Oracle Unity Customer Data Platform 智慧維護作業模型型錄

客戶潛在客戶評分模式

帳戶潛在客戶評分模型是一種預測且立即可用的資料科學模型，使用其設定檔、收入、行為資料及互動模式，對 B2B 帳戶進行轉換的可能性評分。評分會識別要進行採購之帳戶的傾向。

福利

• 主動培養具有較高轉換機會的合適帳戶。
• 提高客戶行銷 (ABM) 工作的成效。
• 增加行銷合格潛在客戶 (MQL) 和轉換率的數目。

產業使用情境

• 製造業：全球製造業公司可以使用 Oracle Unity 的預測性、客戶潛在客戶及聯絡人評分模型，根據設定檔和互動模式來預估及評分銷售轉換的可能性。
• 技術：技術公司可以利用預測客戶評分來加速 ABM 工作，方法是確定指定帳戶中的哪些聯絡人在轉換時有最高的機會，然後主動將其新增至行銷活動和拓展方案。

聯絡人潛在客戶評分模式

聯絡人潛在客戶評分模型是一種預測且立即可用的資料科學模型，可使用聯絡人的資料檔、收入、行為資料及互動模式，根據轉換的可能性來評分。

模型會產生潛在客戶評分值，其中包含每個聯絡人的潛在客戶評分時間戳記。這有助於判斷在不同銷售漏斗層級中有效的聯絡人及其進行採購的潛力，讓您能夠精確鎖定客戶群，並有效地調整銷售和行銷策略。

福利

• 主動培養轉換機會較高的接觸。
• 增加行銷合格潛在客戶 (MQL) 和轉換率的數目。

產業使用情境

• 技術：企業軟體公司可以利用此模型來加速銷售工作，方法是確定指定帳戶中的哪些聯絡人在轉換時機率最高，然後主動將其新增至拓展方案。

客戶終生價值模型

客戶終身價值 (CLV) 模型是現成的資料科學模型，可估計客戶在特定期間的價值。此預測是以多個接觸點為基礎，包括客戶設定檔資料、過去的交易歷史記錄，以及交易的貨幣價值和頻率。

企業使用者可以自訂 CLV 模型，為客戶提供 3、6 或 12 個月的終身價值。

福利

• 在取得、保留及服務客戶時，更有效地編列行銷費用預算。
• 找出並專注於高價值客戶，以提高客戶保留率並增加收入。

產業使用情境

• 消費性產品：線上化妝品公司使用客戶終身價值模型，根據客戶的資料檔與交易模式來預估客戶隨時間推移的價值。他們為在過去六個月內購買不到兩個皮膚護理產品的客戶，並且花費超過 200 美元，打造出一套嶄新、高端皮膚護理產品的行銷活動。
• 汽車業：汽車製造商利用 CLV 模型來識別客戶支出範圍，並為這些支出範圍內的汽車量身打造優惠方案。
• 零售業：雜貨店會執行 CLV 模型來識別與品牌具有高終身價值的客戶，以納入行銷活動以促銷新的忠誠度方案。

行銷活動收益歸因模型

行銷活動收入歸因模型是立即可用的資料科學模型，透過分析導致銷售和轉換的接觸點，協助您判斷行銷活動的成功。行銷活動收入歸因模型有兩種類型。

• 收入行銷活動屬性模型會透過指派貨幣值給每個行銷活動來評量行銷活動的成效。
• 非收入行銷活動屬性模型會透過指派百分比屬性值給每個行銷活動來評量行銷活動的成效。模型會將屬性百分比計算為行銷活動的百分比值，轉換成每個個別行銷活動的總轉換數。

每個模型都會考量造成行銷活動轉換的所有接觸點。

福利

• 瞭解收入輸出以外的歸因。
• 根據目標資料分析做出決策，而不是根據主觀選擇。
• 瞭解哪些事件會產生最有效的轉換，並決定花費預算及改善投資報酬率的位置。

產業使用情境

• 零售業：零售商可以使用行銷活動歸因模型來協助更深入瞭解多通路歷程，並深入瞭解哪些通路有助於推動最多轉換。
• 技術：SaaS 技術公司可以利用行銷活動歸因模型，協助更深入瞭解多點觸控行銷活動，以及哪些內容、通路和行銷活動投入力對收盤收益的影響最大。

最近性、頻率及貨幣模型

最近活動、頻率和貨幣 (RFM) 模型是現成的資料科學模型，可根據事件和交易資料產生最近活動、頻率和貨幣值的數值分數。有了這項服務，您就可以將客戶區分為各種角色，然後以最相關的訊息加以鎖定。

