Sugerowane segmenty (wersja zapoznawcza)

[Ten artykuł stanowi wstępną wersję dokumentacji i może ulec zmianie.]

Wykorzystaj sugerowane segmenty w Dynamics 365 Customer Insights - Data, aby odkryć wartościowe grupy klientów. Sugestie mogą identyfikować wzorce na podstawie aktywności klienta lub pokazać, jak miary i atrybuty odnoszą się do kluczowych wskaźników efektywności (KPI).

Sugerowana karta segmentów przedstawiająca sugestie dotyczące segmentów opartych na działaniach i segmentach opartych na atrybutach.

Ważne

Jest to funkcja w wersji zapoznawczej.
Funkcje w wersji zapoznawczej nie są przeznaczone do użytku produkcyjnego i mogą mieć ograniczone funkcje. Te funkcje są dostępne przed oficjalną wersją, aby klienci mogli uzyskać wczesny dostęp i przekazać opinię.

Sugerowane segmenty na podstawie aktywności

Odkryj interesujące segmenty wśród klientów na podstawie danych o aktywności klientów zaimportowanych do Customer Insights - Data. Przykładowe dane aktywności to transakcje, czas trwania wywołań pomocy technicznej, zakupy lub zwroty. Aby sugerować segmenty, analizuje się dane dotyczące aktywności pod kątem aktualności, częstotliwości oraz wartości pieniężnej (lub czasu trwania).

Kategoryzowanie klientów według działań

Dzięki danym aktywności dostępnym w usłudze Customer Insights — dane możemy wygenerować sugestie reprezentujące grupy klientów:

najbardziej aktywni klienci
klientów, którzy dokonali większości zakupów
klientów, którzy wygenerowali największy przychód
klientów, którzy ostatnio nie byli aktywni
klienci, którzy często wchodzą w interakcję z Twoją firmą

Jeśli masz firmę handlu detalicznego, możesz dowiedzieć się, którzy klienci generują największe przychody i nagradzają je kuponem. Możesz też zidentyfikować okazjonalnych klientów i zaoferować im dołączenie do programu nagród, aby częściej odwiedzali twoją firmę. Jeśli zapewniasz opiekę zdrowotną publiczną i twoim celem jest zminimalizowanie wydatków dla poszczególnych pacjentów, możesz spróbować zmniejszyć liczbę wizyt cyklicznych, zapewniając najlepszą możliwą opiekę w jak najmniejszej liczbą wizyt. W takim przypadku twoim celem jest utrzymanie niskiej częstotliwości wizyty i zminimalizowanie kosztów cyklicznych dla pacjentów. Możesz też zidentyfikować segmenty pacjentów, u których często występują wizyty i wysokie koszty cykliczne, i analizować te przypadki, aby poprawić leczenie osoby.

Sugerowane segmenty oparte na miarach

Odkryj interesujące segmenty klientów za pomocą modelu sztucznej inteligencji. Ta funkcja oparta na uczeniu maszynowym sugeruje segmenty na podstawie miar lub atrybutów klienta. Może to pomóc poprawić kluczowe wskaźniki wydajności (KPI) lub lepiej zrozumieć wpływ atrybutów w kontekście innych atrybutów.

Uwaga / Notatka

Funkcja sugerowanych segmentów używa zautomatyzowanych środków do oceny danych i przewidywania na podstawie tych danych. W związku z tym ma możliwość użycia jako metody profilowania, ponieważ ten termin jest definiowany przez przepisy i przepisy dotyczące prywatności. Korzystanie z tej funkcji do przetwarzania danych może podlegać tym prawom lub przepisom. Użytkownik jest odpowiedzialny za zapewnienie, że korzystanie z usługi Customer Insights — dane, w tym ta funkcja, jest zgodne ze wszystkimi obowiązującymi przepisami i przepisami, w tym prawami związanymi z prywatnością, danymi osobowymi, danymi biometrycznymi, ochroną danych i poufnością komunikacji.

Sugerowana strona segmentów przedstawiająca szczegóły sugestii w okienku bocznym.

Sugerowane segmenty w celu poprawy wskaźników KPI

Jeśli używasz utworzonych miar, aby pomóc w śledzeniu wskaźników KPI, utwórz segmenty, aby zobaczyć, co wpływa na KPI. Możesz użyć tych informacji do uruchomienia wysoce ukierunkowanej kampanii.

