Oracle Unity Customer Data Platform 智慧工作台模型目錄

潛在客戶評分模型

帳戶潛在客戶評分模型是一種預測式、可立即使用的資料科學模型，會根據 B2B 帳戶的設定檔、營收、行為資料和互動模式，評估其轉換可能性。這些分數可判斷客戶帳戶的購買傾向。

優勢

• 主動培養轉換機會較高的適當客戶。
• 提升帳戶式行銷 (ABM) 的成效。
• 提高行銷合格潛在客戶 (MQL) 數量與轉換率。

產業使用案例

• 製造業：全球製造公司可以使用 Oracle Unity 的預測性客戶、潛在客戶和聯絡人評分模型，根據設定檔和互動模式來預估和評分銷售轉換的可能性。
• 科技：科技公司可以運用預測性帳戶評分，找出特定帳戶中最有可能轉換的聯絡人，然後主動將他們加入行銷活動和推廣方案，藉此加速 ABM 成效。

聯絡人潛在客戶評分模型

聯絡人潛在客戶評分模型是一個預測性、可立即使用的資料科學模型，會使用聯絡人的基本資料、收益、行為資料和互動模式，評估其轉換可能性。

模型會為每個聯絡人產生潛在客戶評分值和潛在客戶評分時間戳記。它有助於判斷在銷售漏斗不同階段處於活躍狀態的聯絡人及其購買潛力，讓您能精準鎖定客戶區隔，並有效協調銷售與行銷策略。

優勢

• 主動培育轉換機率較高的聯絡人。
• 提高行銷合格潛在客戶 (MQL) 的數量和轉換率。

產業使用案例

• 技術：商業軟體公司可以運用此模型，加速銷售工作，識別特定帳戶中最有可能轉換的聯絡人，然後主動將其加入推廣計畫。

客戶終身價值模型

客戶生命週期價值 (CLV) 模型是一種可立即使用的資料科學模型，可估算客戶在特定期間內的價值。此預測是根據多個接觸點，包括客戶設定檔資料、過往交易記錄，以及交易金額與頻率。

商務使用者可以自訂 CLV 模型，為客戶提供三個月、六個月或十二個月的終身價值。

優勢

• 在爭取、維繫和服務客戶時，更有效地編列行銷費用預算。
• 識別並更加聚焦於高價值客戶，以提高客戶留存率並增加營收。

產業使用案例

• 消費性產品： 線上化妝品公司使用客戶終身價值模型，根據客戶的設定檔和交易模式預估其隨時間推移的價值。他們為過去六個月內購買不到兩款護膚產品且花費超過 200 美元的客戶，建立新的高檔護膚產品行銷活動。
• 汽車產業：某汽車製造商運用 CLV 模型識別客戶消費範圍，並針對符合這些消費範圍的車款量身打造優惠。
• 零售業：一家雜貨店執行客戶終身價值 (CLV) 模型，以識別對該品牌具有高終身價值的客戶，並將其納入推廣新忠誠度計畫的行銷活動。

行銷活動收益歸因模型

行銷活動營收歸因模型是可立即使用的資料科學模型，可透過分析促成銷售與轉換的接觸點，協助您判斷行銷活動的成效。行銷活動營收歸因模型有兩種類型。

• 營收行銷活動歸因模型會透過為每個行銷活動指派貨幣價值，來衡量行銷活動的成效。
• 非營收行銷活動歸因模型會透過為每個行銷活動指定百分比歸因值，來衡量行銷活動的成效。模型會針對每個個別行銷活動，將行銷活動轉換次數佔總轉換次數的比例計算為歸因百分比。

每個模型都會考量促成行銷活動轉換的所有接觸點。

優勢

• 瞭解營收型產出以外的歸因。
• 根據客觀資料分析而非主觀選擇做出決策。
• 瞭解哪些活動能帶來最有效的轉換，並判斷預算應投入何處以提升投資報酬率。

產業使用案例

• 零售業：零售商可以使用行銷活動歸因模型，協助更深入瞭解多通路歷程，並洞察哪些通路最能促成轉換。
• 技術： SaaS 技術公司可以運用行銷活動歸因模型，協助更深入瞭解多觸點行銷活動，以及哪些內容、管道與行銷活動投入對促成營收成交最具影響力。

最近性、頻率與金額模型

最近一次、頻率與金額 (RFM) 模型是一種隨即可用的資料科學模型，可根據事件與交易資料，產生最近一次、頻率與金額值的數值分數。您可以藉此將客戶區隔為不同的客戶人物誌，然後針對他們傳遞最相關的訊息。

RFM 模型使用以下特性來衡量互動參與度和購買行為：

• 最近性：客戶最近一次交易。
• 頻率：客戶多久進行一次交易。
• 金額：客戶交易的規模／總價值。

每個特徵都以 1 到 5 之間的分數表示：1 代表最近程度最低、頻率最低或購買價值最低，5 代表最近程度最高、頻率最高或購買價值最高。

此模型使用下列人物誌來表示每位客戶的價值。

• 已流失：您最弱的互動者，在觀測期間內只有極少量的活動。
• 有危險：活動情況開始降低，購買行為也變少的互動者。
• 快流失：不活躍跡象更明顯的訂閱者。仍可挽回。
• 有希望： 最近活動和價值屬於中等的互動者。
• 新加入：在您最近的互動者中，屬於價值互動率極高的一群客戶。
• 冠軍：頂尖中的頂尖。您最近的互動者中，高價值互動率最高的一群客戶。

