Customer Insights - Journeysin Customer Insights - Datassa keräämien toimintatietojen avulla voidaan luoda segmenttejä ja mittareita. Vuorovaikutustiedot, kuten avatut sähköpostiviestit ja napsautetut linkit, ovat siis saatavana ilman lisävaiheita.

• Markkinointivuorovaikutukseen on helppo tutustua, ja sitä voidaan käyttää segmenttejä luotaessa, mikä parantaa aktivointistrategioiden mukauttamista.
• Vuorovaikutustietojen ja muiden Customer Insights - Dataan tuotavien tietojen avulla voidaan luoda tehokkaita asiakasmittareita.
• Asiakkaat, jotka eivät reagoi sähköpostiviesteihin, voidaan tunnistaa, ja heille luodaan uusi kohdistamisstrategia.
• Yhdistämisen avulla saadaan entistä tarkempi ja kattavampi näkymä asiakkaidenvuorovaikutuksista. Useisiin yhteyshenkilöihin perustuvat yhdistetyt asiakasprofiilit yhdistävät yhteyshenkilöiden vuorovaikutustiedot, joiden perusteella saadaan merkityksellisiä tietoja henkilöstä ja hänen kanssaan käydystä vuorovaikutuksesta.

Esimerkki: verkkomyymälän markkinointipäällikkö toteuttaa sähköpostimarkkinointikampanjan. Hän lähettää joka kuukausi asiakkaille, jotka käyttävät ostoihin vähintään 100 $, 5 prosentin alennuskupongin sisältävän sähköpostiviestin. Vaikka kampanjan sähköpostiviestien avausprosentti on korkea, vain muutama asiakas avasi kuponkilinkin. Tämän vuoksi sähköpostiviestin avanneet halutaan aktivoida paremmalla 10 prosentin alennuksella.

Customer Insightsin avulla edellisen kampanjan vuorovaikutustiedot siirtyvät sujuvasti ympäristöön, mikä mahdollistaa kohdeyleisön tarkentamisen sisältämään vain sähköpostiviestin avanneet asiakkaat. Keskittyminen asiakkaisiin, jotka ovat osoittaneet olevansa kiinnostuneita, parantaa todennäköisyyttä muuntaa kiinnostus toteutuneiksi ostoiksi.

Customer Insights - Data voi viedä yhdistetyt merkitykselliset tiedot Azure Data Lake Storageen. Tässä julkaisussa esiversio-ominaisuus tulee yleisesti saataville. Viemällä yhdistetyt merkitykselliset tiedot voidaan muodostaa omia mukautettuja raportteja ja koontinäyttöjä tai hyödyntää tietoja omassa sovelluksessa.

Skenaario

Mark on Customer Insights - Data -ympäristöä hallinnoiva järjestelmänvalvoja. Hänen tiiminsä haluaa luoda tärkeiden segmenttien jäsenyysmuutoksiin perustuvia Power BI -raportteja. He voivat nyt viedä tätä varten segmenttitietoja Azure Data Lake Storage -tilille. Kun tiedot ovat Azure Data Lakessa, tiimin on helppo luoda Power BI -raportteja ja suorittaa muita tärkeitä liiketoimintatoimintoja. Omaan Azure Data Lakeen tuominen antaa myös joustavan mahdollisuuden uudelleenmuotoilla tietoja tiettyjen liiketoimintatarpeiden mukaan ja integroida ne muihin Azure-tietoympäristössä toimiviin työnkulkuihin.

Kun segmenttejä ja mittoja on suuri määrä, järjestelmänvalvoja ei voi aina luotettavasti määrittää, mitä niistä tarvitaan ja mitä ei. Kampanjat suoritetaan usein vain kerran, eikä segmenttejä tai mittoja tarvita myöhemmin.

