breadcrumbDescription
Scoringsstrukturforudsigelser
Ret de rigtige produkter til kunder, og udvid din omsætning ved at analysere kundernes sandsynlighed for at købe finansielle aktiver. Reducer kundeudtjening ved at udføre trin baseret på kundens sandsynlighed for afbrydelse. Sælg et aktiv til en interesseret kunde baseret på forudsigelser, og udvid din kundes aktiver under administration. Hent forudsigelsesscores baseret på dataene for dine konti og kontakter.
EditionsHeading
| Tilgængelig i: Enterprise, Performance og Ubegrænsede versioner af Lightning Experience, hvor Financial Services Cloud, CRM Analytics for Financial Services Cloud, AI Accelerator og Scoring Framework er aktiveret |
Hvis du ønsker forudsigelser om kundernes sandsynlighed for at købe finansielle aktiver, sandsynligheden for at blive afviklet eller sandsynligheden for at tilføje aktiver, skal du oprette en CRM Analytics-skabelonkonfiguration i Scoring Framework med forudsigelsesscores (Financial Services Cloud) som skabelonkonfigurationstype.
- Hvis du ønsker at definere en foruddefineret målvariabel for at få forudsigelser om kundernes sandsynlighed for at købe finansielle aktiver, skal du vælge Konti, der netop har købt finansielle konti (sandsynlighed for køb) eller Konti, der har tilknyttede salgsmuligheder, der er lukket (sandsynlighed for køb).
- Hvis du vil definere en foruddefineret målvariabel for at få forudsigelser om kundernes sandsynlighed for at blive oprettet, skal du vælge Kontostatus er ændret til Inaktiv (Sandsynlighed for at blive oprettet).
- Hvis du ønsker at definere en foruddefineret målvariabel for at få forudsigelser om kundernes sandsynlighed for at tilføje aktiver, skal du vælge Aktiver under administration er øget for konti (Sandsynlighed for at tilføje aktiver).
Hvis du vil have forudsigelser baseret på dataene for dine konti og kontakter, skal du oprette en CRM Analytics-skabelonkonfiguration i Scoring Framework med forudsigelsesscores for konti eller kontakter (Financial Services Cloud) som skabelonkonfigurationstypen og definere en tilpasset målvariabel.
De apps, der er oprettet på basis af skabelonkonfigurationen, indeholder disse prækonfigurerede opskrifter.
| Opskrift | Beskrivelse | Output |
|---|---|---|
| Hent data for at generere eksempeldatasæt | Opskriften opretter et datasæt, der bruges til at generere et eksempeldatasæt ved at evaluere kontosøjebliksbilleddata, økonomikontosøjebliksbilleddata, opgaver, begivenheder, sager og data fra det objekt, der er valgt til at træne modellen. | Eksempel på datasæt |
| Hent eksempeldatasæt | Opskriften opretter et datasæt, som Einstein lærer fra ved at evaluere kontostøjebliksbilleddata, økonomikontostøjebliksbilleddata, det datasæt, der er oprettet af opskriften Hent data til at generere eksempeldatasæt, og data fra det objekt, der er valgt til at træne modellen. | Eksempel på datasæt |
| Forudsigelsesdatasæt | Opskriften opretter et datasæt, hvor Einstein genererer forudsigelser ved at evaluere finansielle konti, gebyrer og gebyrer for finansielle konti, emner, opgaver, sager og data fra det objekt, som du ønsker at få forudsigelser for. | Forudsigelsesdatasæt |
| Få Financial Services Cloud-forudsigelser | Opskriften genererer forudsigelser og de tre faktorer, der muligvis påvirker forudsigelserne, ved at evaluere forudsigelsesdatasættet. | Skriver forudsigelsesdetaljer og de tre bedste prædiktorer til tilbageskrivningsobjektets felt, der blev valgt, da du opsatte skabelonkonfigurationen i Scoring Framework. |
Du kan redigere opskrifterne i disse scenarier.
- Dit skema afviger fra skemaet Financial Services Cloud.
- Et tilpasset felt for en eksisterende enhed ændres.
- Lagringen af funktionsdata ændres fra en eksisterende enhed til en tilpasset enhed.
- Dataene indlæses ikke korrekt.
- Appen stopper med at fungere på grund af forkerte dataværdier.
