Oracle Unity 客户数据平台智能工作台模型目录

客户销售线索评分模型

客户潜在客户评分模型是一种预测性、即用型数据科学模型，可根据 B2B 客户的资料、收入、行为数据和互动模式，对其转化可能性进行评分。这些评分用于识别客户的购买倾向。

优势

• 主动培育转化机会更高的合适客户。
• 提高基于账户的营销 (ABM) 工作的有效性。
• 提高营销合格线索 (MQL) 的数量和转化率。

行业用例

• 制造业：全球制造公司可以使用 Oracle Unity 的预测性客户、潜在客户和联系人评分模型，根据概要信息和参与模式对销售转化可能性进行估计和评分。
• 技术：技术公司可以利用预测性客户评分来加速 ABM 工作，通过识别特定客户中转化可能性最高的联系人，然后主动将其添加到营销活动和外联计划中。

联系人销售线索评分模型

联系人潜在客户评分模型是一种预测性、即用型数据科学模型，可使用联系人的个人资料、收入、行为数据和互动模式，对其转化可能性进行评分。

模型会为每个联系人生成潜在客户评分值和潜在客户评分时间戳。它有助于确定在销售漏斗不同阶段保持活跃的联系人及其购买潜力，使您能够精准定位客户细分，并有效协调销售和营销策略。

优势

• 主动培育转化可能性更高的联系人。
• 提高营销合格线索 (MQL) 数量和转化率。

行业用例

• 技术：业务软件公司可以利用此模型来确定给定客户中哪些联系人最有可能转化，然后主动将其添加到外联计划中，从而加快销售工作。

客户生命期价值模型

客户生命周期价值 (CLV) 模型是一个即用型数据科学模型，用于估算客户在特定时间段内的价值。此预测基于多个触点，包括客户资料数据、过往交易历史以及交易金额和频率。

业务用户可以自定义 CLV 模型，为其客户提供三个月、六个月或十二个月的生命周期价值。

优势

• 在获取、留住和服务客户时，更有效地规划营销费用。
• 识别并更加关注高价值客户，提高客户保留率并促进收入增长。

行业用例

• 包装消费品： 在线化妆品公司使用客户终身价值模型，根据客户的概要信息和交易模式估计客户价值随时间变化的情况。他们针对过去六个月内购买不到两款护肤品并花费超过 200 美元的客户，创建新款高端护肤产品营销活动。
• 汽车行业：一家汽车制造商利用 CLV 模型来识别客户的消费区间，并针对这些消费区间内的汽车定制优惠。
• 零售：一家杂货店运行 CLV 模型，以识别对该品牌具有高生命周期价值的客户，并将其纳入推广新忠诚度计划的营销活动。

市场活动收入归因模型

营销活动收入归因模型是可随时使用的数据科学模型，可通过分析促成销售和转化的触点，帮助您确定营销活动的成效。有两种类型的营销活动收入归因模型。

• 收入营销活动归因模型通过为每个营销活动分配货币价值来衡量营销活动的成效。
• 非收入营销活动归因模型通过为每个营销活动分配百分比归因值来衡量营销活动的有效性。该模型会针对每个单独的营销活动，将营销活动带来的转化量占总转化量的比例计算为归因百分比。

每个模型都会考虑促成营销活动转化的所有接触点。

优势

• 深入了解不局限于营收产出的归因分析。
• 基于客观数据分析而非主观选择来制定决策。
• 了解哪些事件能够产生最有效的转化，并确定预算投入方向以提升投资回报率。

行业用例

• 零售：零售商可以使用营销活动归因模型，更好地了解多渠道旅程，并洞察哪个渠道最有助于推动转化。
• 技术： 一家 SaaS 技术公司可以利用营销活动归因模型，更好地了解多点触控营销活动，以及哪些内容、渠道和营销活动举措对达成收入的影响最大。

新近度、频率和货币价值模型

近因、频率和货币价值 (RFM) 模型是一种可即用的数据科学模型，可基于事件和交易数据为近因、频率和货币价值生成数值评分。借助它，您可以将客户细分为不同画像，然后向他们传递最相关的信息。

RFM 模型使用以下特征来衡量互动度和购买行为：

• 新近度：客户最近一次交易。
• 频率：客户进行交易的频率。
• 货币价值：客户交易的规模/总价值。

每个特征以 1 到 5 之间的分数表示：1 表示最近程度最低、频率最低或购买价值最低，5 表示最近程度最高、频率最高或购买价值最高。

该模型使用以下角色画像来表示每位客户的价值。

• Lost（丢失）：最弱的参与者，在观察的时间段内活动最少。
• At risk：一开始表现出不活动且购买行为较少的参与者。
• 不能丢失：在非活动状态下足迹更多的订阅者。仍可挽回。
• Promising（承诺）：近期活跃度和价值处于平均水平的参与者。
• 新：参与价值比率较高的最近参与者。
• 冠军： 优中之优。您的高价值参与比率最高的最近参与者。