RFM 模型使用下列特性來評量參與度與採購行為：

• 最近活動：客戶最近的交易。
• 頻率：客戶進行交易的頻率。
• 貨幣：客戶交易的大小 / 總值。

每個特性都以 1 到 5 的分數表示：一個是最近、最不頻繁或最低的購買值，而五個是最近、最頻繁或最高的購買值。

模型使用下列角色來表示每個客戶的值。

• 流失：最弱互動者，在觀察的時間內具有最低活動量。
• 有風險：在無活動與低購買行為開始時，與會者分享意見。
• 無法失去：閒置空間較強的訂閱者。仍可殘留。
• 承諾：具有平均最近性和價值的互動者。
• 全新：具有強大價值參與度的新互動者。
• 冠軍：最佳表現。您最近的互動者具有最強的高價值互動率。

福利

• 使用 RFM 角色，根據客戶的相對價值，以最相關的訊息和優惠鎖定客戶。這樣改善的客戶互動可以提高回應率、客戶滿意度、客戶保留率和客戶終身價值。

產業使用情境

• 零售業：零售商可根據過去的互動，運用 RFM 模型識別並區隔各種假日行銷活動的受眾 (高價值、承諾、風險、損失等)，以改善目標鎖定、個人化及整體轉換。

回到頁首

流失傾向模型

流失傾向模型是一種現成的資料科學模型，可根據客戶的交易和行為模式來評分和測量客戶流失的可能性。

它會識別客戶更有可能流失，讓行銷人員瞭解哪些客戶可能想要以特定行銷活動或訊息來鎖定目標，以留住他們。

福利

• 此模型可讓您主動識別有流失風險的受眾和群體 (包括高價值客戶)。行銷和廣告團隊接著可以透過相關訊息來觸發這些客戶的獲勝行銷活動，以提高客戶保留率。

產業使用情境

• 通訊：電信業者可自動向考慮切換至不同供應商的客戶傳送特別促銷。

互動傾向模型

互動傾向模型會根據客戶過去的互動來衡量與電子郵件互動的可能性 (開啟、按一下、訂閱或取消訂閱)。

福利

• 改善電子郵件鎖定和行銷活動互動。
• 專注於最有可能吸引並消除可能疲勞的受眾，以準確地提高行銷活動接觸點。

產品傾向模型

這個立即可用的模型會根據歷史互動和客戶設定檔資料，預測客戶購買特定產品的可能性。

此模型可讓您查看客戶與產品組合的傾向評分，以識別哪些客戶最有可能購買特定產品。

福利

• 透過鎖定高傾向的客戶和產品組合，更有效地花費行銷預算。

取得公司無法以其他方式取得的洞察力，以改善決策。

產業使用情境

• 零售業：零售商可以利用產品傾向模型，為新互動的客戶識別合適的產品優惠，以改善轉換率及提高客戶獲取率。
• 電信：行動通訊公司可以利用產品傾向模型，協助引導客戶進行新的電話、硬體和服務升級。

再買回傾向模型

再買回傾向模型可衡量客戶重新購買特定產品的可能性。回購傾向評分乃根據過往客戶交易及人口統計及行為數據計算。

福利

• 針對在 Oracle Unity Customer Data Platform 中建立的受眾，運用回購傾向評分，以最佳化跨通路互動行銷活動，並鎖定最有可能重新購買產品的客戶。

回到頁首

下一個最佳行動模型

下一個最佳行動模型是現成的資料科學模型，可預測客戶需求，並根據銷售和交易模式為每位客戶推薦最相關的動作。

該模型使用客戶設定檔資料、客戶互動、產品型錄資料和採購來為客戶產生前五大建議動作。您可以使用這些建議來決定特定客戶最相關的動作。

福利

• 以正確的方式與客戶互動，並在客戶旅程上採取下一個最佳動作，以提高轉換率。

產業使用情境

• 汽車業：全球汽車品牌可以使用 Unity 的下一個最佳行動 (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行動和優惠。
• 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方案模型來識別可能轉換金融產品新優惠 (例如投資帳戶、信用額度或抵押) 的受眾，並根據該建議跨通路個人化其客戶的體驗。
• 旅遊和餐旅業：郵輪可以使用 NBO 和 NBA 模型來識別要向客戶發送哪些優惠，以協助他們預訂下趟旅程或入住。

下一個最佳優惠模型

Oracle Unity 的下一個最佳方案模型是現成的資料科學模型，可預測客戶需求，並根據銷售和交易模式為每位客戶提供最相關的優惠。

該模型使用客戶設定檔、客戶互動、產品目錄和購買資料來產生建議。它可讓使用者從與各種產品或服務相關的優惠熱門建議中選擇。使用者可以使用這些建議來判斷要傳送給特定客戶的最相關優惠。