優勢

• 使用 RFM 客群輪廓，根據相對客戶價值，以最相關的訊息和優惠鎖定您的客戶。這種提升的客戶互動可提高回應率、客戶滿意度、客戶留存率和客戶終身價值。

產業使用案例

• 零售業：零售商可以運用 RFM 模型，根據客戶過往的互動識別並區隔受眾（高價值、有潛力、有流失風險、已流失等），以用於各種節日行銷活動，進而改善目標鎖定、個人化和整體轉換率。

返回頁首

客戶流失傾向模型

流失傾向模型是可立即使用的資料科學模型，可根據客戶的交易和行為模式，評分並衡量客戶流失的可能性。

它能識別較可能流失的客戶，讓行銷人員深入瞭解哪些客戶可能需要透過特定活動或訊息進行鎖定，以挽留他們。

優勢

• 此模型可讓您主動識別有流失風險的受眾和區隔（包括高價值客戶）。行銷和廣告團隊接著可以針對這些客戶啟動贏回活動，透過相關訊息提升客戶留存率。

產業使用案例

• 通訊： 電信業者可以向可能正在考慮轉換到不同供應商的客戶自動傳送特別促銷。

互動傾向模型

互動傾向模型會根據客戶過去的互動，衡量其與電子郵件互動（開啟、點按、訂閱或取消訂閱）的可能性。

優勢

• 提升電子郵件目標鎖定精準度與行銷活動參與度。
• 透過聚焦於最有可能互動的受眾，並排除可能已感到疲乏的受眾，精準增加行銷活動接觸點。

產品傾向模型

這個可立即使用的模型會根據歷史互動與客戶設定檔資料，預測客戶購買特定產品的可能性。

此模型可讓您透過查看客戶與產品組合的傾向分數，識別哪些客戶最有可能購買特定產品。

優勢

• 透過鎖定高購買傾向的客戶與產品組合，更有效地運用行銷預算。

取得貴公司原本無法獲得的洞察，進而改善決策。

產業使用案例

• 零售業：零售商可以運用產品傾向模型，協助為新近互動的客戶找出合適的產品優惠方案，以提升轉換率和客戶開發成效。
• 電信業：行動通訊公司可以運用產品傾向模型，協助引導客戶升級至新的手機、硬體和服務。

回購傾向模型

再購傾向模型可評估客戶再次購買特定產品的可能性。再購傾向分數是根據過去的客戶交易，以及人口統計和行為資料計算而得。

優勢

• 運用 Oracle Unity 客戶資料平台中建立之受眾的回購傾向分數，最佳化跨通路互動行銷活動，並鎖定最有可能再次購買產品的客戶。

返回頁首

下一個最佳動作模型

下一步最佳行動模型是可立即使用的資料科學模型，可根據銷售與交易模式預測客戶需求，並為每位客戶建議最相關的行動。

該模型使用客戶設定檔資料、客戶互動、產品目錄資料和購買記錄，為客戶產生前五大建議動作。您可以使用這些建議來判斷特定客戶最相關的行動。

優勢

• 以客戶旅程中的下一個最佳行動，透過正確方式與客戶互動，提升轉換率。

產業使用案例

• 汽車：全球汽車品牌可以使用 Unity 的下一個最佳動作 (NBA) 和下一個最佳優惠 (NBO) 模型，根據銷售和交易模式為每位客戶推薦最相關的動作和優惠。
• 金融服務：金融服務公司可以使用下一個最佳行動和下一個最佳優惠模型，找出可能對投資帳戶、信用額度或房貸等金融產品的新優惠方案完成轉換的受眾，並根據該建議，在各個管道提供個人化的客戶體驗。
• 旅遊與餐旅業： 郵輪公司可以使用 NBO 和 NBA 模型，識別應傳送給客戶的優惠，協助他們預訂下一趟旅程或住宿。

下一個最佳優惠模型

Oracle Unity 的次佳優惠模型是一個可立即使用的資料科學模型，可根據銷售與交易模式預測客戶需求，並為每位客戶推薦最相關的優惠。

此模型會使用客戶設定檔、客戶互動、產品目錄和購買資料來產生推薦。讓使用者能夠從與各種產品或服務相關的最佳優惠建議中進行選擇。使用者可以運用這些建議，判斷要傳送給特定客戶的最相關優惠。

