本指南使用範例資料為您逐步解說在 Dynamics 365 Customer Insights - Data 中預測使用者存留期值 (CLV) 的端對端範例。 建議您在 新環境中嘗試此預測。
Scenario
Contoso 是一家生產高品質咖啡和咖啡機的公司。 他們透過其 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
- 至少是 參與者權限。
作業 1 - 導入資料
檢閱 有關資料擷取 和 連線到 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。
從電子商務平台擷取客戶資料
建立名為電子商務的 Power query 資料來源，並選取文字/CSV 連接器。
輸入電子商務聯絡人的 https://aka.ms/ciadclasscontactsURL 。
編輯資料時，選取 [轉換] ，然後選取 [ 使用第一列作為標頭]。
更新下列欄的資料型別：
- DateOfBirth：日期
- CreatedOn：日期/時間/區域
在右側窗格的 名稱 欄位中，將您的資料來源重新命名為 eCommerceContacts
儲存資料來源。
擷取線上購買資料
將另一個資料集新增至相同的 電子商務 資料來源。 再次選擇 Text/CSV 連接器。
輸入 線上購買 資料 URL https://aka.ms/ciadclassonline。
編輯資料時，選取 [轉換] ，然後選取 [ 使用第一列作為標頭]。
更新下列欄的資料型別：
- 購買於：日期/時間
- TotalPrice：貨幣
請在側窗格的名稱欄位中，將您的資料來源重新命名為 eCommercePurchases。
儲存資料來源。
從忠誠度結構描述擷取客戶資料
建立名為 LoyaltyScheme 的資料來源，然後選取 Text/CSV 聯結器。
輸入忠實客戶的 URL https://aka.ms/ciadclasscustomerloyalty。
編輯資料時，選取 [轉換] ，然後選取 [ 使用第一列作為標頭]。
更新下列欄的資料型別：
- DateOfBirth：日期
- 獎勵積分：整數
- CreatedOn：日期/時間
在右側窗格的 [名稱 ] 欄位中，將您的資料來源重新命名為 loyCustomers。
儲存資料來源。
從網站審查中內嵌客戶資料
建立名為網站的資料來源，並選取文字/CSV 連接器。
輸入網站檢視的 URL https://aka.ms/CI-ILT/WebReviews。
編輯資料時，選取 [轉換] ，然後選取 [ 使用第一列作為標頭]。
更新下列欄的資料型別：
- ReviewRating：小數
- ReviewDate：日期
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。
儲存資料來源。
作業 2 - 資料統一
檢閱 有關資料統一的文章。 下列資訊假設您一般熟悉資料統一。
擷取資料後，開始資料統一程式以建立統一的客戶設定檔。 如需詳細資訊，請參閱 資料統一。
描述要統一的客戶資料
擷取資料後，將電子商務和忠誠度資料中的聯絡人對應至常見資料型別。 移至資料>統整。
選取代表客戶設定檔的資料表 – eCommerceContacts 和 loyCustomers。
選取 ContactId 作為 eCommerceContacts 的主索引鍵，並選取 LoyaltyID 作為 loyCustomers 的主索引鍵。
選取 下一步。 略過重複記錄，然後選取 下一步。
定義比對規則
選擇 eCommerceContacts ： eCommerce 作為主要表格，並包含所有記錄。
選擇 loyCustomers ： LoyaltyScheme 並包含所有記錄。
新增規則：
- 請選取 eCommerceContacts 和 loyCustomers 的 全名。
- 選取 類型（電話、姓名、地址等） 以進行 正規化。
- 設定 精確度等級： 基本 和 值： 高。
新增電子郵件地址的第二個條件：
- 選取 eCommerceContacts 和 loyCustomers 的 電子郵件 。
- 保留正規化空白。
- 設定 精確度等級： 基本 和 值： 高。
- 輸入 FullName， Email 作為名稱。
選擇 完成。
選取 下一步。
檢視統一資料
將 loyCustomers 資料表的 ContactId 重新命名為 ContactIdLOYALTY，以將其與擷取的其他 ID 區分開來。
選取下一步進行檢閱，然後選取建立客戶設定檔。
作業 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。
使用 eCommercePurchases:eCommerce 資料表和 Reviews:Website 資料表來建立活動。
在 eCommercePurchases:eCommerce中，為活動類型選取 SalesOrderLine，並為主索引鍵選取 PurchaseId。
在 Reviews:Website 中，為活動類型選取 Review，並為主索引鍵選取 ReviewID。
輸入購買活動的下列資訊：
- 活動名稱：eCommercePurchases
- TimeStamp：PurchasedOn
- 事件活動：總價格
- 訂單明細 ID：PurchaseId
- 訂單日期：PurchasedOn
- 金額：TotalPrice
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
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。
使用 UserId 做為外部索引鍵，新增網站 與 eCommerceContacts 之間的關聯。
檢閱您的變更，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。
移至深入解析>預測。
在建立索引標籤上，選取客戶終身價值圖標上的使用模型。
選取 [馬上開始]。
將模型命名為 OOB 電子商務 CLV 預測和輸出資料表 OOBeCommerceCLVPrediction。
定義模型偏好設定：
- 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% 。
選取 下一步。
在 必要的資料步驟，選取新增資料以提供交易歷史資料。
選取 [SalesOrderLine ] 和 [eCommercePurchases] 資料表，然後選取 [下一步]。 所需資料會自動從活動中填入。 選取 [儲存] ，然後選取 [下一步]。
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。
選取 下一步。
在 [資料更新 ] 步驟中，選取 [ 每月] 作為模型排程。
選取 下一步。
檢閱所有詳細資料之後，選取 [儲存並執行]。
作業 5 - 檢閱模型結果和說明
讓模型完成資料的訓練和評分。 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，此資料表列在資料>資料表>輸出中。 您可以依據模型所建立的資料表來建立新的客戶細分。
在結果頁面上，選取建立客戶細分。
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
選取 儲存 並 執行 區段。
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。
小提示
您也可以從 Insights>Segments 頁面建立預測模型的區段，方法是選取 New（新增） 並選擇 Create from Insights（從 Insights 建立）>。 如需詳細資訊，請參閱使用快速客戶細分建立客戶細分。