IA do Intelligence-Saifs do cliente (versão prévia)

Pontuar clientes em camadas A/B/C/D com CLV explicado, risco.

Esse conector está disponível nos seguintes produtos e regiões:

Serviço Classe Regions
Copilot Studio Premium Todas as regiões Power Automate exceto as seguintes:
     – Governo dos EUA (GCC)
     – Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Aplicativos Lógicos Standard Todas as regiões dos Aplicativos Lógicos , exceto as seguintes:
     – Azure Governamental regiões
     - Regiões do Azure China
     - Departamento de Defesa dos EUA (DoD)
Power Apps Premium Todas as regiões Power Apps exceto as seguintes:
     – Governo dos EUA (GCC)
     – Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Power Automate Premium Todas as regiões Power Automate exceto as seguintes:
     – Governo dos EUA (GCC)
     – Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Contato
Name IA do Saifs
URL https://saifs.ai/
Email taher@saifytech.com
Metadados do conector
Publicador IA do Saifs
Website https://saifs.ai/
Política de Privacidade https://saifs.ai/privacy_policy/customer-intelligence
Categories IA; Dados

Inteligência do Cliente – IA do Saifs

Inteligência do Cliente – A IA do Saifs é um servidor MCP (Protocolo de Contexto de Modelo) que pontua um livro de compra do cliente em camadas A/B/C/D com CLV (valor de tempo de vida do cliente) explicado, valor em risco, elevação de contato e uma fila de repositório SAVE/GROW/VERIFY classificada. Ele usa o histórico de compras (customer_id, date, ) amountde exportações de CSV, Excel, Tally ou CRM e retorna um razão por cliente com rastreamentos explicativos para que as equipes de vendas priorizem por dinheiro em jogo, não apenas rótulos.

Publisher: IA do Saifs

Prerequisites

  • Acesso a Microsoft Copilot Studio (ou a outra superfície de agente de Microsoft com suporte)
  • Permissão para criar agentes e adicionar ferramentas MCP
  • Uma conta de IA do Saifs para concluir a entrada na conexão
  • Uma exportação de compra com uma linha por transação que contém pelo menos:
    • customer_id (ou equivalente: AccountId, Nome da Festa e aliases semelhantes)
    • date (ou equivalente: invoice_date, Data da Fatura)
    • amount maior que 0 (ou equivalente: receita, Valor da Fatura)
  • Opcional, mas recomendado para o aprendizado entre contatos: um log de contato de representante com customer_id e date somente (chamadas, visitas ou toques do WhatsApp)
  • Para livros com mais de 500 linhas de transação: uma área restrita de código com numpy para executar o script de pontuação retornado por customer_tiering_get_engine

Obtendo credenciais

Esse MCP usa o OAuth 2.0 com a IA do Saifs.

Para fabricantes que conectam o MCP em Copilot Studio

Administradores e criadores não criam chaves de API manualmente. Ao criar uma nova conexão no Copilot Studio, você será redirecionado para a IA do Saifs para autenticar. Após o logon bem-sucedido, a conexão é criada e o agente pode chamar ferramentas MCP nessa conta.

Para editores/validação de Microsoft (Azure Key Vault)

Os envios de certificação configuram o OAuth por meio de Azure Key Vault (authorization.type = AzureKeyVault). Armazenar segredos com nomes exatos (diferencia maiúsculas de minúsculas):

Nome do segredo Necessário para o OAuth 2.0 Purpose
ClientId Yes ID do cliente/aplicativo OAuth
ClientSecret Yes Segredo do cliente OAuth
AuthorizationUrl Sim (OAuth2) Ponto de extremidade de autorização
TokenUrl Yes Ponto de extremidade de token
RefreshUrl Se os tokens de atualização forem usados Atualizar ponto de extremidade
Scopes Se os escopos forem necessários Escopos separados por espaço

Conceda à entidade de serviço 8e91e74f-afe9-41cd-8c3f-17a9562a74ea de certificação Microsoft Key Vault Usuário de Segredos (ou acesso de leitura equivalente). Defina authorization.referenceId no manifesto do MCP como o URI do Key Vault, não um URI secreto.

Para obter Key Vault detalhes da instalação, consulte Microsoft certificação do servidor MCP — perguntas frequentes.

