Med Copilot blir det enkelt å få tilgang til innholdsrik innsikt om en potensiell kunde eller en kontakt fra Customer Insights - Data, for eksempel forventet levetidsverdi, tilbøyelighet til kjøp, nylige transaksjoner og samhandlinger. Agenter og selgere kan ganske enkelt spørre Copilot om informasjon om spesifikke kunder direkte i arbeidsflyten, og få øyeblikkelig tilgang til relevante data. Selv om de er usikre på hvilke data som er tilgjengelige eller hvordan de skal oppdage dem, gir Copilot umiddelbar, sømløs tilgang, noe som gir team mulighet til å engasjere seg mer effektivt.

Scenario

Sarah, en selger i et stort detaljhandelsselskap, forbereder seg på et viktig møte med en verdifullt potensiell kunde, Mark. Før møtet ønsker Sarah å forstå Marks kjøpsatferd og engasjement bedre, men hun har lite tid og er usikker på hvilke spesifikke data hun har tilgang til.

Sarah spør Copilot, «Hva er forventede levetidsverdi og tilbøyelighet til å kjøpe?» og Copilot returnerer innsikt fra Customer Insights - Data. Det gir Sarah forventet livstidsverdi, nylige kjøp og samhandlinger med selskapet. Copilot fremhever også at Mark har en høy tilbøyelighet til å kjøpe, men viser en middels risiko for frafall basert på nylig inaktivitet.

Med denne innsikten i arbeidsflyten tilpasser Sarah møtetilnærmingen og fokuserer på å engasjere Mark på nytt med et tilpasset tilbud for å forhindre frafall. Hun kan kommunisere mer effektivt med ham og vise at hun forstår behovene hans, noe som fører til et vellykket møte og en sterkere kunderelasjon.

Selvstyrende agenter som forstår de enhetlige kundedataene, blir de kraftigste ressursene dine, slik at du kan bygge organisasjonseffektivitet som aldri før har vært mulig.

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

• Når du starter eller oppdaterer agenten, får enhver bruker av agenten umiddelbart tilgang til viktig kundeinnsikt for å få jobben gjort.

• Opprett agenter som kan utføre selvstyrende handlinger eller svare på endringer i enhetlig kundeinnsikt.

Scenario

Sally er en selger som vurderer en lovende ny potensiell kunde som heter Joe. Joe deltok nylig på et lanseringsarrangement for nye produkter og har et eksisterende forhold til selskapet. Ved å bruke data fra Customer Insights kan agenter i Dynamics 365 Sales (f.eks. salgskvalifiseringsagenten) nå få tilgang til informasjon om Joes totale utgifter, VIP-statusen hans og de nylige samhandlingene mellom 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.

Når du har et stort antall segmenter og mål, kan du ikke som administrator alltid nøyaktig bestemme hvilke som trengs, og hvilke som ikke trengs. Kampanjer kjøres ofte bare én gang, og segmentene eller målene er ikke nødvendige senere.

Når et segment eller mål ikke brukes andre steder i en bestemt tidsperiode – i en eksport, et annet segment, en reise eller et annet mål – deaktiveres det automatisk av systemet. Dette flytter dataressurser til segmentene og målene som er aktive, noe som resulterer i en raskere systemoppdatering og dermed raskere tid til innsikt.

Du kan alltids aktivere deaktiverte segmenter eller mål på nytt om nødvendig. Som administrator kan du også utelate bestemte segmenter fra den automatiserte prosessen.

Utforsk og velg kundedata som er lagret i OneLake for behandling i Customer Insights - Data. OneLake-datakoblingen kobles direkte til OneLake-dataene dine, noe som eliminerer behovet for å kopiere data.

• Få fart på dataforeningen og tiden til innsikt med trinnvis behandling av OneLake-data. Bare de nylig endrede dataene behandles, noe som reduserer behandlingstiden dramatisk.
• Bruk Fabric-snarveier og -speilinger til raskt å integrere data fra forskjellige eksterne kilder og samle dem i Customer Insights - Data.

Scenario

Contoso har konfigurert Customer Insights - Data til å lese inn alle kundedataene fra Microsoft Fabric. Siden Contoso har snarveier og speilinger, er alle de eksterne dataene samt Azure-vertsbaserte data tilgjengelige for Customer Insights i OneLake. Customer Insights - Data leser data direkte fra OneLake uten å opprette egne kopier. Siden OneLake bruker Delta-formatet, trenger foreningen av OneLake-dataene bare å behandle de endrede dataene, slik at de kan få innsikt raskere enn noensinne. Ved å bruke OneLake som datakilde kan Contoso eliminere de tidligere langsomme og dyre ETL-operasjonene for å flytte og transformere data.

En av nøkkelverdiene til Delta Lake-formatet er muligheten til å spore endringer over tid i dataene. Med støtte for Delta Lake-tabellformat i Customer Insights kan du nå dra nytte av trinnvise Delta Lake-dataoppdateringer for å fremskynde behandlingen i Customer Insights - Data.

Det er vanlig at kundeprofildata bare endres med noen få prosent hver dag. I stedet for å behandle hele datasettet hver dag kan Customer Insights - Data behandle bare de endrede kildedataene for forening i Delta-formatet, noe som sparer tid og gir deg resultater raskere. Denne forbedringen skjer automatisk når alle tabellene er i Delta-formatet. Ingen konfigurasjon eller endring er nødvendig.

Det er planlagt trinnvis behandling av segmenter, mål, aktiviteter og prognoser i løpet av de neste månedene.

En vanlig utfordring når du arbeider med kundekildedata, er å håndtere gamle og foreldede kildedata som er inkludert med dataene du vil ha. Det tar imidlertid ekstra tid og krefter å forhåndsbehandle kildedataene.

Med Customer Insights - Data kan du nå bruke radfiltre direkte på alle kildetabeller du inntar, noe som reduserer dataomfanget til akkurat det du trenger. Filtre brukes én gang på siden Tabeller, der kildetabellene nå vises i en egen fane, atskilt fra utdatatabellene som er opprettet av Customer Insights. Velg radfilterkoblingen ved siden av en tabell for ganske enkelt å angi de ønskede filtrene.

For å optimalisere behandlingshastigheten filtreres data i Spark når de behandles av forening, segmenter, mål, aktiviteter og modeller. Det fullstendige, ufiltrerte datasettet er tilgjengelig når du laster det ned fra siden Tabeller.

Viktige verdier med denne funksjonen omfatter følgende:

• Forbedret behandlingstid: Ved å fjerne uønskede rader behandler ikke systemet lenger data som ikke er nødvendige, noe som kan redusere behandlingstid.
• Forbedrede utdata: Fjerning av unødvendige data fra utdataene gjør dataene enklere å bruke av forbrukere som ikke lenger trenger å ekskludere uønskede data.

Begrensning for forhåndsversjon Betingelsen Er en hvilken som helst av {list of values} støttes bare for strengdata.

Å gjøre den enhetlige kundeinnsikten tilgjengelig for organisasjonen fra din egen Azure Data Lake er nå enklere og mer håndterbar. Med Customer Insights - Data kan du ganske enkelt sjekke tabellene du vil synkronisere med Azure Data Lake, og velge dataformatet du vil skrive dataene i. Velg mellom CSV-, Parquet- eller Delta Parquet-formater. Hver gang Customer Insights - Data behandler dataene og oppdaterer kundeprofilene og innsikten, synkroniseres dataene raskt og automatisk med Data Lake, slik at du får innsikt i forretningsforbrukerne og nedstrøms forretningsprosesser raskere og mer effektivt. Innstillingene kan oppdateres, slik at du kan endre hvilke tabeller du vil synkronisere.

Eliminering av synkronisering av tabellene du ikke bruker, betyr at du får dataene du fokuserer på, raskere. Det betyr også at du kan spare lagringskostnader ved å eliminere lagring av tabeller du ikke er interessert i. Raskere synkroniseringstider, lavere lagringskostnader og ETL med mindre dataformat betyr at organisasjonen og analyseteamene er mer effektive, og du oppnår mer verdi fra investeringen i Customer Insights - Data.

Scenario

Northwind kjører en daglig analyserapport ved hjelp av kundelojalitetsdata generert av Customer Insights. De har nylig gått over til å bruke en Spark-motor til å beregne denne innsikten og trenger lojalitetssegmentene og en lojalitetspoengsum fra Customer Insights i Parquet-formatet. Northwind-dataforvaltere kan enkelt aktivere denne endringen med bare en rask endring i Customer Insights, noe som eliminerer kostbar oppretting og vedlikehold av en hel datakonverteringskanalprosess, noe som sparer tid og databehandlingskostnader og får resultater raskere.

Det er tre viktige scenarioer der Customer Insights - Data muligens må kobles til Azure-lagringsbeholdere som finnes bak en brannmur:

• Utdata: Customer Insights - Data kan konfigureres til å skrive data direkte til den private Azure-lagringsbeholderen.
• Inndata: Datatilkoblinger kan opprettes for å importere data fra Azure-lagringsbeholderne.
• Eksport: Spesifikke tabeller kan konfigureres for eksport til Azure-lagringsbeholdere.

Administrering av datatilkoblinger med Azure-administrerte identiteter sikrer at tilgangen kontrolleres og begrenses av bedriftspolicyen, noe som eliminerer lagrede hemmeligheter og sikrer at tilgangskontroller slettes når de tilknyttede ressursene slettes, noe som forbedrer den generelle administrasjonen av sikkerhetslivssyklusen.

