Med Copilot blir det enkelt att få tillgång till rika insikter om ett lead eller en kontakt från Customer Insights - Data, som förutsagt livstidsvärde, köpbenägenhet, de senaste transaktionerna och interaktioner. Handläggare och säljare kan helt enkelt be Copilot om information om specifika kunder direkt i arbetsflödet och få omedelbar tillgång till relevanta data. Även om de är osäkra på vilka data som är tillgängliga eller hur de ska upptäcka dem, ger Copilot omedelbar, sömlös åtkomst, vilket ger teamen möjlighet att engagera sig mer effektivt.

Scenario

Sarah, en säljare på ett stort detaljhandelsföretag, förbereder sig inför ett viktigt möte med ett värdefullt lead, Mark. Inför mötet vill Sarah förstå Marks köpbeteende och engagemangsnivå bättre, men hon har ont om tid och är osäker på vilka specifika data hon har tillgång till.

Sara frågar Copilot: ”Vilket är Marks förutspådda livstidsvärde och köpbenägenhet?” och Copilot returnerar insikter från Customer Insights - Data. Sarah får Marks förutspådda livstidsvärde, senaste inköp och interaktioner med företaget. Copilot belyser också att Mark har en hög köpbenägenhet, men uppvisar en medelhög risk för omsättning baserat på den senaste tidens inaktivitet.

Utrustad med de här insikterna i sitt arbetsflöde skräddarsyr Sarah mötesstrategin med tillförsikt, med fokus på att få Mark engagerad på nytt och förhindra kundbortfall med hjälp av ett personligt erbjudande. Hon kan engagera honom mer effektivt och visa att hon förstår hans behov, vilket leder till ett lyckat möte och en starkare kundrelation.

Autonoma agenter som förstår dina enhetliga kunddata blir dina mest kraftfulla tillgångar, och gör att du kan bygga upp en organisationseffektivitet som aldrig tidigare varit möjlig.

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

• När du startar eller uppdaterar agenten får alla användare av agenten omedelbart tillgång till dina viktigaste kundinsikter för att få jobbet gjort.

• Skapa agenter som kan utföra autonoma åtgärder eller agera 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 kan agenter i Dynamics 365 Sales (till exempel Säljkvalificeringsagenten) nu få tillgång till information om Joes totala utgifter, hans VIP-status och hans senaste interaktioner vid 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.

Det finns tre viktiga scenarier där Customer Insights - Data kan behöva ansluta till Azure Storage-containrar som finns bakom en brandvägg:

• Datautmatning: Customer Insights - Data kan konfigureras för att skriva data direkt till din privata Azure Storage-container.
• Datainmatning: Dataanslutningar kan upprättas för att importera data från dina Azure Storage-containrar.
• Exporter: Specifika tabeller kan konfigureras för export till Azure Storage-containrar.

Genom att hantera dataanslutningar med hanterade Azure-identiteter säkerställer du att åtkomsten kontrolleras och begränsas av din företagspolicy, vilket eliminerar lagrade hemligheter och säkerställer att åtkomstkontroller tas bort när deras associerade resurser tas bort, vilket förbättrar den övergripande hanteringen av säkerhetslivscykeln.

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

• Påskynda datasamordning och tid till insikter med inkrementell bearbetning av OneLake-data. Endast de data som nyligen ändrats bearbetas, vilket minskar bearbetningstiderna dramatiskt.
• Använd Fabric-genvägar och spegling om du snabbt vill integrera data från olika externa källor och samordna dem i Customer Insights - Data.

Scenario: Contoso har konfigurerat Customer Insights - Data till att läsa in alla kunddata från Microsoft Fabric. Eftersom Contoso har genvägar och spegling är alla deras externa data såväl som deras Azure-värddata tillgängliga för Customer Insights i deras OneLake. Customer Insights - Data läser data direkt från OneLake utan att skapa separata kopior. Eftersom OneLake använder Delta-formatet behöver samordningen av deras OneLake-data bara bearbeta ändrade data, vilket gör att de kan få insikter snabbare än någonsin. Genom att använda OneLake som datakälla kan Contoso eliminera sina tidigare långsamma och dyra ETL-åtgärder för att flytta och transformera data.

En vanlig utmaning när man arbetar med kunders källdata är att hantera oönskade rader eller kolumner, vilket ökar bearbetningstiden och lagringen i Customer Insights - Data. Förbearbetning av dessa data kan vara tids- och resurskrävande.

