คู่มือตัวอย่างการคาดการณ์ค่าอายุการใช้งานของลูกค้า (CLV)

คู่มือนี้จะแนะนําคุณเกี่ยวกับตัวอย่างแบบ end-to-end ของการคาดการณ์ค่าอายุการใช้งานของลูกค้า (CLV) ใน Dynamics 365 Customer Insights - ข้อมูลโดยใช้ข้อมูลตัวอย่าง เราขอแนะนําให้คุณลองการคาดการณ์นี้ในสภาพแวดล้อมใหม่

สถานการณ์สมมติ

Contoso เป็นบริษัทที่ผลิตกาแฟและเครื่องชงกาแฟคุณภาพสูง พวกเขาขายผลิตภัณฑ์ผ่านเว็บไซต์ Contoso Coffee ของพวกเขา บริษัทต้องการทําความเข้าใจค่า (รายได้) ที่ลูกค้าสามารถสร้างได้ใน 12 เดือนข้างหน้า การรู้ค่าที่คาดหวังของลูกค้าในช่วง 12 เดือนข้างหน้าจะช่วยให้พวกเขาพยายามทางการตลาดของลูกค้าที่มีมูลค่าสูง

ข้อกําหนดเบื้องต้น

• สิทธิ์ ผู้สนับสนุนเป็นอย่างน้อย

งานที่ 1 - นําเข้าข้อมูล

ตรวจทานบทความเกี่ยวกับการนําเข้าข้อมูลและการเชื่อมต่อกับแหล่งข้อมูล Power Query ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการนําเข้าข้อมูลโดยทั่วไป

การนําเข้าข้อมูลลูกค้าจากแพลตฟอร์มอีคอมเมิร์ซ

1. สร้างแหล่งข้อมูล Power query ที่ชื่อว่า eCommerce และเลือกตัวเชื่อมต่อข้อความ/CSV

2. ป้อน URL สําหรับผู้ติดต่อ https://aka.ms/ciadclasscontactsอีคอมเมิร์ซ

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • DateOfBirth: วันที่
   • CreatedOn: วันที่/เวลา/โซน

   

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น eCommerceContacts

6. บันทึก แหล่งข้อมูล

การนําเข้าข้อมูลการซื้อออนไลน์

1. เพิ่มชุดข้อมูลอื่นไปยังแหล่งข้อมูล อีคอมเมิร์ซ เดียวกัน เลือกตัวเชื่อมต่อ ข้อความ/CSV อีกครั้ง

2. ป้อน URL สําหรับข้อมูล https://aka.ms/ciadclassonline

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • PurchasedOn: วันที่/เวลา
   • TotalPrice: สกุลเงิน

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านข้าง ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น eCommercePurchases

6. บันทึก แหล่งข้อมูล

การนําเข้าข้อมูลลูกค้าจากเค้าร่างความภักดี

1. สร้างแหล่งข้อมูลที่ชื่อว่า LoyaltyScheme และเลือกตัวเชื่อมต่อข้อความ/CSV

2. ป้อน URL สําหรับลูกค้าสมาชิกhttps://aka.ms/ciadclasscustomerloyalty

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • DateOfBirth: วันที่
   • RewardsPoints: จํานวนเต็ม
   • CreatedOn: วันที่/เวลา

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น loyCustomers

6. บันทึก แหล่งข้อมูล

การนําเข้าข้อมูลลูกค้าจากการตรวจสอบเว็บไซต์

1. สร้างแหล่งข้อมูลที่ชื่อว่าเว็บไซต์ และเลือกตัวเชื่อมต่อข้อความ/CSV

2. ป้อน URL สำหรับการตรวจสอบเว็บไซต์ https://aka.ms/CI-ILT/WebReviews.

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • ReviewRating: เลขทศนิยม
   • วันที่ตรวจทาน: วันที่

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น ตรวจทาน

6. บันทึก แหล่งข้อมูล

แบบงานที่ 2 - การรวมข้อมูล

ตรวจทานบทความเกี่ยวกับการรวมข้อมูล ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการรวมข้อมูลโดยทั่วไป

หลังจากนําเข้าข้อมูลแล้ว ให้เริ่มกระบวนการรวมข้อมูลเพื่อสร้างโปรไฟล์ลูกค้าแบบรวม สําหรับข้อมูลเพิ่มเติม ดูการรวมข้อมูล

