Foreslåede segmenter (prøveversion)

Artikel
01/31/2024

[Denne artikel er til dokumentationen til den foreløbige udgivelse. Der kan forekomme ændringer.]

Dynamics 365 Customer Insights - Data kan foreslå segmenter baseret på aktivitet eller målinger.

Fanen Foreslåede segmenter, der viser segmentforslag til aktivitetsbaserede og attributbaserede segmenter.

Vigtigt

Dette er en forhåndsversion af funktionen.
Forhåndsversionsfunktionerne er ikke beregnet til produktionsformål og kan have begrænset funktionalitet. Disse funktioner er tilgængelige før en officiel udgivelse, så kunderne kan få tidlig adgang og give feedback.

Foreslåede segmenter baseret på aktivitet (forhåndsversion)

Opdag interessante segmenter af kunder, der er baseret på kundeaktivitetsdata, som er indtaget i Customer Insights - Data. Eksempler på aktivitetsdata er transaktioner, varighed af supportopkald, indkøb eller returvarer. For at foreslå segmenter analyseres aktivitetsdata for nyhed, hyppighed og pengeværdi (eller varighed).

Kategorisere kunder efter aktivitet

Med aktivitetsdata tilgængelige i Customer Insights - Data kan vi generere forslag, der repræsenterer kundegrupper:

mest aktive kunder
kunder, der har foretaget de fleste køb
kunder, der genererede den største omsætning
kunder, der ikke har været aktive for nylig
kunder, der ofte interagerer med din virksomhed

Hvis du har en detailvirksomhed, kan du finde ud af, hvilke kunder der genererer den største omsætning, og belønne dem med en værdikupon. Du kan også identificere lejlighedsvise kunder og tilbyde dem at tilmelde sig et belønningsprogram, så de besøger din virksomhed oftere. Hvis du yder offentlig behandling, og dit mål er at minimere udgifterne for de enkelte besøg, kan du prøve at reducere tilbagevendende besøg ved at yde den bedst mulige behandling ved så få besøg som muligt. I dette tilfælde er dit mål at holde besøgshyppigheden lav og minimere tilbagevendende omkostninger for patienterne. Du kan også identificere de segmenter af patienter, der ofte har aftaler, og høje tilbagevendende omkostninger og analysere disse sager for at forbedre behandlingen for den enkelte person.

Foreslåede segmenter baseret på målinger (forhåndsversion)

Oplev interessante segmenter af dine kunder ved hjælp af en AI-model. Denne maskinel indlæring-drevne funktion foreslår segmenter baseret på målpunkter eller kundeattributter. Det kan hjælpe med at forbedre dine KPI'er eller bedre forstå attributternes indflydelse i forbindelse med andre attributter.

Bemærk

Find lignende kunder bruger automatiserede metoder til at evaluere data og foretage forudsigelser på baggrund af disse data. Derfor har den mulighed for at blive brugt som profilmetode, da denne betegnelse er defineret i lovgivning og regler om beskyttelse af personlige oplysninger. Dit brug af denne funktion til at behandle data kan være underlagt sådanne love eller bestemmelser. Du er ansvarlig for at sikre, at brugen af Customer Insights - Data, herunder denne funktion, overholder alle gældende love og bestemmelser, herunder lovgivning vedrørende beskyttelse af personlige oplysninger, personlige data, biometriske data, databeskyttelse og fortrolighed i kommunikationen.

Foreslået side med segmenter, der viser detaljer om et forslag i en siderude.

Foreslåede segmenter for at forbedre dine KPI'er

Hvis du bruger målinger oprettet for at spore dine nøgletal, kan du oprette segmenter for at få vist indflydelse på nøgletallet. Du kan bruge disse oplysninger til at køre en yderst målrettet kampagne.

Du sporer f.eks. en måling, der hedder TotalSpendPerCustomer. Som virksomhed vil du gerne se dette antal vokse. Hvis du vælger et målpunkt som primær attribut, kan du vælge de attributter, du vil vurdere for indflydelse. Lad os sige medlemsniveau, medlemsperiode og beskæftigelse. Customer Insights - Data kan derefter foreslå et segment, der fortæller dig, hvem der er den største indflydelse af den pågældende måling. For eksempel er Bogholdere, der er Gold-medlemmer, og som har været hos din virksomhed i mindst fem år, den største influencer af TotalSpendPerCustomer. Du får en anslået segmentstørrelse for hvert forslag. Du kan bruge disse oplysninger til at oprette kampagner for målgrupperne.

Forstå, hvad der påvirker en kundeattribut

Du kan vælge en kundeattribut i stedet for et målpunkt som den primære attribut. Baseret på dit valg til at påvirke attributter opretter AI-modellen en række forslag, der viser, hvordan de valgte attributter påvirker den primære attribut.

Du kan f.eks. vælge Belønningsmedlem (Ja/Nej) som den primære attribut. Brugsperiode, Beskæftigelse og Antal supportanmodninger angives som andre attributter, der påvirker. AI-modellen kunne foreslå segmenter, der angiver, at de fleste it-fagfolk med ansættelse over to år er belønningsmedlemmer. Et andet forslag kunne fremhæve, at revisorer med fastansættelse over et år og færre end tre supportbilletter er belønningsmedlemmer.

Brug af kunstig intelligens

Ved hjælp af den primære attribut og indflydelsesattributter foreslår en beslutningsalgoritme interessante segmenter. Forslagene er baseret på regler eller mønstre, der blev samlet op af AI-algoritmen. Kun segmenter, der adskiller sig væsentligt fra den gennemsnitlige population, vises som forslag. Sammenligningen med den gennemsnitlige population er baseret på det valgte målpunkt eller den valgte primære attribut.

Ansvarlig AI

Foreslåede målgrupper giver dig mulighed for at vælge attributter for at oprette nye målgrupper og behandle de data, du vælger. Når du vælger attributter, herunder følsomme attributter som race, seksuel orientering eller køn, skal du sikre dig, at du kan og bør behandle disse data. Du er ansvarlig for at overholde alle love, der gælder for din organisation, og overholde organisationens principper og politikker for beskyttelse af personlige oplysninger.

Forskellige resultater for primære attributter med kategoriske og numeriske værdier

Målgruppeforslag er forskellige, hvis du vælger en numerisk attribut eller en kategorisk attribut som den primære attribut. Værdier i en kategorisk attribut indeholder to eller flere kategorier eller typer. En numerisk attribut indeholder kvantitative data og har en slags måling tilknyttet.

Med en numerisk attribut som årlig indkomst eller medlemskabsperiode som den primære attribut foreslår systemet segmenter, der har en højere eller lavere gennemsnitsværdi af den numeriske attribut sammenlignet med alle kunder.

En kategorisk attribut som kundetilfredshed som den primære attribut resulterer i foreslåede segmenter, der har en højere eller lavere procentdel af kunder, der tilhører en bestemt kategori, sammenlignet med procentdelen af alle kunder, der tilhører samme kategori. For eksempel vælges kundetilfredshed som den primære attribut og består af tre kategorier (Lav, Mellem og Høj). For hver kategori foreslås det, at segmenterne har en højere eller lavere procentdel af kunder, der tilhører den pågældende kategori, i forhold til procentdelen af alle kunder i samme kategori. Hvis 22 % af alle kunder har Høj tilfredshed, foreslås der kun de segmenter, der har en højere eller lavere procentdel af kunder med en høj tilfredshed i forhold til 22 %, for den pågældende kategori. På samme måde vil der blive foreslået segmenter for hver af de andre kategorier (Lav og Mellem), hvis de er statistisk signifikante.