Jos segmenttiä tai mittaa ei käytetä missään muualla tietyn ajan kuluessa esimerkiksi viennissä, toisessa segmenteissä, siirtymässä tai toisessa mitassa, järjestelmä poistaa sen aktivoinnin automaattisesti. Tämä siirtää laskentaresursseja aktiivisille segmenteille ja mitoille, mikä nopeuttaa järjestelmän päivittämistä ja siten myös merkityksellisten tietojen hyödyntämistä.

Segmentit tai mitat, joiden aktivointi on poistettu, voidaan aina tarvittaessa aktivoida uudelleen. Järjestelmänvalvoja voi myös jättää tietyt segmentit pois automatisoidusta prosessista.

Yhdistettyjen profiilien ja merkityksellisten tietojen toimivuus määräytyy sen mukaan, voidaanko kyseisiä tietoja hyödyntää. Jos käytössä on Microsoft Fabric, Customer Insights - Data helpottaa arvokkaiden yhdistettyjen profiilien ja merkityksellisten tietojen tuontia suoraan OneLakeen, jossa kyseiset merkitykselliset tiedot voidaan sisällyttää perusanalytiikkaan ja myöhemmin tehtäviin prosesseihin.

Customer Insights - Datan käyttö Fabric OneLakessa auttaa estämään useilla tallennustileillä sijaitsevista tiedoista muodostuvat tietosiilot. Lisäksi se mahdollistaa yhdistettyjen profiilien ja merkityksellisten tietojen tuonnin sijaintiin, jossa kaikki analyysitiedot sijaitsevat. Yhteistyön parantaminen ja liiketoiminnan esteiden poistaminen Microsoft Fabric OneLaken ja Customer Insights - Datan avulla.

Skenaario

Northwindilla on useita osastoja, joiden järjestelmät ja tietovaatimukset ovat erilaisia. Kaikkien tietojen tuominen OneLakeen on lisännyt joustavuutta ja parantanut yhteistyömahdollisuuksia.

Northwindin markkinointiosasto otti käyttöön Customer Insights - Datan, jonka jälkeen osaston oli helppo kirjoittaa kaikki yhdistetyt asiakasprofiilit, segmentit, mittarit ja muut Customer Insights - Datan luomat merkitykselliset tiedot suoraan yrityksen OneLakeen. Tällä tavoin yrityksen eri divisioonat saivat heti mahdollisuuden hyödyntää asiakkaasta luotua kokonaisvaltaista näkymää, joka perustuu kaikkialta Northwindista saatuun tietoon.

Yhdistettyjen asiakasprofiilien ja merkityksellisten tietojen jakaminen OneLakessa paransi näkyvyyttä ja yhteistyötä. Tämä puolestaan edisti hyvän kehää, jossa useat muut osastot aloittivat omien asiakastietojen integroinnin yhdistettyyn profiiliin parantaen näin yhdistettyjen profiilien uskottavuutta ja arvoa.

Dataverse-yhdistimen päivitysten ansiosta se on paras vaihtoehto taulukoiden tuomiseen Dataversesta Customer Insights - Dataan.

• Suorituskyvyn parannukset mahdollistavat myös kaikkein suurimpien Dataverse-taulukoiden tuonnin entistä nopeammin.
• Dataversen aiempi rajoitus, jonka mukaan vain alle kaksi vuotta vanhat tiedot käsitellään, on poistettu. Nyt kaikki Dataverse-tiedot käsitellään, ja ne ovat käytettävissä.
• Luotettavuus on parantanut, sillä tiedot tuodaan nyt Delta-muodossa, mikä poistaa .csv-muotoon liittyvät yleiset ongelmat.
• Vain ne Dataverse-taulukot, joita halutaan käyttää Customer Insightsissa, voidaan valita. Enää ei siis tarvitse tehdä vain luku ‑muotoisia pakollisia taulukkovalintoja.

Aiemmin luodut Dataverse-yhteydet päivitetään automaattisesti ilman käyttökatkoksia.

Yleinen haaste asiakkaan lähdetietoja käytettäessä on sellaisten vanhojen ja vanhentuneiden lähdetietojen käsitteleminen, jotka on käsiteltävä tarvittavien tietojen yhteydessä. Lähdetietojen esikäsittelyyn kuluu kuitenkin aikaa ja vaivaa.

