Med Copilot kan du enkelt få tilgang til rik innsikt som anslått levetidsverdi, tilbøyelighet til å kjøpe, nylige transaksjoner og interaksjoner. Agenter og selgere kan be Copilot om informasjon om spesifikke kunder direkte i arbeidsflyten og få relevante data med en gang. Selv om de er usikre på hvilke data som er tilgjengelige eller hvordan de finner dem, gir Copilot umiddelbar, sømløs tilgang. Det gir team mulighet til å engasjere seg mer effektivt samtidig som tilgangskontroller og grenser sikres.

Scenario:

Sarah, en salgsrepresentant i et stort detaljhandelsselskap, forbereder seg på et viktig møte med en verdifull potensiell kunde ved navn. Før møtet ønsker Sarah å forstå kjøpsatferd og engasjementsnivå, men hun har dårlig tid og er usikker på hvilke spesifikke data hun har tilgang til.

Sarah spør Copilot: "Hva er anslåtte livstidsverdi og tilbøyelighet til å kjøpe?" Copilot returnerer innsikt fra Customer Insights – Data. Den gir Sarah Marks estimerte livstidsverdi, nylige kjøp og interaksjoner med selskapet. Copilot viser også at Mark har en høy tilbøyelighet til å kjøpe, men har en middels risiko for churn på grunn av nylig inaktivitet.

Med denne innsikten skreddersyr Sarah sin møtetilnærming. Hun fokuserer på å gjenengasjere Mark med et personlig tilbud for å forhindre kundefrafall. Hun engasjerer ham mer effektivt ved å vise at hun forstår behovene hans. Denne tilnærmingen fører til et vellykket møte og et sterkere kundeforhold.

Autonome agenter som forstår de enhetlige kundedataene dine, er kraftige ressurser. Med disse agentene kan du bygge organisatorisk effektivitet som du ikke kunne oppnå før.

I Microsoft Copilot Studio kan du legge til kundeprofiler, segmenter, mål og annen innsikt fra Dataverse som kunnskapskilder for alle egendefinerte eller tilpassbare autonome agenter.

• Når du starter eller oppdaterer agenten, får alle brukere umiddelbart tilgang til viktig kundeinnsikt.
• Opprett agenter som utfører autonome handlinger eller svarer på endringer i den enhetlige kundeinnsikten.

Scenario:

Sally er en selger som evaluerer en lovende ny hovedperson ved navn Joe. Joe deltok nylig på et lanseringsarrangement for nye produkter og har et eksisterende forhold til selskapet. Ved hjelp av data fra Customer Insights får agenter i Dynamics 365 Sales (for eksempel salgskvalifiseringsagenten) tilgang til informasjon om Joes totale utgifter, VIP-statusen hans og hans nylige samhandlinger på tvers av andre berøringspunkter.

Med denne innsikten kan agenten ta en mer informert beslutning om Joes sannsynlighet for å kjøpe enn det som ville vært mulig uten disse dataene. På denne måten demokratiserer selvstyrende agenter umiddelbart nøkkelinnsikten Sally trenger for å avgjøre hvor viktig Joe er for arbeidet hennes for potensielle kunder.

Med Delta Lake-formatet kan du spore endringer i dataene dine over tid. Når du bruker Customer Insights med opprinnelig støtte for Delta Lake-tabellformatet, kan du bruke trinnvise Delta Lake-dataoppdateringer til å øke hastigheten på behandlingen i Customer Insights – Data.

Kundeprofildata endres vanligvis bare med en liten prosentandel hver dag. I stedet for å behandle hele datasettet på nytt hver dag, behandler Customer Insights – Data bare de endrede kildedataene for sammenslåing i Delta-formatet. Denne tilnærmingen sparer tid og gir resultater raskere. Denne forbedringen skjer automatisk når alle tabeller bruker Delta-formatet. Du trenger ikke å sette opp eller endre noe.

Vi planlegger å legge til trinnvis behandling for segmenter, mål, aktiviteter og prediksjoner i fremtidige oppdateringer.