อธิบายข้อมูลลูกค้าที่จะรวมเป็นหนึ่งเดียว

1. หลังจากรวบรวมข้อมูลแล้ว ให้แมปรายชื่อผู้ติดต่อจากข้อมูลอีคอมเมิร์ซและความภักดีไปยังชนิดข้อมูลทั่วไป ไปยังข้อมูล>รวม

2. เลือกตารางที่แสดงถึงโปรไฟล์ลูกค้า – eCommerceContacts และ loyCustomers

   

3. เลือก ContactId เป็นคีย์หลักสําหรับ eCommerceContacts และ LoyaltyID เป็นคีย์หลักสําหรับ loyCustomers

4. เลือก ถัดไป ข้ามระเบียนที่ซ้ํากันและเลือก ถัดไป

กําหนดกฎการจับคู่

1. เลือก eCommerceContacts : อีคอมเมิร์ซ เป็นตารางหลักและรวมเรกคอร์ดทั้งหมด

2. เลือก loyCustomers : LoyaltyScheme และรวมเรกคอร์ดทั้งหมด

3. เพิ่มกฎ:

   • เลือก FullName สําหรับทั้ง eCommerceContacts และ loyCustomers
   • เลือกชนิด (โทรศัพท์, ชื่อ, ที่อยู่, ...) สําหรับ Normalize
   • ตั้งค่าระดับความแม่นยํา: พื้นฐานและค่า: สูง

4. เพิ่มเงื่อนไขที่สองสําหรับที่อยู่อีเมล:

   • เลือก อีเมล สําหรับทั้ง eCommerceContacts และ loyCustomers
   • ปล่อยให้ปกติเป็นค่าว่าง
   • ตั้งค่าระดับความแม่นยํา: พื้นฐานและค่า: สูง
   • ป้อน FullName, Email สําหรับชื่อ

   

5. เลือก เสร็จสิ้น

6. เลือก ถัดไป

ดูข้อมูลแบบรวม

1. เปลี่ยนชื่อ ตาราง ContactId สําหรับ loyCustomers เป็น ContactIdLOYALTY เพื่อแยกความแตกต่างของ ID อื่นที่ส่งการนําเข้า

2. เลือก ถัดไป เพื่อตรวจสอบ จากนั้นเลือก สร้างโปรไฟล์ลูกค้า

งานที่ 3 - สร้างกิจกรรมประวัติการทํารายการ

ตรวจสอบบทความเกี่ยวกับกิจกรรมของลูกค้า ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการสร้างกิจกรรมโดยทั่วไป

1. สร้างกิจกรรมด้วย eCommercePurchases:ตารางอีคอมเมิร์ซและรีวิว:ตารางเว็บไซต์

2. สําหรับ eCommercePurchases:eCommerce ให้เลือก SalesOrderLine สําหรับประเภทกิจกรรมและ PurchaseId สําหรับคีย์หลัก

3. สําหรับการรีวิว:เว็บไซต์ ให้เลือกการตรวจสอบสําหรับประเภทกิจกรรมและ ReviewID สําหรับคีย์หลัก

4. ป้อนข้อมูลต่อไปนี้สําหรับกิจกรรมการซื้อ

   • ชื่อกิจกรรม: eCommercePurchases
   • ประทับเวลา: PurchasedOn
   • EventActivity: TotalPrice
   • ID บรรทัดใบสั่ง: PurchaseId
   • วันที่สั่งซื้อ: PurchasedOn
   • จํานวน: TotalPrice

5. ใส่ข้อมูลต่อไปนี้สําหรับกิจกรรมการตรวจสอบเว็บ:

   • ชื่อกิจกรรม: WebReviews
   • ประทับเวลา: วันที่ตรวจสอบ
   • กิจกรรมกิจกรรม: ActivityTypeDisplay
   • รายละเอียดเพิ่มเติม: การตรวจทานการจัดอันดับ

6. เพิ่มความสัมพันธ์ระหว่าง eCommercePurchases:eCommerce และ eCommerceContacts:eCommerce กับ ContactID เป็น Foreign Key เพื่อเชื่อมต่อทั้งสองตาราง

7. เพิ่มความสัมพันธ์ระหว่าง เว็บไซต์ และ eCommerceContacts กับ UserId เป็น Foreign Key

8. ตรวจสอบการเปลี่ยนแปลงของคุณ จากนั้นเลือก สร้างกิจกรรม

งานที่ 4 - กําหนดค่าการทํานายค่าอายุการใช้งานของลูกค้า

ด้วยโปรไฟล์ลูกค้าแบบรวมในสถานที่และกิจกรรมที่สร้างขึ้น ให้เรียกใช้การคาดการณ์ค่าอายุการใช้งานของลูกค้า (CLV) สําหรับขั้นตอนโดยละเอียด โปรดดู การคาดการณ์ค่าอายุการใช้งานของลูกค้า