I Customer Insights - Data kan du nu använda rad- och kolumnfilter direkt på alla källtabeller som du matar in, vilket minskar dataomfattningen till precis det du behöver. Filter tillämpas en gång på sidan Tabeller, där källtabeller separeras från utdata. Välj rad- eller kolumnfilterlänken för valfri tabell och ställ in filtren. De här filtrerade tabellerna kommer sedan att användas i alla processer i Customer Insights - Data, inklusive samordning, segment, åtgärder, aktiviteter och prediktiva modeller.

Den här funktionen innebär flera viktiga fördelar:

• Förbättrad bearbetningstid: Genom att ta bort oönskade rader bearbetar systemet inte längre data som inte behövs, vilket minskar tid och resurser.
• Effektiviserade datauppsättningar: Att ta bort onödiga kolumner förbättrar bearbetningstiden, särskilt vid stora datamängder. Kolumner som inte används för matchning eller som inte behövs i slutliga utdata kan nu filtreras bort innan de bearbetas.
• Målinriktade slutliga utdata: Bortfiltrering av irrelevanta data, till exempel gamla poster eller data från regioner där du inte längre är verksam, leder till mer fokuserade och relevanta utdata.

Genom att använda filter effektivt kan du optimera både bearbetningstid och lagring, vilket gör dina resultat mer riktade och effektiva.

Nu är det enklare och mer hanterbart att göra enhetliga kundinsikter tillgängliga för din organisation från din egen Azure Data Lake. I Customer Insights - Data markerar du bara de tabeller du vill synkronisera med din Azure Data Lake och väljer dataformatet som data ska skrivas i. Välj mellan formaten CSV, Parquet och Delta Parquet. Varje gång Customer Insights - Data bearbetar dina data och uppdaterar dina kundprofiler och insikter synkroniseras data snabbt och automatiskt med din datasjö, vilket gör att företagskonsumenterna och affärsprocesserna nedströms får insikterna snabbare och mer effektivt. Inställningarna kan uppdateras, så att du kan ändra vilka tabeller du vill synkronisera.

Genom att eliminera synkroniseringen av de tabeller du inte använder får du de data du fokuserar på snabbare. Det betyder också att du kan spara lagringskostnader genom att inte lagra de tabeller som du inte är intresserad av. Snabbare synkroniseringstider, lägre lagringskostnader och mindre dataformat-ETL innebär att din organisation och dina analysteam blir mer effektiva och att du får ut mer av din investering i Customer Insights - Data.

Scenario

Northwind kör en daglig analysrapport med hjälp av kundlojalitetsdata som genereras av Customer Insights. De har nyligen gått över till att använda en Spark-motor för att beräkna insikterna och behöver lojalitetssegmenten och en lojalitetspoäng från Customer Insights i Parquet-format. Northwinds dataorganisatörer kan enkelt möjliggöra den här ändringen med en snabb ändring i Customer Insights, vilket eliminerar det kostsamma arbetet med att skapa och underhålla en hel pipelineprocess för datakonvertering. Det sparar tid och beräkningskostnader och de får resultat snabbare.

Ett av de viktigast värdena i Delta Lake-formatet är möjligheten att spåra förändringar i data med tiden. Med inbyggt stöd för Delta Lake-tabellformatet i Customer Insights kan du nu använda inkrementella Delta Lake-datauppdateringar för att påskynda bearbetningen i Customer Insights - Data.

Det är typiskt att kundprofildata bara ändras med några få procent varje dag. I stället för att bearbeta hela datamängden varje dag kan Customer Insights - Data bearbeta enbart ändrade källdata för samordning i Delta-formatet, vilket sparar tid och ger dig resultat snabbare. Den här förbättringen sker automatiskt när alla tabeller är i Delta-formatet. Ingen konfiguration eller ändring krävs.

Inkrementell bearbetning av segment, mått, aktiviteter och prognoser är planerade att läggas till under de kommande månaderna.

Uppdateringar har gjorts av Dataverse-anslutningsprogrammet för att det ska bli förstahandsvalet för att importera tabeller från Dataverse till Customer Insights - Data.

• Prestandaförbättringar gör att du kan importera även de största Dataverse-tabellerna snabbare.
• Den tidigare gränsen för inmatning av data som är yngre än två år från Dataverse tas bort. Nu kan matas alla dina Dataverse-data in och kan användas.
• Förbättrad tillförlitlighet eftersom data nu importeras i Delta-formatet, så att du slipper problem som är vanliga för .csv-formatet.
• Välj bara de Dataverse-tabeller som du vill använda i Customer Insights. Inga fler val av skrivskyddade obligatoriska tabeller.

Befintliga Dataverse-anslutningar uppdateras automatiskt utan driftstopp.

