parametry

Parametr Typ Description
file_path ciąg Ścieżka do pliku transakcji (CSV/ TSV/ JSON) w piaskownicy. Jeden wiersz na zakup z identyfikatorem klienta, datą i kwotą > 0. Nazwy kolumn są dopasowywane elastycznie.

Parametry opcjonalne

Parametr Typ Description
contacts_path ciąg Opcjonalna ścieżka do dziennika kontaktów rep (identyfikator klienta i tylko data). W przypadku wystarczających dotkniętych przejść wartość kontaktu jest mierzona na warstwę zamiast zakładać.
currency ciąg Kod waluty ISO do wyświetlenia (domyślnie USD).
as_of ciąg Data YYYY-MM-DDanalizy . Wartość domyślna to latest in file (Domyślnie jest to najnowsza wersja pliku).

Jak uruchomić zwrócony skrypt

  1. Zapisz zwrócony skrypt dokładnie tak, jak podany (nie należy ponownie wpisywać, skracać, reformować ani ponownie implementować matematyki).
  2. Edytuj tylko ścieżkę / AS_OF / WALUTA / OUT / PRZESŁONIĘCIA / LINIE KONTAKTÓW u dołu, jeśli to konieczne.
  3. Uruchom go w piaskownicy za pomocą narzędzia numpy.
  4. Przeczytaj drukowane decyzje rankingowe i liczby nagłówków; otwórz pełny rejestr dla klienta zapisany obok danych wejściowych (wartość domyślna customer_tiering_result.json).

Wstępnie zagregowane podsumowanie dla klienta nie będzie działać — modele wymagają chronometrażu zakupu.

Jak działa ocenianie (zwykły język)

McP łączy klasyczną analizę klienta w jeden objaśniony rejestr:

  1. Ranking linii bazowej — stężenie Pareto / ABC jako kontrola kondycji.
  2. Wczesne ostrzeżenie behawioralne — recencyjność, częstotliwość i sygnały pieniężne w stylu RFM dla śladu wyjaśnienia.
  3. Prawdopodobieństwo żywe — modelowanie przetrwania BG/NBD szacuje, czy konto jest nadal aktywne.
  4. Wydatki i CLV — Gamma-Gamma wydatków na projekty modelowania oczekiwane w przyszłości; warstwy są zgodne z przewidywaną klasą CLV.
  5. Migracja i podnoszenie poziomu — przejścia w warstwie w stylu Markov; opcjonalna historia kontaktu rep-contact uczy się dotknął vs untouched uplift.
  6. Warstwa pieniędzy — zamienia prawdopodobieństwa na wartość zagrożoną, wartość kontaktu, podwyższenie poziomu do góry nogami i ekspozycję książkową, zgłoszone jako zakresy z ufnością — nigdy nie ma oszacowań punktów samodzielnie.

Dane dotyczące kanału i pieniędzy są przewodnikiem kierunkowym od historii zakupów, a nie eksperymentem laboratoryjnym potwierdzającym przyczynę.

Znane problemy i ograniczenia

  • Wymagane jest aktywne konto. Wymagane jest aktywne konto Saifs AI z dostępem do analizy klienta. Nie można wywołać narzędzi do momentu pomyślnego zakończenia logowania OAuth w połączeniu.
  • Minimalne dane do dopasowania. Poniżej skonfigurowanych progów klienta i powtarzania nabywcy (wartości domyślne: 10 klientów, 5 powtórzonych nabywców), BG/NBD nie chce zmieścić się. Dodaj więcej historii lub zmniejsz progi tylko wtedy, gdy książka jest naprawdę mała, a użytkownik akceptuje słabsze dopasowanie.
  • Wymagany jest czas zakupu. Nie można ocenić zagregowanych podsumowań jeden wiersz na klienta. Wyeksportuj zakupy na poziomie wiersza lub na poziomie faktury.
  • Limit rozmiaru ścieżki wiersza. customer_tiering akceptuje 500 wierszy transakcji lub mniej. Większe książki muszą używać customer_tiering_get_engine plus piaskownicy numpy.
  • Scalania tożsamości są oparte na regułach. Automatyczne czyszczenie scala wyczyść warianty pisowni/wielkości liter/sufiksu. Niejednoznaczne pary (na przykład Acme & Co vs Acme Pvt Ltd) pozostają oddzielone, dopóki nie zastosujesz się identity_overrides po przejrzeniu.
  • Winda kontaktowa jest obserwacja. rep_contacts poprawia oszacowanie warstwy pieniężnej, gdy wystarczająco gęste (≥ 10 dotykanych przejść na warstwę). Nie jest to losowy dowód przyczynowy. Warstwy rozrzedłe wracają do contact_effectiveness / assumed_upgrade_probwarstwy .
  • Waluta to etykieta wyświetlana. Przekazywanie INR lub USD nie konwertuje kwot. Wysyłaj kwoty już w walucie, którą chcesz zgłosić.
  • Model zakupu niekontraktowego. Domyślny stos dotyczy książek niekontraktowych /powtarzanych zakupów (dystrybutorów, agencji, D2C, handlu). Czyste książki odnawiania subskrypcji mogą wymagać innego tworzenia ramek; cienkie lub nieodpowiednie książki powinny być odrzucane z wyraźnym powodem, a nie nadmiernie dopasowane.
  • Dane osobowe. Historia zakupów może być danymi osobowymi zgodnie z obowiązującym prawem ochrony prywatności (w tym indyjską dpDP). Używaj tylko danych, które masz uprawnienia do przetwarzania; zachowaj zasady przechowywania i usuwania na żądanie.
  • Brak fx, brak zapisu CRM w wersji 1. McP ocenia i wyjaśnia; nie wypycha aktualizacji do usługi Salesforce, HubSpot ani usługi Dataverse.

