Del via

Vejledning til eksempel på forudsigelse af kundens levetidsværdi (CLV)

  • Artikel

Denne vejledning indeholder et komplet eksempel på CLV-forudsigelse (Customer Lifetime Value) i Dynamics 365 Customer Insights - Data ved hjælp af eksempeldata. Vi anbefaler, at du udfører denne forudsigelse i et nyt miljø.

Scenarie

Contoso er en virksomhed, der fremstiller kaffe- og kaffemaskiner af høj kvalitet. Produkterne sælges via deres Contoso Coffee-websted. Virksomheden ønsker at forstå den værdi (omsætning), som deres kunder kan generere i de næste 12 måneder. At kende den forventede værdi af deres kunder i de næste 12 måneder vil hjælpe dem med at styre deres marketingindsats på kunder af høj værdi.

Forudsætninger

Opgave 1 - Indsættelse af data

Gennemse artiklerne om dataindtag og oprettelse af forbindelse til en Power Query-datakilde. I følgende oplysninger antages det, at du har generelt kendskab til indtag af data.

Indsættelse af kundedata fra eCommerce-platform

  1. Opret en -datakilde med navnet eCommerce, og vælg Text/CSV-connectoren.

  2. Angiv URL-adressen til eCommerce-kontaktpersoner https://aka.ms/ciadclasscontacts.

  3. Når du redigerer dataene, skal du vælge Transformer og derefter Brug første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • DateOfBirth: Dato
    • CreatedOn: Dato/Klokkeslæt/Zone

    Transformere fødselsdato til dato.

  5. Omdøb datakilden til eCommerceContacts i feltet Navn i ruden til højre

  6. Gem datakilden.

Indsættelse af online købsdata

  1. Tilføj et andet datasæt til samme eCommerce-datakilde. Vælg Tekst/CSV-connector igen.

  2. Angiv URL-adressen til onlinekøb-data https://aka.ms/ciadclassonline.

  3. Når du redigerer dataene, skal du vælge Transformer og derefter Brug første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • PurchasedOn: Dato/Klokkeslæt
    • TotalPrice: Valuta

  5. Omdøb datakilden til eCommercePurchases i feltet Navn i sideruden.

  6. Gem datakilden.

Indsæt kundedata fra loyalitetsskemaet

  1. Opret en datakilde med navnet LoyaltyScheme, og vælg Text/CSV-connectoren.

  2. Angiv URL-adressen til loyale kunder https://aka.ms/ciadclasscustomerloyalty.

  3. Når du redigerer dataene, skal du vælge Transformer og derefter Brug første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • DateOfBirth: Dato
    • RewardsPoints: Heltal
    • CreatedOn: Dato/Klokkeslæt

  5. Omdøb datakilden til loyCustomers i feltet Navn i ruden til højre.

  6. Gem datakilden.

Indsættelse af kundedata fra gennemsyn af websted

  1. Opret en datakilde med navnet Websted, og vælg Text/CSV-connectoren.

  2. Angiv URL-adressen til webstedsgennemsyn https://aka.ms/CI-ILT/WebReviews.

  3. Når du redigerer dataene, skal du vælge Transformer og derefter Brug første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • ReviewRating: Decimaltal
    • ReviewDate: Dato

  5. Omdøb din datakilde til Gennemsyn i feltet Navn i ruden til højre.

  6. Gem datakilden.

Opgave 2 - Datasamling

Gennemse artiklen om datasamling. I følgende oplysninger antages det, at du har generelt kendskab til datasamling.

Når dataene er blevet indtaget, skal du starte processen til samling af data for at oprette en unified customer profile. Du kan finde flere oplysninger i Datasamling.

Beskriv de kundedata, der skal samles

  1. Når du har indsat dataene, skal du knytte kontakterne fra eCommerce- og Loyalty-data til almindelige datatyper. Gå til Data>Samle.

  2. Vælg de tabeller, der repræsenterer kundeprofilen – eCommerceContacts og loyCustomers.

    samle eCommerce- og loyalty-datakilder.

  3. Vælg ContactId som primær nøgle for eCommerceContacts og LoyaltyID som primær nøgle for loyCustomers.

  4. Vælg Næste. Spring over dublerede poster, og vælg Næste.

Definer matchningsregler

  1. Vælg eCommerceContacts : eCommerce som den primære tabel, og inkluder alle poster.

  2. Vælg loyCustomers : LoyaltyScheme, og medtag alle poster.

  3. Tilføje en regel:

    • Vælg FullName for både eCommerceContacts og loyCustomers.
    • Vælg Type (Telefon, Navn, Adresse, ...) for Normaliser.
    • Angiv Præcisionsniveau: Basis og værdi: Høj.

  4. Tilføj endnu en betingelse for e-mailadresse:

    • Vælg Email for både eCommerceContacts og loyCustomers.
    • Lad Normaliser være tom.
    • Angiv Præcisionsniveau: Basis og værdi: Høj.
    • Angiv FullName, Email for navnet.

    Saml og match regel for navn og e-mail.

