Vorgeschlagene Segmente (Vorschau)

[Dieser Artikel ist Teil der Dokumentation zur Vorabversion und kann geändert werden.]

Dynamics 365 Customer Insights – Daten können Segmente basierend auf Aktivität oder Measures vorschlagen.

Registerkarte

Von Bedeutung

Dies ist eine Vorschaufunktion.
Vorschaufeatures sind nicht für die Produktionsverwendung vorgesehen und verfügen möglicherweise über eingeschränkte Funktionen. Diese Funktionen sind vor einer offiziellen Veröffentlichung verfügbar, damit Kunden frühzeitig zugreifen und Feedback geben können.

Vorgeschlagene Segmente basierend auf Aktivität (Vorschau)

Entdecken Sie interessante Segmente Ihrer Kunden basierend auf Kundenaktivitätsdaten, die in Customer Insights aufgenommen werden – Daten. Beispiele für Aktivitätsdaten sind Transaktionen, Support-Anrufdauer, Einkäufe oder Rückgaben. Um Segmente vorzuschlagen, werden Aktivitätsdaten auf Reency, Häufigkeit und Geldwert (oder Dauer) analysiert.

Kategorisieren von Kunden nach Aktivitäten

Mit Aktivitätsdaten , die in Customer Insights verfügbar sind – Daten können wir Vorschläge generieren, die Kundengruppen darstellen:

die meisten aktiven Kunden
Kunden, die die meisten Einkäufe getätigt haben
Kunden, die den größten Umsatz erzielt haben
Kunden, die in letzter Zeit nicht aktiv waren
Kunden, die häufig mit Ihrem Unternehmen interagieren

Wenn Sie ein Einzelhandelsgeschäft haben, könnten Sie herausfinden, welche Kunden die meisten Einnahmen generieren und mit einem Coupon belohnen. Oder Sie können gelegentlich Kunden identifizieren und ihnen anbieten, einem Rewards-Programm beizutreten, damit sie Ihr Unternehmen häufiger besuchen. Wenn Sie die öffentliche Gesundheitsversorgung bereitstellen und Ihr Ziel darin besteht, die Kosten für einzelne Patienten zu minimieren, können Sie versuchen, wiederkehrende Besuche zu reduzieren, indem Sie möglichst wenig Pflege bei so wenigen Besuchen bereitstellen. In diesem Fall ist Ihr Ziel, die Besuchshäufigkeit niedrig zu halten und wiederkehrende Kosten für die Patienten zu minimieren. Oder Sie können Segmente von Patienten identifizieren, die häufige Termine und hohe Wiederkehrende Kosten haben, und diese Fälle analysieren, um die Behandlung des Einzelnen zu verbessern.

Vorgeschlagene Segmente basierend auf Measures (Vorschau)

Entdecken Sie interessante Segmente Ihrer Kunden mit Hilfe eines KI-Modells. Dieses maschinelle Lernfeature schlägt Segmente basierend auf Measures oder Kundenattributen vor. Sie kann dazu beitragen, Die Key Performance Indicators (KPIs) zu verbessern oder den Einfluss von Attributen im Kontext anderer Attribute besser zu verstehen.

Hinweis

Das Feature für vorgeschlagene Segmente verwendet automatisierte Mittel zum Auswerten von Daten und zum Erstellen von Vorhersagen basierend auf diesen Daten. Daher hat sie die Möglichkeit, als Methode der Profilerstellung zu verwenden, da dieser Begriff durch Datenschutzgesetze und -vorschriften definiert wird. Ihre Verwendung dieses Features zur Verarbeitung von Daten kann diesen Gesetzen oder Vorschriften unterliegen. Sie sind dafür verantwortlich, sicherzustellen, dass Ihre Nutzung von Customer Insights – Daten, einschließlich dieser Funktion, allen anwendbaren Gesetzen und Vorschriften entspricht, einschließlich der Gesetze im Zusammenhang mit Datenschutz, personenbezogenen Daten, biometrischen Daten, Datenschutz und Vertraulichkeit der Kommunikation.

Seite

Vorgeschlagene Segmente zur Verbesserung Ihrer KPIs

Wenn Sie Kennzahlen verwenden, die erstellt wurden , um Ihre KPIs nachzuverfolgen, erstellen Sie Segmente, um die Einflüsse auf den KPI anzuzeigen. Sie können diese Informationen verwenden, um eine hochgradig gezielte Kampagne auszuführen.

