Compartir a través de

Guía de muestra de la predicción (CLV) del valor de por vida del cliente

Esta guía le guía paso a paso a través de un ejemplo completo de predicción del valor del tiempo de vida del cliente (CLV) en Dynamics 365 Customer Insights - Datos usando datos de muestra. Se recomienda probar esta predicción en un nuevo entorno.

Scenario

Contoso es una empresa que produce café y cafeteras de alta calidad. Venden los productos a través de su sitio web de Contoso Coffee. La empresa quiere comprender el valor (ingresos) que sus clientes pueden generar en los próximos 12 meses. Conocer el valor esperado de sus clientes en los próximos 12 meses les ayudará a dirigir sus esfuerzos de marketing en clientes de alto valor.

Prerrequisitos

Tarea 1: Ingesta de datos

Revise los artículos sobre la ingesta de datos y la conexión a un origen de datos de Power Query. La siguiente información asume que está familiarizado con la ingesta de datos en general.

Ingesta de datos de clientes desde la plataforma de comercio electrónico

  1. Cree un origen de datos de Power query llamado Comercio electrónico y seleccione el conector Texto/CSV.

  2. Escriba la dirección URL para contactos de eCommerce https://aka.ms/ciadclasscontacts.

  3. Al editar los datos, seleccione Transformar y, a continuación, Use first row as headers (Usar la primera fila como encabezados).

  4. Actualice el tipo de datos de las columnas que se enumeran a continuación:

    • DateOfBirth: Date
    • CreatedOn: Date/Time/Zone

    Transformar la fecha de nacimiento a fecha.

  5. En el campo Nombre del panel derecho, cambie el nombre del origen de datos a eCommerceContacts.

  6. Guarde el origen de datos.

Ingesta de datos de compra en línea

  1. Agregue otro conjunto de datos al mismo origen de datos de comercio electrónico . Vuelva a elegir el conector Text/CSV .

  2. Escriba la dirección URL para los datos de compras en líneahttps://aka.ms/ciadclassonline.

  3. Al editar los datos, seleccione Transformar y, a continuación, Use first row as headers (Usar la primera fila como encabezados).

  4. Actualice el tipo de datos de las columnas que se enumeran a continuación:

    • PurchasedOn: Fecha y hora
    • TotalPrice: Moneda

  5. En el campo Nombre del panel lateral cambie el nombre de su origen de datos de Consulta a eCommercePurchases.

  6. Guarde el origen de datos.

Ingesta de datos de clientes del esquema de fidelidad

  1. Cree un origen de datos denominado LoyaltyScheme y seleccione el conector Text/CSV .

  2. Escriba la dirección URL para los clientes de lealtad https://aka.ms/ciadclasscustomerloyalty.

  3. Al editar los datos, seleccione Transformar y, a continuación, Use first row as headers (Usar la primera fila como encabezados).

  4. Actualice el tipo de datos de las columnas que se enumeran a continuación:

    • DateOfBirth: Date
    • RewardsPoints: número entero
    • CreatedOn: Fecha y hora

  5. En el campo Nombre del panel derecho, cambie el nombre del origen de datos a loyCustomers.

  6. Guarde el origen de datos.

Ingesta de datos de clientes de revisiones de sitios web

  1. Cree un origen de datos denominado Sitio web y seleccione el conector Text/CSV .

  2. Escriba la dirección URL para las revisiones del sitio web https://aka.ms/CI-ILT/WebReviews.

  3. Al editar los datos, seleccione Transformar y, a continuación, Use first row as headers (Usar la primera fila como encabezados).

  4. Actualice el tipo de datos de las columnas que se enumeran a continuación:

    • ReviewRating: número decimal
    • ReviewDate: Date

  5. En el campo Nombre del panel derecho, cambie el nombre del origen de datos a Revisiones.

  6. Guarde el origen de datos.

Tarea 2: Unificación de datos

Revise el artículo sobre la unificación de datos. En la siguiente información se da por supuesto que está familiarizado con la unificación de datos en general.

Después de ingerir los datos, comience el proceso de unificación de datos para crear un perfil de cliente unificado. Para obtener más información, consulte Unificación de datos.

Describir los datos de los clientes que se van a unificar.

  1. Después de ingerir los datos, mapee los contactos de los datos de comercio electrónico y fidelidad con tipos de datos comunes. Vaya a Datos>Unify

  2. Seleccione las tablas que representan el perfil de cliente – eCommerceContacts y loyCustomers.

    unifique los orígenes de datos de comercio electrónico y fidelidad.

  3. Seleccione ContactId como clave principal para eCommerceContacts y LoyaltyID como clave principal para loyCustomers.

  4. Seleccione Siguiente. Omita los registros duplicados y seleccione Siguiente.

Definición de reglas de coincidencia

  1. Elige eCommerceContacts : eCommerce como tabla principal e incluir todos los registros.

  2. Elija loyCustomers : LoyaltyScheme e incluya todos los registros.

  3. Agregue una regla:

    • Seleccione FullName para eCommerceContacts y loyCustomers.
    • Seleccione Tipo (Teléfono, Nombre, Dirección, ...) para Normalizar.
    • Establecer nivel de precisión: Básico y Valor: Alto.

  4. Agregue una segunda condición para la dirección de correo electrónico:

    • Selecciona Email para eCommerceContacts y loyCustomers.
    • Deje Normalizar en blanco.
    • Establecer nivel de precisión: Básico y Valor: Alto.
    • Escriba FullName, Correo electrónico para el nombre.

