客戶存留期值 (CLV) 預測範例指南

本指南會從頭到尾向您說明在 Dynamics 365 Customer Insights - Data 中使用範例資料預測客戶終身價值 (CLV) 的範例。 我們建議您在新環境中嘗試這項預測。

案例

Contoso 是一家公司，生產高品質的咖啡及咖啡機。 透過 Contoso Coffee 網站銷售產品。 公司想要了解他們的客戶在未來 12 個月所能生成的價值 (營收)。 知道客戶在接下來的 12 個月中的預期價值，將可讓他們將行銷活動導向價值最高的客戶。

先決條件

• 至少 參與者權限。

任務 1 - 內嵌資料

檢視關於資料擷取和連接至 Power Query 資料來源的文章。 下列資訊假定您大致上已熟悉擷取資料。

從電子商務平台內嵌客戶資料

1. 建立名為電子商務的 Power query 資料來源，並選取文字/CSV 連接器。

2. 輸入電子商務連絡人 URL https://aka.ms/ciadclasscontacts。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • DateOfBirth：日期
   • CreatedOn：日期/時間/時區

   

5. 請在右側窗格的名稱欄位中，將您的資料來源重新命名為 eCommerceContacts

6. 儲存資料來源。

內嵌線上購買資料

1. 將另一個資料集新增到同一個 電子商務 資料來源。 再選擇一次 文字/CSV 連接器。

2. 輸入 線上購買 資料 URL https://aka.ms/ciadclassonline。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • PurchasedOn：日期/時間
   • TotalPrice：貨幣

5. 請在側窗格的名稱欄位中，將您的資料來源重新命名為 eCommercePurchases。

6. 儲存資料來源。

從忠實結構描述內嵌客戶資料

1. 建立名為 LoyaltyScheme 的資料來源，並選取文字/CSV 連接器。

2. 輸入忠實客戶的 URL https://aka.ms/ciadclasscustomerloyalty。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • DateOfBirth：日期
   • RewardsPoints: 整數
   • CreatedOn：日期/時間

5. 請在右側窗格的名稱欄位中，將您的資料來源重新命名為 loyCustomers。

6. 儲存資料來源。

從網站審查中內嵌客戶資料

1. 建立名為網站的資料來源，並選取文字/CSV 連接器。

2. 輸入網站檢視的 URL https://aka.ms/CI-ILT/WebReviews。

3. 編輯資料時選取轉換，接著使用第一行做為標頭。

4. 更新下列欄位的資料類型：

   • ReviewRating：十進位數字
   • ReviewDate：日期

5. 請在右側窗格的名稱欄位中，將您的資料來源重新命名為檢視。

6. 儲存資料來源。

任務 2 - 資料統整

檢閱關於資料統整的文章。 下列資訊假定您大致上已熟悉資料統整。

內嵌資料之後，請開始進行資料整合程序，建立整合的客戶個人資料。 如需更多資訊，請見 資料統整。

描述要整合的客戶資料

1. 內嵌資料後，將電子商務的聯絡人與忠誠度資料對應到常用資料類型。 請前往資料>整合。

2. 選取代表客戶設定檔的資料表 – eCommerceContacts 和 loyCustomers。

   

3. 選取 ContactId 做為 eCommerceContacts 主鍵，而 LoyaltyID 做為 loyCustomers 主鍵。

4. 選取下一步。 略過重複資料記錄，然後選取下一步。

定義比對規則

1. 選擇 eCommerceContacts : eCommerce 作為主要資料表，並包含所有的記錄。

2. 選擇 loyCustomers : LoyaltyScheme，並包含所有的記錄。

3. 加入規則：

   • 請為 eCommerceContacts 和 loyCustomers 選取 FullName。
   • 選取 類型 (電話、名稱、位址、...)以進行標準化。
   • 設定 精密等級：基本 與 值：高。

4. 對電子郵件地址新增第二個條件：

   • 請為 eCommerceContacts 和 loyCustomers 選取 Email。
   • 保留正規化空白。
   • 設定 精密等級：基本 與 值：高。
   • 輸入FullName, Email 的名稱。

   