Enhetliga profiler och insikter är bara så kraftfulla som din förmåga att agera på och använda dessa data. Om du använder Microsoft Fabric gör Customer Insights - Data det enklare för dig att ta med värdefulla enhetliga profiler och insikter direkt till din OneLake, där du kan införliva insikterna i dina kärnanalyser och nedströmsprocesser.

Customer Insights - Data i Fabric OneLake gör att du kan undvika de datasilor som skapas genom att ha data på många lagringskonton, och samlar dina enhetliga profiler och insikter på en enda plats för alla dina analysdata. Förbättra samarbetet och bryt ner affärsbarriärer med Microsoft Fabric OneLake och Customer Insights - Data.

Scenario

Northwind har flera avdelningar med olika system och datakrav. Att föra in alla sina data i OneLake har förbättrat deras flexibilitet och förmåga att samarbeta.

Northwinds marknadsavdelning implementerade Customer Insights - Data och kunde enkelt skriva alla enhetliga kundprofiler, segment, mått och andra insikter som genererades av Customer Insights - Data direkt till företagets OneLake, vilket gjorde det möjligt för olika avdelningar i företaget att omedelbart utnyttja en konsekvent och fullständig bild av kunden som skapats med hjälp av data från hela Northwind.

Den förbättrade synligheten och samarbetet som uppstod med delningen av enhetliga kundprofiler och insikter i OneLake bidrog till en välfungerande cykel där flera andra avdelningar vidtog åtgärder för att integrera sina unika kunddata i den enhetliga profilen, vilket förbättrade de enhetliga profilernas trohet och värde.

Customer Insights - Data kan exportera dina enhetliga insikter till din Azure Data Lake Storage. Med den här versionen blir den här förhandsversionsfunktionen allmänt tillgänglig. Exportera dina enhetliga insikter för att bygga egna, anpassade rapporter och instrumentpaneler, eller för att utnyttja data i ditt eget program.

Scenario

Mark är en administratör som hanterar Customer Insights - Data-miljön. Hans team vill skapa Power BI-rapporter baserat på ändringar i segmentmedlemskapet för viktiga segment. För att göra det kan de nu 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.

Använd beteendedata som samlats in av Customer Insights - Journeys i Customer Insights - Data för att skapa segment och mått. Interaktionsdata som öppnad e-post eller klickad länk är tillgängliga utan några extra steg.

• Upptäck och använd enkelt marknadsföringsinteraktioner samtidigt som du skapar segment, vilket förbättrar personanpassningen av engagemangsstrategierna.
• Skapa kraftfulla kundmått med interaktionsdata tillsammans med all annan data du matar in i Customer Insights - Data.
• Identifiera vilka kunder som inte engagerar sig i e-postmeddelanden och skapa en strategi för återanvändning av målgrupper.
• Använd samordning för att få en mer exakt och fullständig bild av dina kunders interaktioner. Enhetliga kundprofiler baserade på flera kontakter kombinerar deras interaktionsdata och ger dig insikter om personen och hur du interagerar med den.

En marknadschef för en onlinebutik kör till exempel en e-postmarknadsföringskampanj. Varje månad skickar de e-post till kunder som spenderat $100 eller mer och erbjuder dem en rabattkupong på 5 procent. Även om kampanjen hade en hög öppningsfrekvens för e-post, var det bara ett fåtal kunder som öppnade kuponglänken. Därför vill de kontakta dem som öppnade e-postmeddelandet med en mer lockande rabatt på 10 procent.

Med Customer Insights flödar interaktionsdata från din tidigare kampanj sömlöst in i plattformen, vilket gör att du kan förfina din målgrupp till att endast inkludera kunder som öppnade e-postmeddelandet. Genom att fokusera på dem som visade intresse ökar du sannolikheten för att omvandla det intresset till faktiska köp.

När du har ett stort antal segment och mått kan du som administratör inte alltid med tillförsikt avgöra vilka som behövs och vilka som inte behövs. Kampanjer körs ofta bara en gång och segmenten eller åtgärderna behövs inte efteråt.

När ett segment eller ett mått inte används någon annanstans under en viss tidsperiod – i en export, ett annat segment, en resa eller ett annat mått – inaktiveras det automatiskt av systemet. Det här flyttar beräkningsresurser till de segment och mått som är aktiva, vilket leder till snabbare systemuppdatering och därmed kortare tid till insikter.

Du kan alltid återaktivera inaktiverade segment och mått när det behövs. Som administratör kan du även utesluta vissa segment från den automatiserade processen.