    Unifique la regla de coincidencia para el nombre y el correo electrónico.

  5. Seleccione Listo.

  6. Seleccione Siguiente.

Visualización de datos unificados

  1. Cambie el nombre de ContactId para la tabla loyCustomers a ContactIdLOYALTY para diferenciarlo de los otros identificadores ingeridos.

  2. Seleccione Siguiente para revisar y, a continuación, seleccione Crear perfiles de cliente.

Tarea 3: Creación de una actividad del historial de transacciones

Revise el artículo sobre las actividades del cliente. En la siguiente información se asume que está familiarizado con crear actividades en general.

  1. Crea actividades con la tabla eCommercePurchases:eCommerce y la tabla Reviews:Website .

  2. Para eCommercePurchases:eCommerce, selecciona SalesOrderLine para el Tipo de actividad y PurchaseId para la clave principal.

  3. En Reviews:Website (Opiniones: sitio web), seleccione Revisión para el tipo de actividad y ReviewID para la clave principal.

  4. Escriba la siguiente información para la actividad de compra:

    • Nombre de la actividad: eCommercePurchases
    • TimeStamp: FechaDeCompra
    • EventActivity: TotalPrice
    • Id. de línea de pedido: PurchaseId
    • Fecha de pedido: PurchasedOn
    • Importe: TotalPrice

  5. Escriba la siguiente información para la actividad de revisión web:

    • Nombre de la actividad: WebReviews
    • Marca de tiempo: Fecha de revisión
    • Actividad de eventos: ActivityTypeDisplay
    • Detalles adicionales: ReviewRating

  6. Agregue una relación entre eCommercePurchases:eCommercey eCommerceContacts:eCommerce con ContactID como clave externa para conectar las dos tablas.

  7. Agregue una relación entre Website y eCommerceContacts con UserId como clave externa.

  8. Revise los cambios y, a continuación, seleccione Crear actividades.

Tarea 4: Configuración de la predicción del valor del cliente a lo largo de su vida

Con los perfiles de cliente unificados en su lugar y la actividad creada, ejecute la predicción del valor del tiempo de vida del cliente (CLV). Para consultar los pasos detallados, consulte Predicción del valor del ciclo de vida del cliente.

  1. Vaya a Conclusiones>Predicciones.

  2. En la pestaña Crear, seleccione Usar modelo en la ventana Valor de vida útil del cliente.

  3. Seleccione Comenzar.

  4. Asigne al modelo el nombre OOB eCommerce CLV Prediction y la tabla de salida OOBeCommerceCLVPrediction.

  5. Definir preferencias de modelo:

    • Período de tiempo de predicción: 12 meses o 1 año para definir hasta dónde se va a predecir CLV.
    • Clientes activos: deje que el modelo calcule el intervalo de compra , que es el período de tiempo en el que un cliente debe haber tenido al menos una transacción para considerarse activa.
    • Cliente de alto valor: defina manualmente clientes de alto valor como los 30 principales% de los clientes activos.

    Etapa de preferencias en la experiencia guiada para el modelo CLV.

  6. Seleccione Siguiente.

  7. En el paso Datos necesarios , seleccione Agregar datos para proporcionar los datos del historial de transacciones.

    Agregue el paso de datos requerido en la experiencia guiada para el modelo CLV.

  8. Selecciona SalesOrderLine y la tabla eCommercePurchases y selecciona Siguiente. Los datos necesarios se rellenan automáticamente desde la actividad. Seleccione Guardar y, a continuación, Siguiente.

  9. El paso Datos adicionales (opcional) permite agregar más datos de actividad del cliente para obtener más información sobre las interacciones del cliente. En este ejemplo, seleccione Agregar datos y agregue la actividad de revisión web.

  10. Seleccione Siguiente.

  11. En el paso Actualizaciones de datos , seleccione Mensual para la programación del modelo.

  12. Seleccione Siguiente.

  13. Después de revisar todos los detalles, seleccione Guardar y ejecutar.

Tarea 5: Revisión de los resultados y explicaciones del modelo

Deje que el modelo complete el entrenamiento y la puntuación de los datos. Revise los resultados y las explicaciones del modelo CLV.

Tarea 6: Creación de un segmento de clientes de alto valor

La ejecución del modelo crea una nueva tabla, que se enumera en Datos>Tablas>Salida. Puede crear un nuevo segmento de cliente basado en la tabla creada por el modelo.

  1. En la página de resultados, seleccione Crear segmento.

  2. Cree una regla con la tabla OOBeCommerceCLVPrediction y defina el segmento:

    • Campo: CLVScore
    • Operador: mayor que
    • Valor: 1500

  3. Seleccione Guardar y ejecutar el segmento.

Ahora tiene un segmento que identifica a los clientes que se prevé que generen más de 1500 dólares de ingresos en los próximos doce meses. Este segmento se actualiza dinámicamente si se ingieren más datos. Para obtener más información, vea Crear y administrar segmentos.

Sugerencia

También puede crear un segmento para un modelo de predicción desde la páginaInsights>Segmentos seleccionando Nuevo y eligiendo Crear a partir de>Insights. Para obtener más información, consulte Crear un nuevo segmento con segmentos rápidos.

Pasos siguientes

  • Last updated on