優勢

• 運用下一個最佳優惠模型，以最相關的內容或優惠與客戶互動，提升您的轉換率。

產業使用案例

• 汽車： 全球汽車品牌可以使用下一個最佳動作 (NBA) 和下一個最佳優惠 (NBO) 模型，根據銷售和交易模式為每位客戶推薦最相關的動作和優惠。
• 金融服務：金融服務提供者可使用最佳後續行動和最佳後續優惠模型，識別可能接受投資帳戶、信用額度或房貸等金融產品新優惠的受眾，並根據該建議，在各個通路中提供個人化的客戶體驗。
• 旅遊與飯店業：連鎖飯店可以使用 NBO 和 NBA 模型來識別要傳送給客戶的優惠，協助他們預訂下一趟旅程或住宿。

下一個最佳促銷模型

下一最佳促銷模型是可立即使用的資料科學模型，會運用客戶的歷史產品購買資料，判斷客戶願意為特定產品支付的價格。運用此模型，可讓您智慧地為客戶個人化產品定價。

優勢

• 下一個最佳促銷模型可為產品提供個人化定價，進而提升轉換率、總營收及平均訂單價值。

產業使用案例

• 健康照護： 健康照護公司可以使用下一個最佳促銷模型，根據個別客戶過去的購買情況來微調其新的睡眠輔助產品的定價。
• 保險：保險品牌可以運用次佳優惠模型，為附加保險方案提供個人化定價，以提升轉換率，並協助客戶組合購買以節省費用。

返回頁首

行銷活動推薦器模型

行銷活動推薦器模型是一個可立即使用的資料科學模型，可根據客戶過去在不同活動中的互動與轉換趨勢，識別應傳送給每位客戶的最有效行銷活動。

此模型會使用各種時間範圍 (三個月、一年和三年)，根據轉換可能性，為任何執行處理中每位客戶的週期性和一次性 B2C 活動進行排名。

優勢

• 根據近期的互動與轉換趨勢，智慧預測哪些行銷活動最適合客戶，進而提升行銷活動的轉換率與投資報酬率 (ROI)。

產業使用案例

• 醫療保健：醫療保健組織可以運用此模型，根據過去的轉換和互動情況，判斷哪些未來的數位病患互動行銷活動適合每位病患。
• 零售業：零售商可使用此模型，根據過去的互動和轉換歷史，將受眾納入他們最有可能參與互動的行銷活動，以提升行銷活動轉換率和客戶終身價值。

管道推薦模型

這個可立即使用的資料科學模型會根據歷史互動資料，為客戶建議最佳行銷管道。

管道推薦模型會根據轉換可能性，為任何執行處理中的每位客戶排列互動管道的優先順序。您可以深入了解哪些管道能帶動營收，並透過將支出分配到轉換率高的管道，找出增加營收的機會。

評估以下管道：

• 電子郵件
• SMS
• 推播
• 網頁

優勢

• 運用預測出的最佳管道，在客戶通過銷售漏斗時鎖定客戶檔案，藉此提高轉換率。

產業使用案例

• 公用事業：電力公司可使用此模型來判斷電子郵件、簡訊服務、推播或 Web 何者最適合在尖峰和離峰用電時段與特定客戶進行通訊。

疲勞區隔模型

這個隨時可用的資料科學模型會根據客戶的設定檔與互動程度，將客戶分類為不同的訊息疲勞程度。

疲勞區隔模型可深入分析需要傳送給每個客戶設定檔的行銷活動和訊息數量，協助避免客戶疲勞。

它會根據客戶的互動、已接收與已開啟的行銷活動歷史記錄，以及最重要的客戶設定檔角色特徵，衡量每個客戶設定檔的訊息疲乏程度。您可決定並控制傳送給每個客戶設定檔的最佳訊息數量，以避免訊息疲勞。

優勢

• 智慧地區分活躍且準備互動的客戶與已感到疲乏的客戶。
• 取得深入分析，協助您根據每位客戶的疲勞程度控制行銷活動觸及。
• 提升互動和／或轉換率，並降低中途放棄率。

產業使用案例

• 製造業：太陽能面板製造商使用此模型，根據客戶的設定檔和互動程度，將客戶分類為不同的疲乏程度。這可讓他們調整與其目標客戶的通訊量。
• 科技：一家 B2B 科技公司運用該模型，識別應從高接觸度 ABM 行銷活動中移除，並重新放回一般跨通路行銷活動的潛在客戶。

傳送時間最佳化模型

傳送時間最佳化模型是一種可立即使用的資料科學模型，會根據過去的電子郵件行為，判斷向客戶傳送行銷活動電子郵件的最佳時間。

例如，模型會在客戶通常查看收件匣之前，觸發行銷活動電子郵件的傳送。因此，訊息會顯示在客戶收件匣的頂端，確保電子郵件最有可能被看見並開啟。

優勢

• 透過在客戶最可能看見、開啟、閱讀或注意電子郵件的時間鎖定客戶，最佳化行銷活動，以提升客戶互動與轉換率。
• 在客戶通常查看收件匣前寄送電子郵件，提高電子郵件被檢視及開啟的可能性。

產業使用案例

• 零售：時尚零售商可以運用模型來縮短跨通路的行銷活動投放時間，進而提高客戶對新行銷活動的互動與轉換可能性。
• 旅遊與飯店服務：度假村可以確保每週低價度假優惠電子郵件在客戶最有可能與內容互動時傳送給他們。

返回頁首