优势

• 使用 RFM 人群画像，根据相对客户价值向客户提供最相关的消息和优惠。这种改善的客户互动可以提高响应率、客户满意度、客户保留率和客户生命周期价值。

行业用例

• 零售：零售商可以利用 RFM 模型，根据受众过去的互动来识别和细分受众（高价值、有潜力、有流失风险、已流失等），面向各种节日营销活动提升定位、个性化和整体转化率。

返回顶部

客户流失倾向模型

客户流失倾向模型是一种即用型数据科学模型，可根据客户的交易和行为模式，对客户流失的可能性进行评分和衡量。

它能够识别更有可能流失的客户，帮助营销人员了解哪些客户可能需要通过特定营销活动或信息触达来加以挽留。

优势

• 该模型可帮助您主动识别存在流失风险的受众和细分群体（包括高价值客户）。营销和广告团队随后可以针对这些客户触发客户挽回营销活动，通过相关消息提升客户留存率。

行业用例

• 电信：电信提供商可以向可能正在考虑改用其他提供商的客户自动发送特殊促销。

互动倾向模型

互动倾向模型根据客户过去的互动情况，衡量客户与电子邮件互动（打开、点击、订阅或取消订阅）的可能性。

优势

• 提升电子邮件定位精准度和营销活动参与度。
• 通过聚焦最有可能参与互动的受众，并移除可能已产生疲劳的受众，精准增加营销活动接触点。

产品倾向性模型

这个即用型模型可根据历史互动和客户档案数据，预测客户购买特定产品的可能性。

该模型可通过查看客户与产品组合的倾向评分，帮助您识别哪些客户最有可能购买特定产品。

优势

• 通过定位高倾向性的客户与产品组合，更有效地利用营销预算。

获得原本无法为您的公司所用的洞察，助力改进决策制定。

行业用例

• 零售：零售商可以利用产品倾向性模型，帮助为新近互动的客户确定合适的产品优惠，从而提高转化率和客户获取成效。
• 电信：移动通信公司可以利用产品倾向性模型，帮助引导客户升级到新的手机、硬件和服务。

复购倾向模型

复购倾向模型用于衡量客户再次购买特定产品的可能性。复购倾向评分根据客户过往交易以及人口统计和行为数据计算得出。

优势

• 利用 Oracle Unity Customer Data Platform 中创建的受众的复购倾向评分，优化跨渠道互动营销活动，并精准定位最有可能再次购买产品的客户。

返回顶部

下一最佳行动模型

下一最佳行动模型是一种即用型数据科学模型，可根据销售和交易模式预测客户需求，并为每位客户推荐最相关的行动。

该模型使用客户档案数据、客户互动、产品目录数据和购买记录，为客户生成排名前五的推荐操作。您可以使用这些建议来确定针对特定客户的最相关操作。

优势

• 通过在客户旅程中采取下一步最佳行动，以恰当方式与客户互动，从而提高转化率。

行业用例

• 汽车行业：全球汽车品牌可以使用 Unity 的次佳行动 (NBA) 和次佳优惠 (NBO) 模型，根据销售和交易模式为每位客户推荐最相关的行动和优惠。
• 金融服务：金融服务公司可以使用下一个最佳行动和下一个最佳优惠模型，识别可能会接受投资账户、信用额度或抵押贷款等金融产品新优惠的受众，并根据该建议在各个渠道中为客户提供个性化体验。
• 旅游和酒店业：邮轮公司可以使用 NBO 和 NBA 模型来确定向客户发送哪项优惠，以帮助他们预订下一次旅行或住宿。

最佳下一个产品建议模型

Oracle Unity 的下一最佳优惠模型是一个即用型数据科学模型，可根据销售和交易模式预测客户需求，并为每位客户推荐最相关的优惠。

该模型使用客户资料、客户互动、产品目录和购买数据来生成推荐。它使用户能够从与各种产品或服务相关的优惠的热门推荐中进行选择。用户可以使用这些建议来确定要发送给特定客户的最相关优惠。

优势

• 利用次优推荐优惠模型，通过最相关的内容或优惠与客户互动，从而提高转化率。

行业用例

• 汽车：全球化汽车品牌可以使用下一最佳行动 (NBA) 和下一最佳优惠 (NBO) 模型，根据销售和交易模式为每位客户推荐最贴切的行动和优惠。
• 金融服务：金融服务提供商可以使用下一最佳行动和下一最佳优惠模型来识别可能会接受金融产品新优惠的受众，例如投资账户、信用额度或抵押贷款，并根据该推荐在各个渠道中为客户提供个性化体验。
• 旅游和酒店业：酒店连锁企业可以使用 NBO 和 NBA 模型来确定向客户发送哪项优惠，以帮助他们预订下一次旅行或住宿。

下一步可以推荐的促销模型

下一最佳促销模型是一种即用型数据科学模型，它利用客户的历史产品购买记录来确定客户愿意为特定产品支付的价格。借助此模型，您可以智能地为客户提供个性化产品定价。

优势

• 下一个最佳促销模型支持产品个性化定价，从而提高转化率、总收入和平均订单价值。

行业用例

• 医疗保健： 医疗保健公司可以使用下一最佳促销模型，根据单个客户的过往采购行为微调新款睡眠辅助产品的定价。
• 保险：保险品牌可以利用下一最佳促销模型，为附加保险套餐提供个性化定价，以提高转化率，并帮助客户打包购买、节省费用。

返回顶部

营销活动推荐器模型

营销活动推荐器模型是一种开箱即用的数据科学模型，可根据客户过往在不同营销活动中的互动和转化趋势，为每位客户识别最有效的待发送营销活动。

该模型使用不同的时间范围（三个月、一年和三年），根据转化可能性，对任何实例中每位客户的周期性和一次性 B2C 营销活动进行排名。

优势

• 根据近期互动和转化趋势，智能预测哪些营销活动最适合客户，从而提高营销活动的转化率和投资回报率。

行业用例

• 医疗保健：医疗保健组织可以利用该模型，根据过去的转化和互动情况，确定哪些未来的数字化患者互动营销活动适合每位患者。
• 零售：零售商可以使用该模型，根据过去的互动和转化历史，将受众投放到他们最有可能参与的营销活动中，从而提高营销活动转化率和客户生命周期价值。

渠道推荐器模型

此即用型数据科学模型可根据历史互动数据，为客户推荐最佳营销渠道。

渠道推荐器模型会根据转化可能性，对任何实例中每位客户的互动渠道进行排名。您可以洞察哪些渠道能够推动收入，并通过将支出分配到转化率较高的渠道，发现增加收入的机会。

评估以下渠道：

• 电子邮件
• SMS
• 推送
• Web

优势

• 在客户档案推进销售漏斗的过程中，使用预测的最佳渠道定位客户档案，从而提高转化率。

行业用例

• 公用事业： 电力公共事业机构可以使用该模型来确定在用电高峰和非高峰时段，最好使用电子邮件、短信、推送还是 Web 与特定客户沟通。

疲劳细分模型

此即用型数据科学模型可根据客户的个人资料和互动水平，将客户划分为不同程度的消息疲劳级别。

疲劳细分模型可深入分析需要向每个客户档案发送的营销活动和消息数量，从而帮助防止客户疲劳。

它根据客户的互动情况、已接收和已打开营销活动的历史记录，以及最重要的客户档案角色定位，衡量每个客户档案的消息疲劳度。您可以确定并控制向每个客户档案发送的最佳消息数量，以避免客户疲劳。

优势

• 智能区分活跃且准备互动的客户与已产生疲劳感的客户。
• 获取洞察，帮助您根据每位客户的疲劳程度控制营销活动触达。
• 提高互动度和/或转化率，减少用户流失。

行业用例

• 制造：太阳能电池板制造商使用该模型，根据客户概要信息和参与水平将其分类为不同的疲劳级别。这样，这些公司就能调整与其目标客户的通信量。
• 技术：一家 B2B 技术公司利用该模型识别应从高接触度 ABM 营销活动中移除并重新纳入常规跨渠道营销活动的潜在客户。

发送时间优化模型

发送时间优化模型是一个开箱即用的数据科学模型，可根据客户以往的电子邮件行为，确定向客户发送营销活动电子邮件的最佳时间。

例如，该模型会在客户通常查看收件箱之前触发营销活动电子邮件发送。因此，该邮件将显示在客户收件箱的顶部，确保电子邮件更有可能被看到并打开。

优势

• 通过在客户最有可能看到、打开、阅读或关注电子邮件的时间向其发送邮件来优化营销活动，从而提升客户互动度和转化率。
• 在客户通常查看收件箱前发送电子邮件，提高电子邮件被查看和打开的可能性。

行业用例

• 零售：时尚零售商可以利用该模型缩短各渠道的营销活动交付时间，从而提高客户参与和转化新营销活动的可能性。
• 旅游和酒店业：度假村可以确保每周低价度假优惠电子邮件在客户最有可能与内容互动时发送给他们。

返回顶部