  5. Vælg Udført.

  6. Vælg Næste.

Vise samlede data

  1. Omdøb tabellen ContactId for loyCustomers til ContactIdLOYALTY for at adskille den fra de andre id'er.

  2. Vælg Næste for at gennemse, og vælg derefter Opret kundeprofiler.

Opgave 3 – Opret transaktionshistorikaktivitet

Gennemse artiklen om kundeaktiviteter. I følgende oplysninger antages det, at du har generelt kendskab til oprettelse af aktiviteter.

  1. Opret aktiviteter ved hjælp af tabellen eCommercePurchases:eCommerce og tabellen Reviews:Website.

  2. Vælg SalesOrderLine for Aktivitetstype og PurchaseId for den primære nøgle for ePurchases:eWeb.

  3. Vælg Review for Aktivitetstype og ReviewID for den primære nøgle for Reviews:Website.

  4. Angiv følgende oplysninger for købsaktiviteten:

    • Aktivitetsnavn: eCommercePurchases
    • TimeStamp: PurchasedOn
    • EventActivity: TotalPrice
    • Ordrelinje-ID: PurchaseId
    • Ordredato: PurchasedOn
    • Beløb: TotalPrice

  5. Angiv følgende oplysninger for kontrol af internetaktivitet:

    • Aktivitetsnavn: WebReviews
    • Tidsstempel: ReviewDate
    • Hændelsesaktivitet: ActivityTypeDisplay
    • Flere detaljer: ReviewRating

  6. Tilføj en relation mellem eCommercePurchases:eCommerce og eCommerceContacts:eCommerce med ContactID som den fremmede nøgle for at oprette forbindelse til de to tabeller.

  7. Tilføj en relation mellem Websted og eCommerceContacts med UserId som den fremmede nøgle.

  8. Gennemse ændringerne, og vælg derefter Opret aktiviteter.

Opgave 4 – Konfigurer værdien for forudsigelse af kundens levetidsværdi

Nu, hvor vi har samlet kundeprofilerne og oprettet en aktivitet, kan vi køre forudsigelsen af kundens levetidsværdi (CLV). Du kan finde flere oplysninger i Forudsigelse om kundens levetidsværdi.

  1. Gå til Indsigt>Forudsigelser.

  2. Gå til fanen Opret, og vælg Brug model i feltet Kundens levetidsværdi.

  3. Vælg Introduktion.

  4. Navngiv modellen OOB eCommerce CLV-forudsigelse og outputtabellen OOBeCommerceCLVPrediction.

  5. Definere modelindstillinger:

    • Forudsigelsesperiode: 12 måneder eller 1 år for at definere, hvor langt i fremtiden CLV skal forudsiges.
    • Aktive kunder: Lad model beregne købsinterval, som er den tidsramme, hvor en kunde skal have haft mindst én transaktion for at blive fundet aktiv.
    • Kunder af høj værdi: Definer manuelt kunder af høj værdi som top 30 % af aktive kunder.

    Præferencertrin i den guidede oplevelse for CLV-modellen.

  6. Vælg Næste.

  7. I trinnet Obligatoriske data skal du vælge Tilføj data for at angive transaktionshistorikdataene.

    Tilføj nødvendige datatrin i den guidede oplevelse for CLV-modellen.

  8. Vælg SalesOrderLine og tabellen eCommercePurchases, og vælg Næste. De påkrævede data indsættes automatisk fra aktiviteten. Vælg Gem, og vælg derefter Næste.

  9. Trinnet Yderligere data (valgfrit) giver dig mulighed for at tilføje flere kundeaktivitetsdata for at få større indsigt i kundeinteraktioner. I dette eksempel skal du vælge Tilføj data og tilføje webgennemgangsaktiviteten.

  10. Vælg Næste.

  11. Vælg Månedligt i trinnet Dataopdateringer for modeltidsplanen.

  12. Vælg Næste.

  13. Vælg Gem og Kør, når du har gennemgået alle detaljer.

Opgave 5 - Gennemse modelresultater og forklaringer

Lad modellen fuldføre med at få oplæring og resultaterne af dataene. Gennemse CLV-modelresultaterne og forklaringerne.

Opgave 6 – Opret et segment af kunder af høj værdi

Når du kører modellen, oprettes der en ny tabel, som vises i Data>Tabeller. Du kan oprette en ny kundesegment baseret på den tabel, der er oprettet af modellen.

  1. Vælg Opret segment på resultatsiden.

  2. Opret en regel ved hjælp af tabellen OOBeCommerceCLVPrediction, og definer segmentet:

    • Felt: CLVScore
    • Operator: større end
    • Værdi: 1500

  3. Vælg Gem og Kør segmentet.

Du har nu et segment, der identificerer kunder, der forventes at generere mere end $1500 i omsætning inden for de næste 12 måneder. Dette segment opdateres dynamisk, hvis der indtages flere data. Du kan finde flere oplysninger under Oprette og administrere segmenter.

Tip

Du kan også oprette et segment for en forudsigelsesmodel fra siden Indsigt>Segmenter ved at vælge Ny og vælge Opret fra>Indsigt. Du kan finde flere oplysninger under Oprette et nyt segment med hurtige segmenter.

Næste trin