Med Copilot kan du enkelt få tillgång till omfattande insikter som förutspådd livstidsvärde, benägenhet att köpa, senaste transaktioner och interaktioner. Agenter och säljare kan be Copilot om information om specifika kunder direkt i arbetsflödet och få relevant data direkt. Även om de är osäkra på vilka data som är tillgängliga eller hur de hittar dem, ger Copilot omedelbar, sömlös åtkomst. Det gör det möjligt för team att engagera sig mer effektivt samtidigt som åtkomstkontroller och gränser säkerställs.

Scenario:

Sarah, en säljare på ett stort detaljhandelsföretag, förbereder sig för ett viktigt möte med en värdefull lead som heter Mark. Innan mötet vill Sarah förstå Marks köpbeteende och engagemang, men hon har ont om tid och är osäker på vilka specifika data hon har tillgång till.

Sarah frågar Copilot: "Vad är Marks förutspådda livstidsvärde och benägenhet att köpa?" Copilot returnerar insikter från Customer Insights – Data. Sarah Marks förutspådda livstidsvärde, hennes senaste köp och interaktioner med företaget presenteras. Copilot visar också att Mark har en hög benägenhet att köpa men har en medelhög risk för churn på grund av den senaste tidens inaktivitet.

Med dessa insikter skräddarsyr Sarah sin mötesmetod. Hon fokuserar på att återengagera Mark med ett personligt erbjudande för att förhindra churn. Hon engagerar honom mer effektivt genom att visa att hon förstår hans behov. Detta tillvägagångssätt leder till ett lyckat möte och en starkare kundrelation.

Autonoma agenter som förstår dina enhetliga kunddata är kraftfulla tillgångar. Med dessa agenter kan du skapa organisatorisk effektivitet som du inte kunde uppnå tidigare.

I Microsoft Copilot Studio kan du lägga till kundprofiler, segment, mått och andra insikter från Dataverse som kunskapskällor för anpassade eller anpassningsbara autonoma handläggare.

• När du startar eller uppdaterar agenten får alla användare omedelbart tillgång till dina viktigaste kundinsikter.
• Skapa handläggare som utför autonoma åtgärder eller svarar på ändringar i dina enhetliga kundinsikter.

Scenario:

Sally är en säljare som utvärderar en lovande ny lead som heter Joe. Joe deltog nyligen i ett evenemang för lansering av nya produkter och har en befintlig relation med företaget. Med hjälp av data från Customer Insights får handläggare i Dynamics 365 Sales (t.ex. försäljningskvalificeringsagenten) tillgång till information om Joes totala utgifter, hans VIP-status och hans senaste interaktioner över andra kontaktpunkter.

Med de här insikterna kan agenten fatta ett mer välgrundat beslut om Joes sannolikhet att köpa än vad som skulle ha varit möjligt utan dessa data. På så sätt demokratiserar autonoma agenter omedelbart de viktiga kundinsikter som Sally behöver för att avgöra hur viktig Joe är för hennes prospekteringsarbete.

Stöd för virtuellt nätverk använder Azure-undernätsdelegering för att hantera utgående trafik från Power Platform i drift. När Power Platform använder delegering av Azure-undernät behöver du inte göra skyddade resurser tillgängliga via Internet för att integrera med Customer Insights – Data.

Customer Insights – Data använder Virtual Network-stöd i Power Platform för att på ett säkert sätt konfigurera Private Link anslutningar till din Azure-lagring bakom en brandvägg. Customer Insights – Data använder privata länkar för tre scenarier:

• Indata: Använd datakällor för att hämta data från din Azure-lagring till Customer Insights – Data för bearbetning.
• Datautdata: Konfigurera Customer Insights – Data för att skriva alla utdata till din Azure-lagring.
• Exporter: Konfigurera exporter för att skicka specifika tabeller till din Azure Storage.

Alla nya privata länkar använder stöd för Virtual Network. Du måste uppdatera befintliga privata länkar.