5. 選取完成。

6. 選取下一步。

檢視整合資料

1. 將 loyCustomers 資料表的 ContactId 重新命名為 ContactIdLOYALTY，以將它與其他識別碼內嵌區分開來。

2. 選取 下一步以進行審查，然後選取建立客戶個人資料。

工作 3 - 建立交易歷程記錄活動

檢閱有關客戶活動的文章。 下列資訊假定您大致上已熟悉建立活動。

1. 使用 eCommercePurchases:eCommerce 資料表和 Reviews:Website 資料表來建立活動。

2. 在 eCommercePurchases:eCommerce中，為活動類型選取 SalesOrderLine，並為主索引鍵選取 PurchaseId。

3. 在 Reviews:Website 中，為活動類型選取 Review，並為主索引鍵選取 ReviewID。

4. 輸入購買活動的下列資訊：

   • 活動名稱：eCommercePurchases
   • TimeStamp：PurchasedOn
   • EventActivity：TotalPrice
   • 訂單明細識別碼：PurchaseId
   • 訂單日期：PurchasedOn
   • 金額：TotalPrice

5. 輸入網頁審查活動的下列資訊：

   • 活動名稱：WebReviews
   • 時間戳記：ReviewDate
   • 事件活動：ActivityTypeDisplay
   • 其他詳細資料：ReviewRating

6. 新增 eCommercePurchases 與 eCommerceContacts:eCommerce 之間的關聯，並使用 ContactID 做為外部索引鍵來連接兩個資料表。

7. 使用 UserId 做為外部索引鍵，新增網站 與 eCommerceContacts 之間的關聯。

8. 複查您的變更，然後選取建立活動。

工作 4 - 設定客戶存留期值預測

透過適當的統一客戶設定檔和建立的活動，執行客戶終身價值 (CLV) 預測。 如需詳細步驟，請參閱 客戶存留期值預測。

1. 請移至深入解析>預測。

2. 在建立索引標籤上，選取客戶終身價值圖標上的使用模型。

3. 選取開始使用。

4. 將模型命名為 OOB 電子商務 CLV 預測和輸出資料表 OOBeCommerceCLVPrediction。

5. 定義模型偏好：

   • 預測時間區段：12 個月或 1 年以定義您要預測多久以後的 CLV。
   • 活躍客戶：'讓模型計算購買間隔，其中客戶在此時間範圍內必須至少有一筆交易才會被視為活躍。
   • 高價值客戶：手動定義高價值的客戶是活躍客戶的前 30% 。

   

6. 選取下一步。

7. 在 必要的資料步驟，選取新增資料以提供交易歷史資料。

   

8. 選取 SalesOrderLine 及 eCommercePurchases 資料表，然後選取下一步。 所需資料會從活動自動填入。 選取儲存，然後選取下一步。

9. 其他資料 (選用) 步驟可讓您新增更多客戶活動資料來取得更多客戶互動的深入解析。 在這個範例中，選取新增資料，然後新增網頁檢視活動。

10. 選取下一步。

11. 在資料更新步驟中，設定模型排程為每月。

12. 選取下一步。

13. 評論所有詳細資料後，請選取 儲存和執行。

任務 5 - 評論模型結果和解釋

讓模型完成資料的定型與計分。 檢視 CLV 模型結果和說明。

工作 6 - 建立高價值客戶的客戶細分

執行模型會建立新的資料表，列在資料>資料表中。 您可以依據模型所建立的資料表來建立新的客戶細分。

1. 在結果頁面上，選取建立客戶細分。

2. 使用 OOBeCommerceCLVPrediction 資料表建立規則並定義客戶細分：

   • 欄位：CLVScore
   • 運算子：大於
   • 值：1500

3. 選取儲存並執行客戶細分。

您現在有一個客戶細分，能識別出接下來的 12 個月中，預計生成超過 $1500 營收的客戶。 若擷取更多的資料，則會動態更新此分段。 如需詳細資訊，請參閱建立和管理客戶細分。

小費

您也可以選取新增並選擇建立來源>深入解析，以從深入解析>客戶細分頁面，建立預測模型的客戶細分。 如需詳細資訊，請參閱使用快速客戶細分建立客戶細分。

後續步驟

• 預測客戶終身價值 (CLV)