Customer Insights - Data mahdollistaa nyt rivisuodattimien käyttämisen suoraan missä tahansa käsiteltävässä lähdetaulukossa, joten tietojen laajuus pienenee vain tarvittavaan. Suodattimia käytetään kerran Taulukot-sivulla, jossa lähdetaulukot näkyvät nyt omassa välilehdessä erillään Customer Insightsin luomista tulostaulukoista. Toivotut suodattimet voidaan määrittää valitsemalla rivin suodatuslinkki minkä tahansa taulukon vieressä.

Käsittelynopeus optimoidaan suodattamalla tiedot Sparkissa, kun tietoja käsitellään suodattamalle ne yhdistämisen, segmenttien, mittojen, aktiviteettien ja mallien perusteella. Täydellinen suodattamaton tietojoukko saadaan käyttöön lataamalla se Taulukot-sivulta.

Toiminnot tärkeät arvot:

• Parantunut käsittelyaika: ei-toivottujen rivien poistamisen ansiosta järjestelmä ei enää käsittele tarpeettomia tietoja, mikä lyhentää käsittelyaikaa.
• Paremmat tulostiedot: tarpeettomien tietojen poistaminen tuloksesta helpottaa tietojen käyttöä, sillä ei-toivottuja tietoja ei enää tarvitse poistaa.

Esikatselurajoitus vain merkkijonotietojen ehtoa On jokin {list of values} tuetaan.

Yhdistettyjen merkityksellisten asiakastietojen käytön mahdollistaminen organisaatiossa omasta Azure Data Lakesta on entistä helpompaa ja paremmin hallittavissa. Customer Insights - Datassa on mahdollista valita Azure Data Lakeen synkronoitavat taulukot ja tietomuoto, johon tiedot kirjoitetaan. Valittavana on CSV-, Parquet- ja Delta Parquet -muodot. Aina kun Customer Insights - Data käsittelee tietoja sekä päivittää asiakasprofiilit ja merkitykselliset tiedot, tiedot synkronoidaan nopeasti ja automaattisesti Data Lake -tallennustilaan. Tällä tavoin merkitykselliset tiedot saadaan yrityksen kuluttajille ja myöhemmin tehtäviin liiketoimintaprosesseihin nopeasti ja tehokkaasti. Koska asetukset voidaan päivittää, synkronoitavia taulukoita voidaan vaihtaa.

Tarvittavien tietojen saanti nopeutuu, sillä käyttämättömiä taulukoita ei synkronoida. Myös tallennuskustannukset pienenevät, kun taulukoita, joista ei olla kiinnostuneita, ei tarvitse tallentaa. Koska synkronointi nopeutuu, tallennuskustannukset pienenevät ja tietomuotojen keräämistä, muuntamista ja lataamista on vähemmän, organisaation ja analyysitiimien toiminta tehostuu, minkä lisäksi Customer Insights - Data -investoinnista saadaan enemmän lisäarvoa.

Skenaario

Northwind suorittaa päivittäin analytiikkaraportin, jossa käytetään Customer Insightsin luomia kanta-asiakastietoja. Yritys siirtyi äskettäin käyttämään Spark-moduulia näiden merkityksellisten tietojen laskemiseen, ja siihen tarvitaan Customer Insightsista kanta-asiakassegmentit ja -pisteet Parquet-muodossa. Northwindin tietojen muuntajien on helppo ottaa tämä muutos käyttöön tekemällä muutos nopeasti Customer Insightsissa. Niinpä kallista tietojen muuntoputkiprosessin luontia ja ylläpitoa ei tarvita, mikä säästää aikaa ja laskentakustannuksia sekä nopeuttaa tulosten saantia.

