Med Copilot bliver det nemt at få adgang til omfattende indsigt i et kundeemne eller en kontakt fra Customer Insights - Data som f.eks. forventet levetidsværdi, tilbøjelighed til at købe, nylige transaktioner og interaktioner. Helpdesk-medarbejdere og sælgere kan blot bede Copilot om oplysninger om specifikke kunder direkte i deres arbejdsflow og få øjeblikkelig adgang til relevante data. Selvom de er usikre på, hvilke data der er tilgængelige, eller hvordan de opdager dem, giver Copilot øjeblikkelig, problemfri adgang, så teams har mulighed for at engagere sig mere effektivt.

Scenarie

Sarah, en sælger i en stor detailvirksomhed, forbereder sig på et vigtigt møde med et vigtigt kundeemne, Mark. Inden mødet vil Sarah gerne have en bedre forståelse af Marks købsadfærd og engagementsniveau, men hun er presset på tid og usikker på, hvilke specifikke data hun har adgang til.

Sarah spørger Copilot: "Hvad er Marks forventede levetidsværdi og tilbøjelighed til at købe?" og Copilot returnerer indsigt fra Customer Insights - Data. Den giver Sarah Marks forudsagte levetidsværdi, nylige køb og interaktioner med virksomheden. Copilot fremhæver også, at Mark har en høj tilbøjelighed til at købe, men viser en mellemstor risiko for afgang baseret på nylig inaktivitet.

Udstyret med denne indsigt i sit arbejdsflow skræddersyr Sarah selvsikkert sin mødetilgang og fokuserer på at engagere Mark igen med et personligt tilbud for at forhindre afgang. Hun kan engagere ham mere effektivt og demonstrere, at hun forstår hans behov, hvilket fører til et vellykket møde og en stærkere kunderelation.

Autonome agenter, der forstår dine samlede debitordata, bliver dine mest magtfulde aktiver, så du kan opbygge organisatorisk effektivitet, som aldrig før har været mulig.

• I Microsoft Copilot Studio kan du nu tilføje kundeprofiler, segmenter, mål og anden indsigt fra Dataverse som videnkilder for enhver tilpasset autonome agenter.

• Når du starter eller opdaterer agenten, vil enhver bruger af agenten øjeblikkeligt få adgang til din vigtige debitorindsigt for at få deres arbejde gjort.

• Opret agenter, der kan udføre autonome handlinger eller reagere på ændringer i din samlede debitorindsigt.

Scenarie

Sally er en sælger, der vurderer et lovende nyt kundeemne ved navn Joe. Joe deltog for nylig i en ny produktlanceringsbegivenhed og har et eksisterende forhold til virksomheden. Ved hjælp af data fra Customer Insights kan agenter i Dynamics 365 Sales (såsom salgskvalificeringsagent) nu få adgang til oplysninger om Joes samlede forbrug, hans VIP-status og hans seneste interaktioner på tværs af andre berøringspunkter.

Med denne indsigt kan agenten træffe en mere informeret beslutning om Joes sandsynlighed for at købe, end det ville have været muligt uden disse data. På denne måde demokratiserer autonome agenter øjeblikkeligt den vigtigste debitorindsigt, som Sally har brug for til at afgøre, hvor vigtig Joe er for hendes undersøgende indsats.

Udforsk og vælg nemt debitordata, der er gemt i din OneLake, til behandling i Customer Insights - Data. OneLake-dataconnectoren sluttes direkte til dine OneLake-data, hvilket eliminerer behovet for at kopiere data.

• Fremskynd dataforening og tid til indsigt med trinvis behandling af OneLake-data. Kun de nyligt ændrede data behandles, hvilket dramatisk reducerer behandlingstiden.
• Brug Fabric-genveje og -spejling til hurtigt at integrere data fra forskellige eksterne kilder og samle dem i Customer Insights - Data.

Scenarie

Contoso har konfigureret Customer Insights - Data for at indlæse alle deres debitordata fra Microsoft Fabric. Fordi Contoso har genveje og spejling, er alle deres eksterne data såvel som deres Azure hostede data tilgængelige for Customer Insights i deres OneLake. Customer Insights - Data læser data direkte fra OneLake uden at oprette separate kopier. Fordi OneLake bruger Delta-formatet, behøver foreningen af deres OneLake-data kun at behandle de ændrede data, så de kan få indsigt hurtigere end nogensinde. Brug af OneLake som deres datakilde gør det muligt for Contoso at eliminere deres tidligere langsomme og dyre ETL-operationer for at flytte og transformere data.

En af nøgleværdierne i Delta Lake-formatet er evnen til at spore ændringer over tid i dataene. Med indbygget understøttelse af Delta Lake-tabelformatet i Customer Insights kan du nu udnytte trinvise opdateringer af Delta Lake-data for at fremskynde behandlingen i Customer Insights - Data.

