Dynamics 365 Customer Insights - 데이터에는 AI 및 기계 학습을 사용하여 데이터를 예측하는 다양한 옵션이 제공됩니다.
예측은 더 나은 고객 환경을 만들고 비즈니스 기능 및 수익원을 개선하는 기능을 제공합니다. 예측 값과 예측 값이 미치는 영향 및 윤리적 방식으로 도입될 수 있는 편견의 균형을 맞추는 것이 좋습니다. Microsoft가 책임 있는 AI를 해결하는 방법에 대해 자세히 알아봅니다.
기본 예측 모델을 사용하여 인사이트 생성
데이터 예측으로 시작하는 가장 쉬운 방법은 미리 정의된 모델이며, 이를 기본 모델이라고도 합니다. 인사이트를 신속하게 생성하려면 특정 데이터와 구조만 필요합니다.
다음 모델을 사용할 수 있습니다.
- 고객 수명 값: 비즈니스와의 전체 상호 작용에서 고객의 잠재적 수익을 예측합니다.
- 제품 권장 사항: 구매 동작 및 유사한 구매 패턴을 가진 고객을 기반으로 예측 제품 권장 사항 집합을 제안합니다.
- 구독 변동: 고객이 회사의 구독 제품 또는 서비스를 더 이상 사용하지 않을 위험이 있는지 여부를 예측합니다.
- 트랜잭션 변동: 개별 고객이 특정 기간 동안 제품 또는 서비스를 더 이상 구매하지 않을 수 있는지 예측합니다.
- 감정 분석: 고객 피드백의 감정을 분석하고 자주 언급되는 비즈니스 측면을 식별합니다.
인사이트를 생성하기 위한 데이터의 준비 상태를 이해하려면 데이터 준비 보고서 개요를 참조하세요.
팁 (조언)
비즈니스 사용 사례를 정확하게 알리기 위해 업데이트된 데이터로 기본 제공 모델을 정기적으로 새로 고치는 것이 좋습니다. 시스템에서 새 데이터 원본 또는 업데이트된 데이터 원본을 수집하면 데이터가 임시로 새로 고쳐집니다. 그러나 모델은 이 경우만 다시 점수가 지정되고 기존 학습 데이터를 계속 사용합니다.
구성 중에 모델 재학습 일정을 설정하여 업데이트 일정을 구성합니다. 모델은 언제든지 변경할 수 있는 이 일정에 따라 재학습하고 다시 점수가 매깁니다.
기존 예측 관리
인사이트>예측 페이지로 이동합니다. 내 예측 탭에서 만든 예측, 예측 유형, 출력 테이블 이름, 상태, 예측을 마지막으로 편집한 시간 및 데이터를 마지막으로 새로 고친 시간을 확인합니다. 예측 목록을 열별로 정렬할 수 있습니다.
사용 가능한 작업을 보려면 예측을 선택합니다.
- 예측을 편집하여 해당 속성을 변경합니다.
- 예측을 새로 고쳐 최신 데이터를 포함합니다.
- 예측 세부 정보를 봅니다.
- 오류, 경고 및 권장 사항을 보기 위한 입력 데이터 유용성 보고서입니다.
- 예측을 삭제합니다.
예측 새로 고침
자동 일정에 따라 예측을 새로 고치거나 요청 시 수동으로 새로 고칠 수 있습니다. 모든 예측을 수동으로 새로 고치려면 모두 새로 고침을 선택합니다. 예측을 수동으로 새로 고치려면 예측을 선택하고 새로 고침을 선택합니다. 자동 새로 고침을 예약하려면 설정>시스템>일정으로 이동합니다.
팁 (조언)
작업 및 프로세스에 대한 상태가 있습니다. 대부분의 프로세스는 데이터 원본 및 데이터 프로파일링 새로 고침과 같은 다른 업스트림 프로세스에 의존합니다.
상태를 선택하여 진행 세부 정보 창을 열고 작업 진행 상황을 봅니다. 작업을 취소하려면 창 하단에서 작업 취소를 선택합니다.
각 작업 아래에서 처리 시간, 마지막 처리 날짜, 작업 또는 프로세스와 관련된 해당 오류 및 경고와 같은 자세한 진행 정보를 보려면 세부 정보 보기를 선택합니다. 시스템의 다른 프로세스를 보려면 패널 하단에서 시스템 상태 보기를 선택합니다.
입력 데이터 유용성 보고서 보기
입력 데이터 유용성 보고서는 기본 예측이 생성될 수 있는 오류 및 경고에 대한 통합 보기를 제공합니다. 또한 모델 성능을 개선하는 방법에 대한 권장 사항도 제공합니다.
모델은 학습 프로세스를 완료한 후에 보고서를 사용할 수 있습니다. 각 모델은 학습을 성공적으로 완료했는지 여부에 관계없이 별도의 보고서를 가져옵니다.
내 예측 탭에서 예측을 선택하고 입력 데이터 유용성 보고서를 선택합니다. 또는 예측 세부 정보 보기에서 입력 데이터 유용성 보고서를 선택합니다.
보고서에는 다음이 포함됩니다.
- 이름: 오류, 경고 또는 권장 사항의 설명이 포함된 이름입니다.
- 걸음: 모델 단계, 학습 또는 점수 매기기 및 정보가 참조합니다.
- 상태: 정보의 심각도(오류, 경고, 권장 사항)입니다.
- 열 이름: 모델 성능을 향상시키기 위해 수정해야 하는 테이블의 열입니다.
- 테이블: 모델 성능을 향상시키기 위해 수정해야 하는 테이블의 이름입니다.
- 세부 정보: 오류, 경고 또는 권장 사항에 대한 세부 정보입니다.