1. ไปยังการคาดการณ์>

2. บนแท็บสร้าง เลือกใช้แบบจําลองบนไทล์ค่าอายุการใช้งานของลูกค้า

3. เลือก เริ่มต้นใช้งาน

4. ตั้งชื่อแบบจําลองการคาดการณ์ OOB eCommerce CLV และตารางผลลัพธ์ OOBeCommerceCLVPrediction

5. กําหนดการกําหนดลักษณะของแบบจําลอง:

   • ช่วงเวลาการคาดการณ์: 12 เดือนหรือ 1 ปี เพื่อกําหนดว่าในอนาคตจะคาดการณ์ CLV ได้ไกลเพียงใด
   • ลูกค้าที่ใช้งานอยู่: ให้แบบจําลองคํานวณช่วงเวลาการซื้อ ซึ่งเป็นกรอบเวลาซึ่งลูกค้าต้องมีธุรกรรมอย่างน้อยหนึ่งรายการที่จะพิจารณาใช้งานอยู่
   • ลูกค้าที่มีมูลค่าสูง: กําหนดลูกค้าที่มีมูลค่าสูงเป็น 30% อันดับต้น ๆ ของลูกค้าที่ใช้งานอยู่ด้วยตนเอง

   

6. เลือก ถัดไป

7. ในขั้นตอน ข้อมูลที่จําเป็น เลือก เพิ่มข้อมูล เพื่อให้ข้อมูลประวัติธุรกรรม

   

8. เลือก SalesOrderLine และตาราง eCommercePurchases และเลือก ถัดไป ข้อมูลที่จําเป็นจะถูกกรอกข้อมูลโดยอัตโนมัติจากกิจกรรม เลือก บันทึก แล้วเลือก ถัดไป

9. ขั้นตอน ข้อมูลเพิ่มเติม (ไม่บังคับ) ช่วยให้คุณสามารถเพิ่มข้อมูลกิจกรรมของลูกค้าเพิ่มเติมเพื่อรับข้อมูลเชิงลึกเพิ่มเติมสําหรับการโต้ตอบกับลูกค้า สําหรับตัวอย่างนี้ ให้เลือก เพิ่มข้อมูล และเพิ่มกิจกรรมการตรวจสอบเว็บ

10. เลือก ถัดไป

11. ในขั้นตอน การอัปเดตข้อมูล ให้เลือก รายเดือน สําหรับกําหนดการแบบจําลอง

12. เลือก ถัดไป

13. หลังจากตรวจสอบรายละเอียดทั้งหมดแล้ว ให้เลือก บันทึกและเรียกใช้

งานที่ 5 - ตรวจสอบผลลัพธ์และคําอธิบายแบบจําลอง

ให้แบบจําลองทําการฝึกอบรมและการให้คะแนนข้อมูลให้เสร็จสมบูรณ์ ตรวจสอบผลลัพธ์และคําอธิบายแบบจําลอง CLV

งานที่ 6 - สร้างเซกเมนต์ของลูกค้าที่มีมูลค่าสูง

การเรียกใช้แบบจําลองจะสร้างตารางใหม่ซึ่งแสดงอยู่บนผลลัพธ์>> คุณสามารถสร้างเซกเมนต์ลูกค้าใหม่ตามตารางที่สร้างโดยแบบจําลอง

1. บนหน้าผลลัพธ์ เลือกสร้างเซกเมนต์

2. สร้างกฎโดยใช้ตาราง OOBeCommerceCLVPrediction และกําหนดเซกเมนต์:

   • เขตข้อมูล: CLVScore
   • ตัวดําเนินการ: มากกว่า
   • ค่า: 1500

3. เลือก บันทึก และ เรียกใช้ เซกเมนต์

ขณะนี้คุณมีเซกเมนต์ที่ระบุลูกค้าที่ทํานายว่าจะสร้างรายได้มากกว่า $1500 ใน 12 เดือนข้างหน้า เซกเมนต์นี้ได้รับการอัปเดตแบบไดนามิกหากมีการนําเข้าข้อมูลเพิ่มเติม สําหรับข้อมูลเพิ่มเติม ดูสร้างและจัดการเซกเมนต์

ขั้นตอนถัดไป

• คาดการณ์ค่าอายุการใช้งานของลูกค้า (CLV)