Oppdateringer i Dataverse-koblingen gjør den til det beste valget for å importere tabeller fra Dataverse til Customer Insights - Data.

• Ytelsesforbedringer lar deg importere selv de største Dataverse-tabellene med forbedret hastighet.
• Den tidligere grensen for inntak av data som er under to år gamle fra Dataverse, fjernes. Nå er alle Dataverse-dataene inkludert og tilgjengelige for bruk.
• Forbedret pålitelighet fordi data nå importeres i Delta-formatet, noe som eliminerer vanlige problemer med CSV-formatet.
• Velg bare Dataverse-tabellene du vil bruke i Customer Insights. Ingen flere skrivebeskyttede obligatoriske tabellvalg.

Eksisterende Dataverse-tilkoblinger oppdateres automatisk uten nedetid.

Enhetlige profiler og innsikt er bare så nyttige som din evne til å handle på og bruke disse dataene. Hvis du bruker Microsoft Fabric, gjør Customer Insights - Data det enklere for deg å hente inn verdifulle, enhetlige profiler og innsikt direkte i OneLake, der du kan bruke denne innsikten i kjerneanalysene og nedstrømsprosessene.

Med Customer Insights - Data i Fabric OneLake kan du unngå datasiloene som opprettes ved å ha data i mange lagringskontoer, og hente de enhetlige profilene og innsiktene til ett sted for alle analysedataene. Forbedre samarbeidet og bryt ned forretningsbarrierer med Microsoft Fabric OneLake og Customer Insights - Data.

Scenario

Northwind har flere avdelinger med forskjellige systemer og datakrav. Å hente alle dataene inn i OneLake har forbedret fleksibiliteten og evnen til å samarbeide.

Northwinds markedsavdeling implementerte Customer Insights - Data og kunne enkelt skrive alle de enhetlige kundeprofilene, segmentene, målene og annen innsikt som ble generert av Customer Insights - Data, direkte til selskapets OneLake, slik at forskjellige avdelinger i hele selskapet umiddelbart kunne bruke en konsekvent, helhetlig visning av kunden opprettet ved hjelp av data fra hele Northwind.

Den forbedrede synligheten og samarbeidet fra å dele enhetlige kundeprofiler og innsikt i OneLake bidro til en fruktbar syklus der flere andre avdelinger iverksatte tiltak for å integrere de unike kundedataene i den enhetlige profilen, noe som forbedret nøyaktigheten og verdien av de enhetlige profilene.

Customer Insights - Data kan eksportere enhetlig innsikt til Azure Data Lake Storage. Med denne utgivelsen blir denne forhåndsversjonsfunksjonen tilgjengelig. Eksporter den enhetlige innsikten for å bygge dine egne tilpassede rapporter og instrumentbord, eller for å bruke dataene i ditt eget program.

Scenario

Mark er en administrator som administrerer Customer Insights - Data-miljøet. Teamet hans ønsker å lage Power BI-rapporter basert på endringer i segmentmedlemskap for viktige segmenter. 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.

Bruk atferdsdata samlet inn av Customer Insights - Journeys i Customer Insights - Data til å opprette segmenter og mål. Samhandlingsdata som e-post åpnet eller kobling klikket er tilgjengelig uten ekstra trinn.

• Oppdag og bruk markedsføringssamhandlinger enkelt mens du oppretter segmenter, noe som forbedrer tilpasningen med engasjementsstrategier.
• Opprett kraftige kundetiltak med samhandlingsdata sammen med andre data du tar med til Customer Insights - Data.
• Identifiser kunder som ikke engasjerer seg med e-post, og legg en strategi for ny målretting.
• Bruk forening til å få en mer nøyaktig og fullstendig oversikt over kundenes samhandlinger. Samlede kundeprofiler basert på flere kontakter kombinerer samhandlingsdataene og gir deg innsikt om personen og hvordan du samhandler med vedkommende.

En markedsføringsleder for en nettbutikk kjører for eksempel en e-postmarkedsføringskampanje. Hver måned sender lederen e-post til kunder som brukte $100 eller mer, og tilbyr dem en rabattkupong på fem prosent. Selv om kampanjen hadde en høy åpningsrate for e-post, var det bare noen få kunder som åpnet kupongkoblingen. Lederen ønsker derfor å kontakte de som åpnet e-posten, med en mer fristende rabatt på ti prosent.

Med Customer Insights flyter samhandlingsdataene fra den forrige kampanjen effektivt inn i plattformen, slik at du kan avgrense målgruppen til bare å inkludere kunder som åpnet e-posten. Ved å fokusere på de som viste interesse, øker du sannsynligheten for å snu interessen til faktiske kjøp.