Virtual Network-støtte bruker Azure-delnettdelegering til å administrere utgående trafikk fra Power Platform ved kjøring. Når Power Platform bruker Azure-delnettdelegering, trenger du ikke å gjøre beskyttede ressurser tilgjengelige over Internett for å integrere med Customer Insights – Data.

Customer Insights – Data bruker Virtual Network-støtten i Power Platform til å konfigurere Private Link-tilkoblinger til Azure-lagringen bak en brannmur på en sikker måte. Customer Insights – Data bruker private koblinger for tre scenarioer:

• Datainndata: Bruk datakilder til å hente data fra Azure-lagringen til Customer Insights – Data for behandling.
• Datautdata: Konfigurer Customer Insights – Data for å skrive alle utdata til Azure-lagringen.
• Eksporter: Konfigurer eksporter for å sende bestemte tabeller til Azure-lagringen.

Alle nye private koblinger bruker Virtual Network-støtte. Du må oppdatere eksisterende private lenker.

Hvis du vil ha mer informasjon om plattformstøtte, kan du se Oversikt over støtte for Virtual Network.

En vanlig utfordring når du arbeider med kundekildedata, er å håndtere gamle og foreldede kildedata som du inntar med dataene du ønsker. Men forhåndsbehandling av kildedataene dine tar ekstra tid og krefter.

Med Customer Insights – Data kan du bruke radfiltre direkte på alle kildetabeller du inntar. Denne filterfunksjonen reduserer dataomfanget til akkurat det du trenger. Du bruker filtre én gang på Tabeller-siden . Tabeller-siden viser kildetabeller i en egen kategori. Denne kategorien skiller kildetabeller fra utdatatabellene som Customer Insights oppretter. Velg radfilterkoblingen ved siden av en tabell for å angi filtrene du vil bruke.

For å optimalisere behandlingshastigheten filtrerer Spark data under behandling for samling, segmenter, mål, aktiviteter og modeller. Når du laster ned data fra Tabeller-siden , får du hele datasettet uten filtre.

Denne funksjonen gir viktige fordeler:

• Raskere behandling: Ved å fjerne uønskede rader hopper systemet over unødvendige data og reduserer behandlingstiden.
• Bedre utdata: Når du fjerner unødvendige data fra utdataene, gjør du det enklere for forbrukere å bruke dataene uten å måtte utelate uønskede data.

Begrensning for forhåndsvisning

Betingelsen Er noen av {liste over verdier} fungerer bare for strengdata.

Utforsk og velg kundedata som er lagret i OneLake for behandling i Customer Insights - Data. OneLake-datakoblingen kobles direkte til OneLake-dataene, slik at du ikke trenger å kopiere data.

• Bruk Fabric-snarveier og speiling til raskt å integrere data fra ulike eksterne kilder og hente disse dataene inn i Customer Insights – Data for behandling.
• For OneLake-data i Delta-format (standardformatet for OneLake) kan du dra nytte av trinnvis behandling av Delta-data, som utgis i 2025. Denne funksjonen behandler bare nylig endrede data og reduserer behandlingstiden dramatisk.

Scenario: Contoso sentraliserer kundedataene sine i Microsoft Fabrics OneLake. Customer Insights – Data kobles til OneLake for å lese kildedata uten å kopiere, klargjøre eller transformere data for produktet. Ved å opprette snarveier og speil til eksterne kilder som Snowflake i OneLake, får Contoso tilgang til bedriftsdata sømløst uten ekstra dataflytting eller duplisering. OneLake lagrer data i Delta-format, slik at Customer Insights – Data behandler bare endringene siden forrige oppdatering. Dette oppsettet reduserer behandlingstiden og gir raskere tilgang til innsikt.

Med Fabric og Customer Insights – Data erstatter Contoso trege, kostbare ETL-datasamlebånd med et enhetlig datagrunnlag i sanntid. Denne løsningen effektiviserer driften, reduserer administrasjonskostnadene og muliggjør raskere og mer responsivt kundeengasjement.

Enhetlige profiler og innsikt er bare nyttige når du kan handle på dataene. Hvis du bruker Microsoft Fabric, gjør Customer Insights – Data det enklere å dele verdifulle enhetlige profiler og innsikt direkte i OneLake. Du kan legge til denne innsikten i kjerneanalysene og nedstrømsprosessene.