Yksi Delta Lake ‑muodon tärkeimmistä arvoista on mahdollisuus seurata tiedoissa ajan mittaan tapahtuvia muutoksia. Customer Insightsin alkuperäisen Delta Lake ‑taulukkomuodon tuen ansiosta käsittelyaikoja voidaan nopeuttaa Customer Insights - Datassa hyödyntämällä Delta Laken lisääviä tietopäivityksiä.

Asiakasprofiilin tiedot muuttavat tyypillisesti päivittäin vain muutaman prosentin osalta. Sen sijaan että Customer Insights - Data käsittelisi koko tietojoukon joka päivä, se voikin käsitellä vain muuttuneet lähdetiedot Delta-muodossa tapahtuvaa yhtenäistämistä varten, mikä säästää aikaa ja nopeuttaa tulosten saantia. Tämä parannus tapahtuu automaattisesti, jos kaikki taulukot ovat Delta-muotoisia. Mitään määrityksiä tai muutoksia ei tarvita.

Segmenttien, toimenpiteiden, aktiviteettien ja ennusteiden asteittainen käsittely on suunniteltu lisättäväksi seuraavien kuukausien aikana.

OneLakeen tallennettuihin asiakastietoihin on helppo tutustua, ja ne on helppo valita Customer Insights - Datassa käsiteltäviksi. OneLake-tietoyhdistin liitetään suoraan OneLake-tietoihin, joten tietoja ei tarvitse kopioida.

• OneLake-tietojen lisäävä käsittely nopeuttaa tietojen yhdistämistä ja merkityksellisten tietojen saantia. Vain äskettäin muuttuneet tiedot käsitellään, mikä lyhentää merkittävästi käsittelyaikoja.
• Fabricin pikavalintojen ja peilauksen avulla voidaan integroida nopeasti tietoja ulkoisista lähteistä ja yhdistää ne Customer Insights - Datassa.

Skenaario

Contoso on määrittänyt Customer Insights - Datan lukemaan kaikki omat asiakastiedot Microsoft Fabricista. Koska Contoso käyttää pikavalintoja ja peilausta, kaikki ulkoiset tiedot sekä omat Azuren isännöimät tiedot ovat Customer Insightsin käytettävissä OneLakessa. Customer Insights - Data lukee tiedot suoraan OneLakesta ilman erillisten kopioiden luontia. Koska OneLake käyttää Delta-muotoa, OneLake-tietoja yhdistettäessä vain muuttuneet tiedot on käsiteltävä, joten merkityksellisiä tietoja saadaan aiempaa nopeammin. OneLaken käyttäminen tietolähteenä antaa Contosolle mahdollisuuden lopettaa tietojen siirtämisen ja muuntamisen aiemmilla hitailla ja kalliilla keräämis-, muuntamis- ja lataamistoiminnoilla.

On kolme keskeistä skenaariota, jossa Customer Insights - Data on ehkä yhdistettävä palomuurilla suojattuihin Azure-tallennuksen säilöihin:

• Tietojen tulostus: Customer Insights - Data voidaan määrittää kirjoittamaan tiedot suoraan yksityiseen Azure-tallennussäilöön.
• Tietojen syöttö: tietoyhteydet voidaan muodostaa tuomaan tietoja Azure-tallennussäilöstä.
• Viennit: tietyt taulukot voidaan määrittää viemään tietoja Azure-tallennussäilöihin.

Tietoyhteyksien hallinta Azuren hallittujen käyttäjätietojen avulla varmistaa, että käyttöä valvotaan ja että yrityskäytäntö rajoittaa sitä. Tällä tavoin salaisia koodeja ei tarvitse tallentaa, minkä lisäksi varmistetaan, että käyttöoikeusien hallinta poistetaan, kun liitetyt resurssit poistetaan. Tämä puolestaan parantaa elinkaaren hallinnan suojausta yleisesti.

Yhdistettyjä asiakastietoja ymmärtävistä itsenäisistä agenteista tulee tehokkaita resursseja, joiden avulla organisaation tehokkuus siirtyy uudelle tasolle.