Mer information om plattformsstöd finns i Översikt över Virtual Network-stöd.

Med Delta Lake-formatet kan du spåra ändringar i dina data över tid. När du använder Customer Insights med inbyggt stöd för Delta Lake-tabellformatet kan du använda inkrementella datauppdateringar i Delta Lake för att påskynda bearbetningen i Customer Insights – Data.

Kundprofildata ändras vanligtvis bara med en liten procentandel varje dag. I stället för att bearbeta om hela datauppsättningen varje dag bearbetar Customer Insights – Data endast ändrade källdata för sammanslagning i Delta-format. Detta tillvägagångssätt sparar tid och ger resultat snabbare. Den här förbättringen sker automatiskt när alla tabeller använder Delta-formatet. Du behöver inte ställa in eller ändra något.

Vi planerar att lägga till inkrementell bearbetning för segment, mått, aktiviteter och förutsägelser i framtida uppdateringar.

En vanlig utmaning när du arbetar med kundkälldata är att hantera gamla och föråldrade källdata som du matar in med de data du vill ha. Men förbearbetning av dina källdata tar extra tid och ansträngning.

Med Customer Insights - Data kan du tillämpa radfilter direkt på alla källtabeller som du importerar. Den här filterfunktionen minskar dataomfånget till precis vad du behöver. Du använder filter en gång på sidan Tabeller . På sidan Tabeller visas källtabeller på en egen flik. På den här fliken separeras källtabeller från de utdatatabeller som Customer Insights skapar. Välj radfilterlänken bredvid en tabell för att ange de filter du vill använda.

För att optimera bearbetningshastigheten filtrerar Spark data under bearbetningen för enhetlighet, segment, mått, aktiviteter och modeller. När du laddar ned data från sidan Tabeller får du den fullständiga datauppsättningen utan filter.

Den här funktionen ger viktiga fördelar:

• Snabbare bearbetning: Genom att ta bort oönskade rader hoppar systemet över onödig data och minskar bearbetningstiden.
• Bättre utdata: När du tar bort onödiga data från utdata gör du det enklare för konsumenterna att använda data utan att behöva utesluta oönskade data.

Begränsning av förhandsgranskning

Villkoret Är något av {lista med värden} fungerar endast för strängdata.

Utforska och välj enkelt kunddata som lagras i din OneLake för bearbetning i Customer Insights - Data. OneLake-dataanslutningsappen ansluter direkt till dina OneLake-data, så du behöver inte kopiera data.

• Använd Fabric-genvägar och spegling för att snabbt integrera data från olika externa källor och föra in dessa data i Customer Insights - Data för bearbetning.
• För OneLake-data i Delta-format (standardformatet för OneLake) kan du dra nytta av inkrementell bearbetning av Delta-data, som släpps 2025. Den här funktionen bearbetar endast nyligen ändrade data och minskar bearbetningstiderna dramatiskt.

Scenario: Contoso centraliserar sina kunddata i Microsoft Fabric OneLake. Customer Insights - Data ansluter till OneLake för att läsa källdata utan att kopiera, mellanlagra eller transformera data för produkten. Genom att skapa genvägar och speglingar till externa källor som Snowflake i OneLake får Contoso sömlös åtkomst till företagsdata utan extra dataförflyttning eller duplicering. OneLake lagrar data i Delta-format, så Customer Insights – Data bearbetar endast ändringarna sedan den senaste uppdateringen. Den här konfigurationen minskar bearbetningstiden och påskyndar åtkomsten till insikter.

Med infrastruktur och Customer Insights – data ersätter Contoso långsamma, kostsamma ETL-pipelines med en enhetlig databas i realtid. Den här lösningen effektiviserar driften, sänker omkostnaderna och möjliggör snabbare och mer responsivt kundengagemang.

Enhetliga profiler och insikter är bara användbara när du kan agera på data. Om du använder Microsoft Fabric gör Customer Insights - Data det enklare att dela värdefulla enhetliga profiler och insikter direkt i OneLake. Du kan lägga till dessa insikter i dina kärnanalys- och underordnade processer.