Suporte, privacidade e termos:

Introdução

Fluxo para administradores

  1. Clique em Novo Agente.
  2. No menu do lado direito, clique em Ferramentas.
  3. Clique em Protocolo de Contexto de Modelo (MCP).
  4. Selecione Inteligência do Cliente – IA do Saifs.
  5. Clique em Não Conectado e, em seguida, clique em Criar Nova Conexão.
  6. Conclua a entrada de IA do Saifs quando solicitado.
  7. Após o logon, a conexão é criada com êxito.

Exemplo: criar um agente de Priorização do Cliente

  1. Nomeie seu agente, por exemplo, Priorização do Cliente.
  2. Adicione instruções como:
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. Clique em Visualizar para testar com um CSV de compra pequena.
  2. Clique em Publicar.

Verificação rápida após a conexão

  1. Marque um livro pequeno (pelo menos clientes suficientes e repita compradores para que o modelo se ajuste) com customer_tiering.
  2. Confirme se a resposta inclui um razão por cliente, rótulos de camada, números de camada de dinheiro e uma fila SAVE/GROW/VERIFY.
  3. Para um arquivo maior, chame customer_tiering_get_engine, salve e execute o script retornado conforme determinado e confirme customer_tiering_result.json se está gravado.

Operações com suporte

customer_tiering

Pontua um livro de clientes de 500 linhas de transação ou menos em camadas A/B/C/D. Enviar as linhas diretamente; o servidor executa modelagem de sobrevivência (BG/NBD), modelagem de gastos (Gamma-Gamma), migração de camada, a camada de dinheiro e cartões de decisão e retorna o resultado completo, incluindo um razão por cliente com rastreamentos explicativos.

Use quando o usuário solicitar segmentação, camada ou classificação de clientes; criar uma fila de chamadas (SAVE/GROW/VERIFY); localizar contas em risco ou de crescimento; estimar exposição de livro; ou pontuar uma exportação de compra CSV/Excel/Tally/CRM de 500 linhas ou menos.

Para livros com mais de 500 linhas, use customer_tiering_get_engine em vez disso.

Parâmetros necessários

Parâmetro Tipo Description
transactions matriz Linhas de compra. Cada item precisa customer_ide dateamount (> 0, finito).

Parâmetros opcionais

Parâmetro Tipo Description
customer_name cadeia Em cada transação: nome legível opcional quando customer_id é um código. Usado para rótulos; o agrupamento ainda usa customer_id.
as_of cadeia Data da análise YYYY-MM-DD. O padrão é a data da transação mais recente.
horizon_months inteiro Horizonte de projeção CLV em meses (padrão 12).
annual_discount_rate número Taxa de desconto anual para CLV (padrão 0,10).
currency cadeia Código de moeda ISO somente para exibição (INR, USD, EUR). Nenhuma conversão FX.
currency_symbol cadeia Substitua o símbolo de exibição (por exemplo₹ ou $).
risk_period_months inteiro Janela sobre a qual o risco de variação de negligência é avaliado (padrão 3).
contact_effectiveness número Fração de fallback da variação em risco recuperada por um contato quando os dados aprendidos estão ausentes (padrão 0,30).
assumed_upgrade_prob número Fallback P(upgrade | contacted) quando dados aprendidos são insuficientes (padrão 0,15).
rep_contacts matriz [{customer_id, date}, ...] opcional. Cria matrizes de migração tocadas versus intocadas e aprende a contatar a elevação por camada (≥ 10 transições tocadas). Observacional, não causal.
min_customers_for_model inteiro Abaixo dessa contagem, BG/NBD se recusa a ajustar (padrão 10).
min_repeat_buyers_for_model inteiro Abaixo dessa contagem de compradores repetidos, o BG/NBD se recusa a se ajustar (padrão 5).
include_diagnostics booliano Se for true, inclua params MLE e diagnóstico de ajuste de várias inicializações (falso padrão).
rep_queue_max_items inteiro Comprimento máximo da fila SAVE/GROW/VERIFY diária (padrão 8).
rep_queue_min_save_revenue número Ignore os candidatos SAVE com receita de tempo de vida abaixo disso (padrão 0).
identity_overrides objeto O julgamento mescla de review_candidates uma chamada anterior: {raw value -> account}.

Limpeza de identidade

Os identificadores do cliente são limpos no lado do servidor antes da pontuação. As variantes de capitalização, espaçamento, pontuação, sufixo legal e ordem de palavras (por exemploACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited) são mescladas por regra. Enviar valores exatamente como eles aparecem na origem; não pré-normalizar. Grupos ambíguos que precisam de julgamento humano são retornados em identity_cleaning.review_candidates não mesclados para que você resolva por .identity_overrides

O que você recebe de volta (conceitualmente)

  • Camadas A/B/C/D com base no CLV previsto (não apenas na receita passada)
  • Rastreamentos de explicação para o motivo pelo qual uma conta caiu em uma camada
  • Valor em risco, elevação de contato e atualização emoldurada como intervalos de moeda com confiança
  • Números de exposição no nível do livro
  • Uma fila de repositório SAVE/GROW/VERIFY classificada

customer_tiering_get_engine

Para livros com mais de 500 linhas de transação. Retorna um script Python completo e executável que pontua o livro em camadas A/B/C/D com a mesma pilha de modelagem e camada de dinheiro. Execute-o na área restrita de código em relação ao arquivo de transação do usuário. As linhas nunca passam pelo modelo como tokens, portanto, um livro de 10.000 linhas custa o mesmo para orquestrar como um de 600 linhas.

Parâmetros necessários

Parâmetro Tipo Description
file_path cadeia Caminho para o arquivo de transação (CSV/TSV/JSON) dentro da área restrita. Uma linha por compra com identificador de cliente, data e valor > 0. Os nomes das colunas são correspondidos de forma flexível.

Parâmetros opcionais

Parâmetro Tipo Description
contacts_path cadeia Caminho opcional para um log de rep-contact (identificador do cliente + somente data). Com transições tocadas suficientes, o valor do contato é medido por camada em vez de assumido.
currency cadeia Código de moeda ISO para exibição (USD padrão).
as_of cadeia Data da análise YYYY-MM-DD. O padrão é o mais recente no arquivo.

Como executar o script retornado

  1. Salve o script retornado exatamente como dado (não digite novamente, encurte, reformate ou reimplemente as matemáticas).
  2. Edite apenas as linhas PATH/AS_OF/CURRENCY/OUT/OVERRIDES/CONTACTS na parte inferior, se necessário.
  3. Execute-o em uma área restrita com numpy.
  4. Leia as decisões classificadas impressas e as figuras de manchete; abra o razão completo por cliente escrito ao lado da entrada (padrão customer_tiering_result.json).

Um resumo pré-agregado por cliente não funcionará – os modelos precisam de tempo de compra.

Como a pontuação funciona (linguagem simples)

O MCP combina a análise clássica do cliente em um razão explicado:

  1. Classificação da linha de base – concentração de Pareto/ABC como uma verificação de sanidade.
  2. Aviso precoce comportamental – sinais monetários, frequência e frequência no estilo RFM para o rastreamento de explicação.
  3. Probabilidade ativa – a modelagem de sobrevivência bg/NBD estima se uma conta ainda está ativa.
  4. Gastos e CLV — Gamma-Gamma os projetos de modelagem de gastos esperados para o valor futuro; as camadas seguem o CLV previsto.
  5. Migração e elevação – transições de camada no estilo Markov; o histórico de contatos de rep opcionais aprende a tocar versus a elevação intocada.
  6. Camada de dinheiro – transforma probabilidades em valor em risco, valor de contato, atualização de vantagens e exposição de livros, relatadas como intervalos com confiança – nunca apenas estimativas de ponto nu.

Figuras de canal e dinheiro são um guia direcional do histórico de compras, não um experimento de laboratório provando causalidade.