• Microsoft Copilot Studiossa voidaan nyt lisätä mukautettuja asiakasprofiileja, segmenttejä, mittareita ja merkityksellisiä tietoja Dataversesta mukautettujen tai mukautettavien itsenäisten agenttien tietolähteiksi.

• Kun agentti julkaistaan tai päivitetään, agentin käyttäjä saa heti käyttöönsä töiden suorittamiseen tarvittavat asiakkaan tärkeät merkitykselliset tiedot.

• Luotavat agentit voivat suorittaa itsenäisiä toimintoja tai vastata muutoksiin asiakkaan yhdistetyissä merkityksellisissä tiedoissa.

Skenaario

Sally on lupaavaa uutta Joe-nimistä liidiä arvioiva myyjä. Joe osallistui äskettäin uuden tuotteen julkaisutapahtumaan, ja hänellä on jo suhde yritykseen. Customer Insightsin tietojen avulla Dynamics 365 Salesin agentit (kuten myynnin hyväksyntäagentti) voi nyt käyttää eri kosketuspisteistä Joen kokonaiskulutusta, VIP-tilaa ja äskettäisiä vuorovaikutuksia koskevia tietoja.

Kun agentti päättelee näiden merkityksellisten tietojen avulla, kuinka todennäköisyydestä on, että Joe tekee ostoja, päätös on parempi kuin jos nämä tiedot eivät olisi olleet käytettävissä. Tällä tavoin itsenäiset agentit yhdenvertaistavat välittömästi asiakkaiden tärkeät merkitykselliset tiedot, joita Sally tarvitsee määritettäessä, kuinka tärkeä Joe on prospektitoiminnassa.

Copilotin avulla on vaivatonta käyttää Customer Insights - Data ‑sovlluksesta saatuja liidin tai yhteyshenkilön merkityksellisiä tietoja, kuten ennustettu elinkaariarvo, ostotaipumus, viimeaikaiset tapahtumat sekä vuorovaikutukset. Asiakaspalvelijat ja myyjät voivat pyytää Copilotilta tietoja tietyistä asiakkaista suoraan oman työnsä aikana, jolloin he saavat välittömästi käyttöönsä olennaiset tiedot. Vaikka he eivät olisikaan varmoja siitä, millaisia tietoja on saatavilla ja miten ne voi löytää, Copilot tarjoaa välittömän, saumattoman pääsyn tietoihin, mikä antaa tiimeille mahdollisuuden tehokkaampaan vuorovaikutukseen.

Skenaario

Sarah, suuren vähittäiskauppayrityksen myyntiedustaja, valmistautuu tärkeään tapaamiseen arvokkaan liidin, Markin, kanssa. Ennen tapaamista Sarah haluaa ymmärtää paremmin Markin ostokäyttäytymistä ja sitoutumisen tasoa, mutta hänellä on kiire ja hän on epävarma siitä, mihin tietoihin hänellä on pääsy.

Sarah kysyy Copilotilta: "Mikä on Markin ennustettu elinkaariarvo ja ostotaipumus?" Copilot palauttaa merkitykselliset tiedot Customer Insights - Data ‑sovelluksesta. Se tarjoaa Sarahille tiedot Markin ennustetusta elinkaariarvosta, viimeisimmistä ostoista sekä vuorovaikutuksesta yrityksen kanssa. Copilot tuo myös esiin, että Markilla on suuri taipumus ostaa mutta hänellä on keskisuuri poistumariski viimeaikaisen passiivisuuden perusteella.

Näiden työnkulkua koskevien merkityksellisten tietojen avulla Sarah räätälöi luottavaisin mielin lähestymistapaansa tapaamiseen ja keskittyy sitouttamaan Markin uudelleen henkilökohtaisella tarjouksella poistuman ehkäisemiseksi. Hän kykenee sitouttamaan Markin tehokkaammin ja osoittamaan ymmärtävänsä Markin tarpeet, mikä johtaa onnistuneeseen tapaamiseen ja vahvempaan asiakassuhteeseen.