Scenario:

Contoso har flere avdelinger med distinkte systemer og datakrav. Når du har opprettet snarveier i Fabric OneLake til alle Customer Insights – dataprofiler og innsikt, kan hele Contoso-organisasjonen dra nytte av den unike fordelen med 360-graders kundeprofiler på tvers av alle arbeidsbelastningene i organisasjonen.

Den forbedrede synligheten og samarbeidet fra deling av enhetlige kundeprofiler og innsikt i Fabric OneLake skaper en syklus der flere avdelinger tar skritt for å integrere sine unike kundedata i enhetlige profiler. Denne prosessen forbedrer troskapen og verdien til profilene.

I denne versjonen kan du bruke Azure Data Lake Storage (ADLS)-eksporter med generell tilgjengelighet.

Scenario Sarah forener kundedataene sine og oppretter et segment basert på krav fra hele organisasjonen. Flere team i firmaet hennes bruker denne innsikten. Hvert team trenger en konsistent og pålitelig mekanisme for å få oppdateringer hver dag. Sarah konfigurerer Customer Insights – Data for automatisk å eksportere all innsikten teamene hennes trenger hver dag. Hver dag blir millioner av kundedatapunkter samlet, aktivitetsdata behandles, mål beregnes og kundesegmenter opprettes. Løsningen sender automatisk den resulterende innsikten til Azure Data Lake-lagringen som alle teamene hennes leser fra.

Du kan nå automatisk få tilgang til atferdsdata fra Customer Insights – reiser, for eksempel e-poståpninger og koblingsklikk, i Customer Insights – data uten oppsett eller dataflytting. Med denne funksjonen har du følgende handlinger:

• Bruk samhandlinger fra Customer Insights – reiser til å bygge nøyaktige segmenter og tilpasse engasjement i Customer Insights – Data.
• Kombiner kundeinnsikt – Reisesamhandlingsdata med andre eksterne datakilder for å opprette kraftige kundemål for poengsum og målretting mot kunder med større presisjon.
• Identifiser kunder som ikke svarer på kampanjene dine, og følg dem på nytt ved å bruke eksterne systemer som Google og Meta.
• Bruk forening til å identifisere kunder med flere e-poster og se hvordan de samhandler med merkevaren din på tvers av ulike kontaktpunkter, slik at du kan se kunden og ikke bare e-postadressen.

Scenario: Som markedssjef i en nettbutikk sender du en månedlig kampanje som gir 5% rabatt til kundene. Når du går gjennom resultatene, ser du en høy åpningsrate for e-post, men en lav klikkfrekvens på kupongen. Med Customer Insights – Data kan du se hvilke kontakter som åpnet e-postmeldingen og samhandlet med produktet ditt. Du oppretter et nytt segment av kunder som åpnet e-posten, men ikke klikket på kupongen, og du målretter dem på nytt med et mer overbevisende tilbud på 10%. Når du handler på reelle engasjementssignaler, avgrenser du publikummet ditt, øker relevansen og øker salget.

Følgende eksportkoblinger vil være tilgjengelige i denne versjonen:

• Facebook-annonser
• Google-annonser
• LinkedIn
• Sikker FTP (SFTP)
• Snapchat

Scenarier:

• Sarah har samlet kundedataene og opprettet segmenter for å målrette kunder med høy livstidsverdi. Sarah ønsker å målrette mot denne målgruppen med annonser på Google og Facebook, så hun eksporterer publikummet til Google og Facebook, der hun konfigurerer nettkampanjen sin.

• Mark er en administrator som administrerer Customer Insights - Data-miljøet. team ønsker å opprette Power BI-rapporter basert på endringer i segmentmedlemskap for nøkkelsegmenter. For å gjøre dette kan de nå eksportere segmentdata til Azure Data Lake Storage-kontoen sin. Når dataene er i Azure Data Lake, kan de enkelt opprette Power BI-rapporter og utføre andre forretningskritiske operasjoner. Å eksportere til sin egen Azure Data Lake gir også fleksibiliteten til å omforme dataene for å oppfylle spesifikke forretningsbehov og integrere dem i andre arbeidsflytprosesser som leveres av Azure-datalageret.