M365Con 2027 – כנס אונליין חינמי · 11–22 Jan 2027 · 120 sessions m365con.net

Churn prediction

Concept

חיזוי נטישת לקוחות משתמש במודלים של בינה מלאכותית כדי להעריך את הסבירות שלקוח יפסיק לקנות, יבטל או יתנתק, ככות אות לכך מאיפה צוות צריך להתחיל לבדוק קודם.

✦ CONCEPTChurn predictionM365.FM
Title graphic: Churn prediction (Concept)

נושאים שנדונים גם

בפרק על Churn prediction עולים גם: Semantic link (Microsoft Fabric), Semantic Link Labs, Copilot in Power BI, Prep data for AI, Power BI Premium ו-Object-level security (OLS).

Description

חיזוי נטישת לקוחות הוא טכניקה של אנליטיקה חזויה שבה מודלים של בינה מלאכותית מעריכים את הסבירות שלקוח יפסיק לקנות, יבטל או יתנתק. התוצאה היא אות ולא פסק דין: היא מציינת מאיפה צוות מכירות, שירות או שיווק צריך להתחיל לבדוק, כך שמישהו יוכל לפעול לפני שהלקוח אכן יאבד. באקוסיסטם של Microsoft המושג מופיע בכל הקשור ל-Dynamics 365, ל-Azure ולפלטפורמת Power Platform.

בפרקי M365.FM חיזוי נטישת לקוחות מוזכר בעיקר כמקרה שימוש אחד בתוך מכלול רחב יותר של יכולות בינה מלאכותית. בפרק "The Human Side of CRM with Thomas Sandsør [MVP]" הוא נמנה בין הפונקציות של אנליטיקה חזויה ב-Dynamics 365, לצד ניקוד לידים, פילוח לקוחות, המלצות מוצרים, תמחור דינמי וחיזוי ביקושים. הפרק אומר שחיזוי נטישה מאפשר לצוות לפעול לפני שהוא מאבד לקוח, ושאנליטיקה חזויה בכלל עוזרת למקד את האנשים הנכונים ולזהות לקוחות שעלולים לעזוב.

בפרק "Azure AI Infrastructure Architecture for C-Level Leaders" חיזוי נטישה ממוקם בשורה של Azure Machine Learning בסקירה של שירותי Azure AI. שם Azure Machine Learning מתואר כשירות לאימון ופיתוח מודלים של למידת מכונה, וחיזוי נטישת לקוחות מוזכר כמקרה שימוש לצד תחזוקה חזויה, זיהוי הונאות וחיזוי ביקושים. כך חיזוי נטישה מוצג כמשימה של בניית מודל: נתוני לקוחות היסטוריים משמשים לאימון מודל שמדרג לקוחות לעתיד.

הפרק "Segment Customers with Dynamics 365 Customer Insights" מקשר חיזוי נטישה לפילוח ולהפעלה. הוא מונה את חיזוי הנטישה בין מילות המפתח לבניית מקטעים דינמיים מנתוני התנהגות ועסקאות, יחד עם ניקוד מעורבות ואותות למכירה נוספת. המטרה שנאמרת היא להפעיל את המקטעים הללו בכל Marketing, Sales ו-Power Automate, כך שרשימות כלליות יוחלפו בטירגוט בזמן אמת המבוסס על כוונה. בהקשר הזה אות נטישה אינו רק מספר על לוח מחוונים; הוא יכול להזין מקטע שמפעיל פעולת מעקב.

בפרק "Build Intelligent Power Apps with AI Builder" חיזוי נטישה מופיע תחת תרחישי Sales/RevOps, יחד עם ניקוד לידים ופעולה הבאה מומלצת באפליקציות מונחות מודל. אותו פרק מונה מכשולים נפוצים במודלים של בינה מלאכותית שחלים ישירות על מודלי נטישה: נתוני אימון לא מסודרים, שאותם הוא ממליץ לטפל באמצעות מדריך תיוג, הסרת כפילויות, איזון קטגוריות ופיצול אימות, ומודלים של "הגדרה חד-פעמית", שאותם הוא ממליץ לטפל בהם באמצעות מחזור אימון חוזר ומעקב אחר סחף.

ביחד, הפרקים מתארים דפוס החלטה טיפוסי. צוות בוחר היכן המודל יושב (למשל Azure Machine Learning לאימון מותאם אישית, או יכולות בינה מלאכותית בתוך Dynamics 365 וב-AI Builder), קובע אילו נתונים מתארים את התנהגות הלקוח והעסקאות, ומגדיר מה קורה כשלקוח מסומן, כמו מקטע, זרימת עבודה ב-Power Automate או הנחיה לאיש מכירות. איכות הנתונים ואימון חוזר שוטף הם האזהרות החוזרות, שכן ציון נטישה שימושי רק כמו הנתונים והתחזוקה שעומדים מאחוריו.

Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.

TypeConcept

Frequently asked questions

Questions marked with AI were written with AI from the facts on this page.

מה עושה חיזוי נטישת לקוחות? (AI)

הוא משתמש במודלים של בינה מלאכותית כדי להעריך את הסבירות שלקוח יפסיק לקנות, יבטל או יתנתק. ההערכה מראה לצוות מאיפה להתחיל לבדוק, כך שיוכל לפעול לפני שיאבד את הלקוח.

היכן מופיע חיזוי נטישת לקוחות באקוסיסטם של Microsoft לפי הפרקים? (AI)

הפרקים מזכירים אותו באנליטיקה חזויה של Dynamics 365, ב-Azure Machine Learning כמקרה שימוש באימון מודלים, בפילוח של Dynamics 365 Customer Insights, ובתרחישי Sales/RevOps ב-AI Builder.

אילו מכשולים מוזכרים בפרקים במודלים של בינה מלאכותית כמו חיזוי נטישה? (AI)

הפרק על AI Builder מזכיר נתוני אימון לא מסודרים ומודלים של הגדרה חד-פעמית, ומציע מדריך תיוג, הסרת כפילויות, איזון קטגוריות, פיצול אימות ומחזור אימון חוזר קבוע.

Glossary

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Experts and companies for this topic

Nobody has listed this topic yet. Add it to your profile.

Maintained by Mirko Peters (Microsoft MVP) · Last updated: