Föreslagna segment (förhandsversion)
[Denna artikel är en förhandsversion av dokumentationen och kan komma att ändras.]
Dynamics 365 Customer Insights - Data kan föreslå segment baserade på aktivitet eller mått.
Viktigt!
- Detta är en förhandsversion.
- Förhandsversion ska inte användas i produktion, och funktionerna kan vara begränsade. funktionerna är tillgängliga före den officiella publiceringen så att kunderna kan få tillgång tidigare och ge oss feedback.
Förslag på segment baserat på aktivitet (förhandsgranskning)
Upptäck kundsegment som är intressanta och baserade på kundaktivitetsdata som är baserade på Customer Insights - Data. Exempel på aktivitetsdata är transaktioner, varaktighet för supportsamtal, köp eller returer. Om du vill föreslå segment analyseras aktivitetsdata efter recency, frekvens och monetärt värde (eller varaktighet).
Kategorisera kunder efter aktivitet
Med aktivitetsdata som är tillgängliga i Customer Insights - Data, kan vi generera förslag som representerar kundgrupper:
- mes aktiva kunderna
- kunder som har gjort flest inköp
- kunder som genererat mest omsättning
- kunder som inte har varit aktiva på sistone
- kunder som ofta interagerar med ditt företag
Om du har ett återförsäljningsföretag kan du ta reda på vilka kunder som genererar mest intäkter och ge dem en rabatt. Du kan även identifiera enstaka kunder och erbjuda dem att gå med i ett program för att besöka din verksamhet oftare. Om du tillhandahåller offentlig hälso- och sjukvård och har som mål att minimera kostnaderna för den enskilda personen, kan du försöka minska antalet återkommande besök genom att erbjuda bästa möjliga vård på så få besök som möjligt. I det här fallet är målet att hålla besöksfrekvensen låg och minimera återkommande kostnader för besöket. Du kan också identifiera grupper med personer som ofta har avtalade tider och stora återkommande kostnader, och analysera dessa ärenden för att förbättra den enskildes behov.
Förslag på segment baserat på mått (förhandsgranskning)
Identifiera intressanta segment för dina kunder med hjälp av en AI-modell. Maskininlärningsfunktionen föreslår segment baserat på mått eller kundattribut. Den kan förbättra KPI:er eller ge dig en bättre förståelse av attributens påverkan på andra attribut.
Kommentar
Funktionen för föreslagna segment använder automatiserade metoder för att utvärdera data och göra prognoser utifrån dessa data. Den kan därför användas som profilmetod eftersom den termen definieras av sekretesslagar och -regler. Din användning av den här funktionen för att bearbeta data kan omfattas av dessa lagar och förordningar. Du ansvarar för att din användning av Customer Insights - Data, inklusive denna funktion, följer alla tillämpliga lagar och förordningar, inklusive lagar som rör sekretess, personuppgifter, biometriska data, dataskydd och sekretess för kommunikation.
Förslag på segment för att förbättra KPI:er
Om du använder mått som skapats för att hjälpa dig att spåra KPI:er skapar du segment för att visa påverkan på KPI:en. Du kan använda den här informationen för att köra en mycket riktad kampanj.
Du spårar till exempel ett mått som kallas TotalSpendPerCustomer. Som ett företag skulle du vilja se det här antalet växa. Om du väljer ett mått som primärt attribut kan du välja vilka attribut du vill utvärdera för påverkan. Låt säga medlemsskapsnivå, medlemsskapsperiod och arbete. Customer Insights - Data kan sedan föreslå ett segment som informerar dig om vem som har den största påverkan på måttet. Till exempel revisorer som är Guld-medlemmar och som har varit lojala till ditt företag i minst fem år är den största påverkaren för TotalSpendPerCustomer. Du får en beräknad segmentstorlek för varje förslag. Du kan använda den här informationen om du vill skapa kampanjer för en särskild målgrupp.
Förstå vad som påverkar ett kundattribut
Du kan välja ett kundattribut i stället för ett mått som det primära attributet. Baserat på ditt val av påverkande attribut skapar AI-modellen ett antal förslag som visar hur de valda attributen påverkar det primära attributet.
Du kan till exempel välja Rewards-medlem (Ja/Nej) som primärt attribut. Fast anställning, Arbete och Antal supportärenden anges som andra påverkande attribut. AI-modellen kan föreslå segment som pekar på att de flesta Rewards-medlemmar är IT-experter som har haft fast anställning i mer än två år. Ett annat förslag skulle kunna peka på att revisorer som har haft fast anställning i mer än ett år och har färre än tre supportärenden är Rewards-medlemmar.
Användning av artificiell intelligens
Med hjälp av det primära attributet och påverkande attribut föreslår en beslutsträdsalgoritm intressanta segment. Förslagen bygger på regler eller mönster som har hämtats av AI-algoritmen. Endast segment som skiljer sig markant från genomsnittspopulationen visas som förslag. Jämförelsen med genomsnittspopulationen baseras på det valda måttet eller det primära attributet.
Ansvarsfull AI
Med hjälp av segment som föreslås kan du välja attribut för att skapa nya segment och bearbeta de data du väljer. När du väljer attribut, inklusive känsliga attribut som etnicitet, sexuell läggning eller kön, måste du se till att du kan och bör bearbeta dessa data. Du är ansvarig för att följa alla lagar som gäller för din organisation och följa organisationens principer och sekretesspolicyer.
Olika resultat för primära attribut med kategoriska och numeriska värden
Segmentförslag skiljer sig om du väljer ett numeriskt attribut eller ett kategoriskt attribut som primärt attribut. Värden i ett kategoriskt attribut innehåller två eller flera kategorier eller typer. Ett numeriskt attribut innehåller kvantitativt innehåll och har ett mått associerat till det.
Med ett numeriskt attribut som årsinkomst eller medlemsskapsperiod som primärt attribut föreslår systemet segment som har ett högre eller lägre medelvärde för det numeriska attributet i jämförelse med alla kunder.
Ett kategoriskt attribut som kundnöjdhet som primärt attribut leder till föreslagna segment som har en högre eller lägre andel av kunder som tillhör en viss kategori i jämförelse med andelen av alla kunder som tillhör samma kategori. Exempel: Kundnöjdhet väljs som primärt attribut och består av tre kategorier (Låg, Medel och Hög). För varje kategori föreslås segment som har en högre eller lägre procentandel kunder som tillhör den kategorin jämfört med proportionen av alla kunder i samma kategori. Om 22 % av alla kunder har Hög nöjdhet föreslås endast segment med en högre eller lägre proportion kunder med Hög nöjdhet jämfört med 22 % för den kategorin. På samma sätt föreslås segment för var och en av de andra kategorierna (Låg och Medel) om de är statistiskt betydelsefulla.
Kommentar
För tillfället har vi bara stöd för primära kategoriska attribut som har upp till 10 kategorier. Om du vill visa segmentförslag som bygger på ett primärt attribut med mer än 10 kategorier rekommenderar vi att du grupperar några av kategorierna så att antalet kategorier blir 10 eller färre. Den här begränsningen gäller endast primära attribut. För påverkande kategoriska attribut har vi för närvarande stöd för maximalt 100 kategorier.