Det er typisk, at kundeprofildata kun ændres med nogle få procent hver dag. I stedet for at genbehandle hele datasættet hver dag kan Customer Insights - Data blot behandle de ændrede kildedata til forening i Delta-formatet, hvilket sparer tid og giver dig resultater hurtigere. Denne forbedring sker automatisk, når alle tabellerne er i Delta-formatet. Ingen konfiguration eller ændring er påkrævet.

Trinvis behandling af segmenter, målinger, aktiviteter og forudsigelser er planlagt til at blive tilføjet i de kommende måneder.

En almindelig udfordring, når man arbejder med debitorkildedata, er at håndtere uønskede rækker eller kolonner, hvilket øger behandlingstiden og lagringen i Customer Insights - Data. Forbehandling af disse data kan være tidskrævende og ressourcekrævende.

Nu tillader Customer Insights - Data, at du kan anvende række- og kolonnefiltre direkte på enhver kildetabel, du indlæser, hvilket reducerer dataomfanget til lige det, du har brug for. Filtre anvendes én gang på siden Tabeller, hvor kildetabeller er adskilt fra output. Vælg række- eller kolonnefiltersammenkæde for en tabel, og indstil filtrene. Disse filtrerede tabeller vil derefter blive brugt på tværs af alle processer i Customer Insights - Data, herunder unifikation, segmenter, målinger, aktiviteter og prædiktive modeller.

Denne funktion giver flere vigtige fordele:

• Forbedret behandlingstid: Ved at fjerne uønskede rækker behandler systemet ikke længere data, der ikke er nødvendige, hvilket reducerer tid og ressourcer.
• Strømlinede datasæt: Fjernelse af unødvendige søjler forbedrer behandlingstiden, især med store datasæt. Kolonner, der ikke bruges til at matche eller er nødvendige i det endelige output, kan nu filtreres fra før behandling.
• Målrettet endeligt output: Frafiltrering af irrelevante data, f.eks. gamle poster eller data fra områder, hvor du ikke længere driver forretning, resulterer i et mere fokuseret og relevant output.

Ved at bruge filtre effektivt kan du optimere både behandlingstid og lagring, hvilket gør dine resultater mere målrettede og effektive.

Det er nu nemmere og mere overskueligt at gøre din samlede kundeindsigt tilgængelig for din organisation fra din egen Azure Data Lake. Customer Insights - Data giver dig mulighed for blot at markere de tabeller, du vil synkronisere med din Azure Data Lake, og vælge det dataformat, dataene skal skrives i. Vælg mellem CSV-, Parquet- eller Delta Parquet-formater. Hver gang Customer Insights - Data behandler dine data og opdaterer dine kundeprofiler og indsigter, synkroniseres dataene hurtigt og automatisk med din datasø, så du får din indsigt ud til dine forretningsforbrugere og downstream-forretningsprocesser hurtigere og mere effektivt. Indstillinger kan opdateres, så du kan ændre, hvilke tabeller du vil synkronisere.

Eliminering af synkronisering af de tabeller, du ikke bruger, betyder, at du får de data, du fokuserer på, hurtigere. Det betyder også, at du kan spare lageromkostninger ved at eliminere opbevaring af tabeller, du ikke er interesseret i. Hurtigere synkroniseringstider, lavere lageromkostninger og mindre dataformat ETL betyder, at din organisation og analyseteams er mere effektive, og du realiserer mere værdi fra din investering i Customer Insights - Data.

Scenarie

Northwind kører en daglig analyserapport ved hjælp af debitorloyalitetsdata, der er genereret af Customer Insights. De er for nylig gået over til at bruge et Spark-program til at beregne denne indsigt og har brug for loyalitetssegmenterne og en loyalitetsscore fra Customer Insights i Parquet-formatet. Northwind-dataudviklere kan nemt aktivere denne ændring med blot en hurtig ændring i Customer Insights, hvilket eliminerer den dyre oprettelse og vedligeholdelse af en komplet proces til datakonvertering af pipelinen, sparer tid og beregner omkostninger og får resultater hurtigere.

Der er tre nøglescenarier, hvor Customer Insights - Data måske skal oprette forbindelse til Azure-lagercontainere, der er placeret bag en firewall:

• Dataoutput: Customer Insights - Data kan konfigureres til at skrive data direkte til din private Azure-lagerbeholder.
• Datainput: Der kan oprettes dataforbindelser for at importere data fra dine Azure-lagerbeholdere.
• Eksporter: Specifikke tabeller kan konfigureres til eksport til Azure-lagerbeholdere.

Administration af dataforbindelser med Azure Managed Identities sikrer, at adgangen styres og begrænses af virksomhedens politik, hvilket eliminerer gemte hemmeligheder og sikrer, at adgangskontroller slettes, når deres tilknyttede ressourcer slettes, hvilket forbedrer den overordnede administration af sikkerhedens livscyklus.