Beispielsweise verfolgen Sie ein Measure namens TotalSpendPerCustomer. Als Unternehmen möchten Sie sehen, dass diese Zahl größer wird. Wenn Sie ein Measure als primäres Attribut auswählen, wählen Sie die Attribute aus, die Sie für Einfluss bewerten möchten. Angenommen, Mitgliedschaftsebene, Mitgliedschaftszeitraum und Beruf. Customer Insights – Daten können dann ein Segment vorschlagen, das Ihnen sagt, wer der größte Einfluss dieser Maßnahme ist. Beispielsweise sind Buchhalter , die Goldmitglieder sind und seit mindestens fünf Jahren mit Ihrem Unternehmen zusammen sind, der größte Influencer von TotalSpendPerCustomer. Sie erhalten eine geschätzte Segmentgröße für jeden Vorschlag. Sie können diese Informationen verwenden, um Kampagnen für die Zielgruppe zu erstellen.

Verstehen, was sich auf ein Kundenattribute auswirkt

Sie können ein Kundenattribute anstelle eines Measures als primäres Attribut auswählen. Basierend auf der Wahl der Einflussnahme von Attributen erstellt das KI-Modell eine Reihe von Vorschlägen, die zeigen, wie die ausgewählten Attribute das primäre Attribut beeinflussen.

Sie wählen z. B. Rewards-Mitglied (Ja/Nein) als primäres Attribut aus. Tenure, Occupation und Number of Support Tickets werden als andere Einflussattribute festgelegt. Das KI-Modell könnte Segmente vorschlagen, die angeben, dass hauptsächlich IT-Experten mit Zehner über zwei Jahre Prämienmitglieder sind. Ein weiterer Vorschlag könnte hervorheben, dass Buchhalter mit einer Amtszeit über ein Jahr und weniger als drei Supporttickets Prämienmitglieder sind.

Nutzung künstlicher Intelligenz

Mithilfe des primären Attributs und der Einflussnahme von Attributen schlägt ein Entscheidungsbaumalgorithmus interessante Segmente vor. Die Vorschläge basieren auf Regeln oder Mustern, die vom KI-Algorithmus aufgenommen wurden. Nur Segmente, die sich deutlich von der Durchschnittsbevölkerung unterscheiden, werden als Vorschläge angezeigt. Der Vergleich mit der durchschnittlichen Grundpopulation basiert auf dem ausgewählten Measure oder primären Attribut.

Verantwortungsvolle KI

Mit vorgeschlagenen Segmenten wählen Sie Attribute aus, um neue Segmente zu erstellen und die ausgewählten Daten zu verarbeiten. Beim Auswählen von Attributen, einschließlich vertraulicher Attribute wie Rasse, sexueller Orientierung oder Geschlecht, müssen Sie sicherstellen, dass Sie diese Daten verarbeiten können und sollten. Sie sind dafür verantwortlich, alle für Ihre Organisation geltenden Gesetze einzuhalten und die Grundsätze und Datenschutzrichtlinien Ihrer Organisation einzuhalten.

Unterschiedliche Ergebnisse für primäre Attribute mit kategorisierten und numerischen Werten

Segmentvorschläge unterscheiden sich, wenn Sie ein numerisches Attribut oder ein kategorisierisches Attribut als primäres Attribut auswählen. Werte in einem kategorisierten Attribut enthalten zwei oder mehr Kategorien oder Typen. Ein numerisches Attribut enthält quantitative Daten und weist ein Maßgefühl auf.

Bei einem numerischen Attribut wie Jahreseinkommen oder Mitgliedschaftszeitraum als primäres Attribut schlägt das System Segmente vor, die einen höheren oder niedrigeren Durchschnittswert des numerischen Attributs im Vergleich zu allen Kunden aufweisen.

Ein kategorisiertes Attribut wie die Kundenzufriedenheit als primäres Attribut führt zu vorgeschlagenen Segmenten, die einen höheren oder niedrigeren Prozentsatz von Kunden haben, die zu einer bestimmten Kategorie gehören, im Vergleich zum Prozentsatz aller Kunden, die derselben Kategorie angehören. Die Kundenzufriedenheit wird beispielsweise als primäres Attribut ausgewählt und besteht aus drei Kategorien (Niedrig, Mittel und Hoch). Für jede Kategorie werden Segmente vorgeschlagen, die einen höheren oder niedrigeren Prozentsatz von Kunden haben, die zu dieser Kategorie gehören, im Vergleich zum Anteil aller Kunden in derselben Kategorie. Wenn 22% aller Kunden eine hohe Zufriedenheit haben, werden nur Segmente mit einem höheren oder niedrigeren Anteil von Kunden mit hoher Zufriedenheit im Vergleich zu 22% für diese Kategorie vorgeschlagen. Ebenso werden Segmente für jede der anderen Kategorien (Niedrig und Mittel) vorgeschlagen, wenn sie statistisch signifikant sind.