Możesz na przykład śledzić miarę o nazwie TotalSpendPerCustomer. Jako firma chcesz zobaczyć, jak ta liczba rośnie. Wybierając miarę jako atrybut podstawowy, wybierz atrybuty, które chcesz ocenić pod kątem wpływu. Załóżmy, że warstwa członkostwa, okres członkostwa i zawód. Aplikacja Customer Insights - Data może następnie zasugerować segment, który powie Ci, kto ma największy wpływ na tę miarę. Na przykład Księgowi, którzy są członkami na poziomie Gold i którzy są związani z Twoją firmą od co najmniej pięciu lat, mają największy wpływ na TotalSpendPerCustomer. Otrzymasz szacowany rozmiar segmentu dla każdej sugestii. Te informacje umożliwiają tworzenie kampanii dla docelowych odbiorców.

Informacje o tym, co wpływa na atrybut klienta

Możesz wybrać atrybut klienta zamiast miary jako atrybut podstawowy. Na podstawie wyboru atrybutów model sztucznej inteligencji tworzy serię sugestii, które pokazują, jak wybrane atrybuty wpływają na atrybut podstawowy.

Na przykład możesz wybrać uczestnik programu Rewards (Tak/Nie) jako atrybut główny. Staż, Zawód i Liczba zgłoszeń do pomocy technicznej są ustawione jako inne atrybuty wpływające. Model AI może wskazywać segmenty sugerujące, że ich członkami są głównie specjaliści IT ze stażem przekraczającym dwa lata, należący do programu lojalnościowego. Inna sugestia może podkreślić, że księgowi z stażem powyżej roku i mniej niż trzema biletami pomocy technicznej są członkami z nagrodami.

Użycie sztucznej inteligencji

Korzystając z atrybutu podstawowego i wpływając na atrybuty, algorytm drzewa decyzyjnego sugeruje interesujące segmenty. Sugestie są oparte na regułach lub wzorcach, które zostały odebrane przez algorytm sztucznej inteligencji. Jako sugestie są wyświetlane tylko segmenty, które znacznie różnią się od średniej populacji. Porównanie średniej populacji jest oparte na wybranej mierze lub atrybucie podstawowym.

Odpowiedzialne używanie sztucznej inteligencji

W przypadku sugerowanych segmentów wybierasz atrybuty, aby utworzyć nowe segmenty i przetworzyć wybrane dane. Podczas wybierania atrybutów, w tym poufnych atrybutów, takich jak rasa, orientacja seksualna lub płeć, musisz upewnić się, że możesz i powinien przetwarzać te dane. Użytkownik jest odpowiedzialny za przestrzeganie wszelkich przepisów mających zastosowanie do organizacji i przestrzegania zasad i zasad ochrony prywatności w organizacji.

Różne wyniki dla atrybutów podstawowych z wartościami kategorialnymi i liczbowymi

Sugestie dotyczące segmentów różnią się w przypadku wybrania atrybutu liczbowego lub atrybutu kategorii jako atrybutu podstawowego. Wartości w atrybucie kategorii zawierają co najmniej dwie kategorie lub typy. Atrybut liczbowy zawiera dane ilościowe i ma poczucie pomiaru skojarzonego z nim.

W przypadku atrybutu liczbowego, takiego jak roczny dochód lub okres członkostwa jako atrybut podstawowy, system sugeruje segmenty, które mają wyższą lub niższą średnią wartość atrybutu liczbowego w porównaniu ze wszystkimi klientami.

Atrybut kategorii, taki jak zadowolenie klientów jako atrybut podstawowy, powoduje sugerowane segmenty, które mają wyższy lub niższy procent klientów należących do określonej kategorii w porównaniu do procentu wszystkich klientów należących do tej samej kategorii. Na przykład zadowolenie klientów jest wybierane jako atrybut podstawowy i składa się z trzech kategorii (Niski, Średni i Wysoki). W przypadku każdej kategorii sugerowane będą segmenty, które mają wyższy lub niższy procent klientów należących do tej kategorii w porównaniu z proporcją wszystkich klientów w tej samej kategorii. Jeśli 22% wszystkich klientów ma wysoką satysfakcję, wówczas sugerowane będą tylko segmenty, które mają wyższy lub niższy odsetek klientów o wysokim zadowoleniu w porównaniu z 22%. Podobnie, segmenty będą sugerowane dla każdej z pozostałych kategorii (Niski i Średni), jeśli są statystycznie znaczące.