福利

• 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，提高轉換率。

產業使用情境

• 汽車業：全球汽車品牌可以使用下一個最佳行動 (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：金融服務提供者可以使用下一個最佳動作和下一個最佳方案模型來識別可能轉換金融產品新優惠 (例如投資帳戶、信用額度或抵押) 的受眾，並根據該建議跨通路個人化其客戶的體驗。
• 旅遊和餐旅業：連鎖酒店可以使用 NBO 和 NBA 模型來識別要向客戶發送哪些優惠，以協助他們預訂下趟旅程或入住。

下一個最佳促銷模式

下一個最佳促銷模式是現成的資料科學模型，使用客戶購買的歷史產品來確定客戶願意支付特定產品的價格。您可以利用此模型，以智慧型方式為客戶個人化產品定價。

福利

• 下一個最佳促銷模型可針對可提高轉換率、總收益及平均訂單價值的產品提供個人化訂價。

產業使用情境

• 醫療照護：醫療照護公司可以使用下一個最佳促銷模型，根據個別客戶的過去採購，微調新睡眠輔助產品的定價。
• 保險：保險品牌可以利用下一個最佳促銷模式為附加保險套件提供個人化的定價，以提高轉換率並協助客戶組合並儲存。

回到頁首

行銷活動建議模型

行銷活動建議者模型是一種立即可用的資料科學模型，可根據客戶過去的互動和不同行銷活動的轉換趨勢，識別要為每位客戶傳送的最有效行銷活動。

該模型使用各種時間範圍 (三個月、一年和三年)，根據轉換的可能性，為任何實例中的每位客戶排名週期性和一次性 B2C 行銷活動。

福利

• 根據最近的互動和轉換趨勢，以智慧方式預測哪些行銷活動最適合客戶，以改善行銷活動的轉換率和投資報酬率。

產業使用情境

• 醫療照護：醫療照護組織可以利用模型，根據過去的轉換與互動，識別每個病患適合的未來數位病患互動行銷活動。
• 零售業：零售商可以使用該模型，根據過去的參與度和轉換歷史記錄，將最有可能參與的行銷活動中的受眾置於行銷活動中，以改善行銷活動轉換率和客戶終身價值。

通路推薦模式

此立即可用的資料科學模型會根據歷史互動資料，為客戶提供最佳的行銷管道。

通路建議者模型會根據轉換的可能性，在任何實例中為每個客戶排名互動通路。您可以深入了解哪些通路可帶來收入，並透過在具有高轉換率的跨通路分配支出，找到增加收入的機會。

會評估下列通道：

• 電子郵件
• 簡訊
• 推播
• 網頁

福利

• 在客戶設定檔通過銷售漏斗時，使用最佳的預測管道來提高轉換率。

產業使用情境

• 公用事業：電力公用事業可以使用該模型來判斷電子郵件、簡訊、推播或 Web 在尖峰和離峰時間內，最適合與特定客戶溝通。

疲勞區隔模型

這個現成的資料科學模型會根據客戶的資料檔和互動程度，將客戶分類為不同的訊息疲勞程度。

疲勞區隔模型提供需要傳送至每個客戶資料檔的行銷活動數和訊息數洞察分析，協助防止客戶疲勞。

它會根據客戶的參與度、收到與開啟的行銷活動歷史記錄，以及最重要的是客戶資料檔的角色，來評量每個客戶資料檔的訊息疲勞。您可以決定並控制要傳送至每個客戶資料檔的最佳訊息數，以避免疲勞。

福利

• 聰明地區分積極且已準備好參與互動的客戶與疲勞的客戶。
• 取得洞察力，協助您根據每個客戶的疲勞程度控制行銷活動拓展。
• 提高參與度和 / 或轉換率並減少發送。

產業使用情境

• 製造：太陽能面板製造商會根據客戶的資料檔和互動程度，使用模型將客戶分類成不同的疲勞程度。這可讓他們調整與其目標客戶的通訊量。
• 技術：B2B 技術公司利用模型來識別應從高接觸式 ABM 行銷活動努力中移除的潛在客戶，並放回一般跨通路行銷活動中。

發送時間優化模式

傳送時間最佳化模型是現成的資料科學模型，可根據過去的電子郵件行為決定將行銷活動電子郵件傳送給客戶的最佳時間。

例如，模型會在客戶通常會勾選收件匣之前觸發傳送行銷活動電子郵件。因此，訊息會出現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。

福利

• 透過在最有可能查看、開啟、讀取或確認電子郵件的時候鎖定客戶來最佳化行銷活動，從而提高客戶參與度和轉換率。
• 在客戶通常會檢查收件匣之前傳送電子郵件，增加檢視和開啟電子郵件的可能性。

產業使用情境

• 零售業：時尚零售商可以運用模型來改善跨通路的行銷活動交付時間，藉此提高客戶參與度和新行銷活動轉換的可能性。
• 旅遊和餐旅業：度假勝地可確保在客戶最有可能與內容互動時，將每週低價的度假優惠專案電子郵件傳送給客戶。

回到頁首