Często zadawane pytania

Jak połączyć umowę MCP?

Postępuj zgodnie z usługą Flow dla administratorów w obszarze Wprowadzenie: Nowe narzędzia → narzędzi agenta → protokołu kontekstowego modelu (MCP) → wybierz pozycję Analiza klienta — Saifs AI → Utwórz nowe połączenie → ukończ logowanie Saifs AI.

Jakich kolumn potrzebuję w pliku?

Co najmniej: identyfikator klienta, data zakupu i dodatnia kwota. Większość nazw kolumn CRM i Excel jest akceptowana bez zmiany nazwy. Opcjonalnie dołącz kolumnę nazwy klienta, gdy identyfikator jest kodem, oraz oddzielny dziennik kontaktów (customer_id, date), aby ulepszyć szacowania wzrostu.

Którego narzędzia należy użyć?

  • 500 wierszy lub mniej:customer_tiering (wysyłaj wiersze w wywołaniu narzędzia).
  • Więcej niż 500 wierszy:customer_tiering_get_engine (uruchom zwrócony skrypt lokalnie).

Co to jest kolejka SAVE/GROW/VERIFY?

Krótka, rankingowa lista dzienna dla repów:

  • SAVE — konta o wartości materialnej zagrożonej, jeśli zaniedbysz
  • GROW — konta z uaktualnieniem do góry nogami, jeśli skontaktowano się z
  • VERIFY — konta, które wymagają potwierdzenia tożsamości lub danych przed działaniem

Dlaczego dane pieniężne pokazują zakresy?

Każda wartość waluty jest dostarczana z ufnością modelu (na przykład zakresem), a nie tylko pojedynczym oszacowaniem punktów. Uczciwość ta jest celowa, aby menedżerowie mogli ufać liczbom, gdy rzeczywistość ląduje w zasięgu.

Czy mogę ocenić eksporty Tally lub Excel?

Yes. Każdy eksport z wierszami zakupu (customer_id /party, date, amount) działa. Czyścić wstępnie tylko wtedy, gdy jest to konieczne; warianty tożsamości są scalane przez narzędzia.

Instrukcje dotyczące wdrażania

  1. W Copilot Studio utwórz nowego agenta i dodaj agenta Customer Intelligence — Saifs AI jako narzędzie MCP.
  2. Utwórz nowe połączenie i ukończ logowanie aplikacji Saifs AI.
  3. Dodaj instrukcje agenta dotyczące przypadku użycia priorytetyzacji sprzedaży (zobacz Wprowadzenie), Wersja zapoznawcza z przykładowym plikiem zakupu, a następnie opublikuj.
  4. Zachowaj dynamiczną powierzchnię narzędzia MCP zgodną z tą dokumentacją podczas przesyłania lub aktualizowania pakietów certyfikacji Microsoft w obszarze Aplikacje i agenci dla M365 i Copilot typ oferty. Oczekiwania dotyczące pakietów (manifest, definicje narzędzi, intro.mdkonfiguracja uwierzytelniania) są opisane w Microsoft certyfikacji serwera MCP.

Support

Akcje

Sztuczna inteligencja Intelligence-Saifs klienta

Ocenianie klientów w warstwach A/B/C/D przy użyciu wyjaśnień CLV, ryzyka.

Sztuczna inteligencja Intelligence-Saifs klienta

Identyfikator operacji:
InvokeMCP

Ocenianie klientów w warstwach A/B/C/D przy użyciu wyjaśnień CLV, ryzyka.