Scenario:

Contoso har flera avdelningar med olika system- och datakrav. När du har skapat genvägar i Fabric OneLake till alla sina Customer Insights – Dataprofiler och insikter kan hela Contoso-organisationen utnyttja den unika fördelen med 360-gradersprofiler för kunder i alla arbetsbelastningar i organisationen.

Den förbättrade synligheten och samarbetet från att dela enhetliga kundprofiler och insikter i Fabric OneLake skapar en cykel där flera avdelningar vidtar åtgärder för att integrera sina unika kunddata i enhetliga profiler. Den här processen förbättrar exaktheten och värdet för profilerna.

I den här versionen kan du använda ADLS-exporter (Azure Data Lake Storage) med allmän tillgänglighet.

Scenario Sarah förenar sina kunddata och skapar ett segment baserat på krav från hela organisationen. Flera team på hennes företag använder dessa insikter. Varje team behöver en konsekvent och tillförlitlig mekanism för att få uppdateringar varje dag. Sarah konfigurerar Customer Insights – Data för att automatiskt exportera alla insikter som hennes team behöver varje dag. Varje dag förenas miljontals kunddatapunkter, aktivitetsdata bearbetas, mätvärden beräknas och kundsegment skapas. Lösningen skickar automatiskt de resulterande insikterna till Azure Data Lake-lagringen som alla hennes team läser från.

Du kan nu automatiskt komma åt beteendedata från Customer Insights - Resor, till exempel e-postöppningar och länkklick, i Customer Insights - Data utan någon konfiguration eller dataflytt. Med den här funktionen kan du

• Använd interaktioner från Customer Insights - Journeys för att skapa exakta segment och personalisera engagemanget i Customer Insights - Data.
• Kombinera Customer Insights - Journeys interaktionsdata med andra externa datakällor för att skapa kraftfulla kundmått för poängsättning och målinriktning på kunder med större precision.
• Identifiera kunder som inte svarar på dina kampanjer och rikta in dig på dem igen genom att använda externa system som Google och Meta.
• Använd sammanslagning för att identifiera kunder med flera e-postmeddelanden och se hur de interagerar med ditt varumärke över olika kontaktpunkter, så att du kan se kunden och inte bara e-postadressen.

Scenario: Som marknadschef på en onlinebutik skickar du en månatlig kampanj som ger 5% rabatt till kunderna. När du granskar resultaten ser du en hög öppningsfrekvens för e-post men en låg klickfrekvens på kupongen. Med Customer Insights - Data kan du se vilka kontakter som öppnade e-postmeddelandet och interagerade med din produkt. Du skapar ett nytt segment av kunder som öppnade e-postmeddelandet men inte klickade på kupongen, och du riktar dig till dem med ett mer övertygande erbjudande på 10%. När du agerar på verkliga engagemangssignaler förfinar du din publik, ökar relevansen och ökar försäljningen.

Följande exportkopplingar kommer att vara tillgängliga i den här versionen:

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

Scenarier:

• Sarah har förenat kunddata och skapat segment för att rikta in sig på kunder med ett högt livstidsvärde. Sarah vill rikta in sig på den här målgruppen med annonser på Google och Facebook, så hon exporterar målgruppen till Google och Facebook där hon konfigurerar sin onlinekampanj.

• Mark är en administratör som hanterar miljön Customer Insights - Data. Marks team vill skapa Power BI-rapporter baserat på ändringar i segmentmedlemskap för viktiga segment. Det kan han nu göra genom att exportera segmentdata till sitt Azure Data Lake Storage-konto. När data finns i Azure Data Lake kan de enkelt skapa Power BI-rapporter och utföra andra affärskritiska åtgärder. Att exportera till sin egen Azure Data Lake ger också flexibiliteten att omforma data för att uppfylla specifika affärsbehov och integrera dem i andra arbetsflöden som drivs av deras Azure-dataegendom.