Samlede profiler og indsigter er kun så stærke som din evne til at handle på og bruge disse data. Hvis du bruger Microsoft Fabric, gør Customer Insights - Data det lettere for dig at bringe værdifulde samlede profiler og indsigt direkte i din OneLake, hvor du kan inkorporere denne indsigt i dine kerneanalyser og downstream-processer.

Customer Insights - Data i Fabric OneLake giver dig mulighed for at undgå de datasiloer, der skabes ved at have data på mange lagerkonti, og samler dine samlede profiler og indsigt på ét sted for alle dine analysedata. Forbedre samarbejdet og nedbryde forretningsbarrierer med Microsoft Fabric OneLake og Customer Insights - Data.

Scenarie

Northwind har flere afdelinger med forskellige systemer og datakrav. At bringe alle deres data ind i OneLake har forbedret deres fleksibilitet og evne til at samarbejde.

Northwinds marketingafdeling implementerede Customer Insights - Data og kunne nemt skrive alle de samlede kundeprofiler, segmenter, foranstaltninger og anden indsigt, der blev genereret af Customer Insights - Data, direkte til virksomhedens OneLake, hvilket gjorde det muligt for forskellige divisioner på tværs af virksomheden straks at udnytte en ensartet 360-graders visning af debitoren oprettet vha. data fra hele Northwind.

Den forbedrede synlighed og det forbedrede samarbejde ved at dele samlede kundeprofiler og indsigt i OneLake bidrog til en god cyklus, hvor flere andre afdelinger tog skridt til at integrere deres unikke debitordata i den samlede profil, hvilket forbedrede troværdigheden og værdien af de samlede profiler.

Når du har et stort antal segmenter og mål, kan du som administrator ikke altid vide med sikkerhed, hvilke der er nødvendige, og hvilke der ikke er. Kampagner kører ofte kun én gang, og segmenterne eller målingerne er ikke nødvendige bagefter.

Når et segment eller en måling ikke bruges andre steder i en bestemt periode – i en eksport, et andet segment, et kampagneforløb eller en anden måling – deaktiveres det automatisk af systemet. Det flytter beregningsressourcer til de segmenter og målinger, der er aktive, hvilket resulterer i hurtigere systemopdatering og dermed hurtigere tid til indsigt.

Du kan altid genaktivere deaktiverede segmenter eller målinger, hvis det er nødvendigt. Som administrator kan du også ekskludere bestemte segmenter fra den automatiserede proces.

Brug adfærdsdata indsamlet af Customer Insights - Journeys i Customer Insights - Data for at oprette segmenter og mål. Interaktionsdata, f.eks. mail åbnet, eller link klikket, er tilgængelige uden nogen ekstra trin.

• Opdag og brug nemt marketinginteraktioner, mens du opretter segmenter, hvilket forbedrer brugertilpasning af engagementsstrategier.
• Skab stærke kundemål med interaktionsdata sammen med andre data, du medbringer Customer Insights - Data.
• Identificer kunder, der ikke interagerer med mails, og lav en strategi for genregistreringsstrategi.
• Brug forening for at få et mere præcist og fuldstændigt overblik over din debitors interaktioner. Samlede kundeprofiler baseret på flere kontakter kombinerer deres interaktionsdata og giver dig indsigt om personen, og hvordan du interagerer med dem.

En marketingchef for en online detailhandel kører f.eks. en mail marketingkampagne. Hver måned sender de en mail til kunder, der har brugt $100 eller mere, og tilbyder dem en rabatkupon på 5 procent. Mens kampagnen havde en høj mailåbningsrate, var det kun få kunder, der åbnede kupon linket. Så de vil kontakte dem, der åbnede mailen med en mere lokkende 10 procent rabat.

Med Customer Insights flyder interaktionsdataene fra din tidligere kampagne problemfrit ind på platformen, så du kan forfine din målgruppe til kun at omfatte kunder, der har åbnet mailen. Ved at fokusere på dem, der viste interesse, øger du sandsynligheden for at omdanne denne interesse til faktiske køb.

Customer Insights - Data kan eksportere din samlede indsigt til din Azure Data Lake Storage. Med denne udgivelse vil denne forhåndsversionsfunktion være generelt tilgængelig. Eksportere dine integrerede indsigter for at lave dine egne brugerdefinerede rapporter og dashboards eller for at udnytte dataene i din egen applikation.

Scenarie

Mark er administrator, som administrerer Customer Insights - Data-miljøet. Hans team vil oprette Power BI-rapporter baseret på ændringer i medlemskab af segmenter for nøglesegmenter. De kan nu eksportere segmentdata til deres Azure Data Lake Storage-konto. Når dataene er i Azure Data Lake, kan de nemt oprette Power BI-rapporter og udføre andre forretningskritiske handlinger. Eksport til deres egen Azure Data Lake giver også fleksibiliteten til at omforme dataene for at imødekomme specifikke forretningsbehov og integrere dem i andre arbejdsgange, der drives af deres Azure-datamiljø.