Problemas e limitações conhecidos

  • Conta ativa necessária. Uma conta de IA do Saifs ativa com acesso ao Customer Intelligence é necessária. As ferramentas não podem ser chamadas até que a entrada do OAuth seja concluída com êxito na conexão.
  • Dados mínimos para ajuste. Abaixo dos limites configurados do cliente e do comprador repetido (padrões: 10 clientes, 5 compradores repetidos), o BG/NBD se recusa a se ajustar. Adicione mais histórico ou reduza os limites somente quando o livro for genuinamente pequeno e o usuário aceitar um ajuste mais fraco.
  • Tempo de compra necessário. Resumos agregados de uma linha por cliente não podem ser pontuados. Exportar compras de nível de linha ou de fatura.
  • Limite de tamanho do caminho de linha. customer_tiering aceita 500 linhas de transação ou menos. Livros maiores devem usar customer_tiering_get_engine mais uma área restrita numpy.
  • Mesclagens de identidade são baseadas em regras. A limpeza automática mescla variantes de ortografia/caso/sufixo claras. Pares ambíguos (por exemplo Acme & Co vs Acme Pvt Ltd) permanecem separados até que você aplique identity_overrides após a revisão.
  • A elevação de contato é observacional. rep_contacts melhora as estimativas de camada de dinheiro quando densa o suficiente (≥ 10 transições tocadas por camada). Não é uma prova causal aleatória. Camadas esparsas recuam para contact_effectiveness / assumed_upgrade_prob.
  • A moeda é um rótulo de exibição. Passar INR ou USD não converte valores. Envie valores já na moeda desejada relatada.
  • Modelo de compra não contratual. A pilha padrão tem como destino livros não contratuais/de compra repetida (distribuidores, agências, D2C, comércio). Livros de renovação de assinatura pura podem precisar de um enquadramento diferente; livros finos ou inadequados devem ser recusados com uma razão clara em vez de sobreajustado.
  • Dados pessoais. O histórico de compras pode ser dados pessoais sob a lei de privacidade aplicável (incluindo o DPDP da Índia). Use apenas os dados que você está autorizado a processar; mantenha as políticas de retenção e exclusão na solicitação em vigor.
  • Sem FX, sem write-back de CRM na v1. O MCP pontua e explica; ele não envia atualizações por push para Salesforce, HubSpot ou Dataverse por si só.

Perguntas frequentes

Como faço para conectar o MCP?

Siga o Flow para administradores em Introdução: New Agent → Tools → Model Context Protocol (MCP) → selecione Customer Intelligence – Saifs AI → Create New Connection → complete Saifs AI login.

Quais colunas preciso no meu arquivo?

No mínimo: um identificador do cliente, uma data de compra e um valor positivo. A maioria dos nomes de colunas CRM e Excel são aceitos sem renomeação. Opcionalmente, inclua uma coluna de nome de cliente quando a ID for um código e um log de contatos separado (customer_id, date) para melhorar as estimativas de elevação.

Qual ferramenta devo usar?

  • 500 linhas ou menos:customer_tiering (envie linhas na chamada de ferramenta).
  • Mais de 500 linhas:customer_tiering_get_engine (execute o script retornado localmente).

O que é a fila SAVE/GROW/VERIFY?

Uma lista diária curta e classificada em dinheiro para representantes:

  • SAVE — contas com valor material em risco se negligenciadas
  • GROW — contas com atualização de vantagens se contatadas
  • VERIFY — contas que precisam de identidade ou confirmação de dados antes de agir

Por que os números de dinheiro mostram intervalos?

Cada figura de moeda é fornecida com a confiança do modelo (por exemplo, um intervalo), não apenas uma estimativa de ponto único. Essa honestidade é intencional para que os gerentes possam confiar nos números quando a realidade chega dentro do intervalo.

Posso pontuar as exportações de Contagem ou Excel?

Sim. Qualquer exportação com linhas de compra (customer_id /party, date, amount) funciona. Pré-limpar somente se você precisar; as variantes de identidade são mescladas pelas ferramentas.

Instruções de implantação

  1. Em Copilot Studio, crie um novo agente e adicione o Customer Intelligence – Saifs AI como uma ferramenta MCP.
  2. Crie uma nova conexão e conclua a entrada de IA do Saifs.
  3. Adicione instruções do agente para o caso de uso de priorização de vendas (consulte Introdução), visualização com um arquivo de compra de exemplo e, em seguida, Publicar.
  4. Mantenha a superfície da ferramenta MCP dinâmica alinhada com esta documentação ao enviar ou atualizar pacotes de certificação Microsoft nos Aplicativos e Agentes para M365 e Copilot tipo de oferta. As expectativas do pacote (manifesto, definições de ferramenta, intro.mdconfiguração de autenticação) são descritas em Microsoft certificação do servidor MCP.

Support

Ações

IA do Intelligence-Saifs do cliente

Pontuar clientes em camadas A/B/C/D com CLV explicado, risco.

IA do Intelligence-Saifs do cliente

Pontuar clientes em camadas A/B/C/D com CLV explicado, risco.