Oracle Unity Customer Data Platform 智能工作台模型目录

客户销售线索评分模型

客户销售线索评分模型是一种预测性、现成可用的数据科学模型，它使用客户档案、收入、行为数据和互动模式对 B2B 客户的转化可能性进行评分。分数确定客户进行采购的倾向。

优势

• 主动培育正确的客户，提高转化率。
• 提高基于客户的营销 (ABM) 工作的效率。
• 增加营销合格销售线索 (Marketing-Qalified Lead，MQL) 的数量和转化率。

行业使用案例

• 制造：一家全球制造公司可以使用 Oracle Unity 的预测性、客户销售线索和联系人评分模型，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级。
• 技术：技术公司可以利用预测性客户评分来识别给定客户中的哪些联系人转化概率更高，然后主动将他们添加到营销活动和推广计划，从而加快 ABM 的工作。

联系人销售线索评分模型

联系人销售线索评分模型是一种预测性、现成可用的数据科学模型，它使用联系人概要信息、收入、行为数据和互动模式对联系人转换的可能性进行评分。

模型使用每个联系人的销售线索得分时间戳生成销售线索得分值。它有助于确定活跃在不同销售漏斗级别的联系人及其进行购买的潜力，使您能够精准定位客户细分，并有效地协调销售和营销策略。

优势

• 主动培养具有更高转换机会的联系人。
• 增加营销合格销售线索 (Marketing-Qalified Lead，MQL) 的数量和转化率。

行业使用案例

• 技术：企业软件公司可以利用此模型来识别给定客户中的哪些联系人转化概率更高，然后主动将其添加到推广计划，从而加快销售工作。

客户终身价值模型

客户生命周期价值 (CLV) 模型是一种现成可用的数据科学模型，用于估算特定时间段内的客户价值。此预测基于多个接触点，包括客户概要信息数据、过去的事务处理历史记录以及事务处理的货币值和频率。

企业用户可以定制 CLV 模型，为客户提供三个月、六个月或十二个月的终身价值。

优势

• 在客户获取、留存与服务全流程中，更高效地规划营销预算。
• 更加关注高价值客户，提高客户保留率并增加收入。

行业使用案例

• 快速消费品领域：某线上美妆企业运用客户终身价值模型，根据客户画像及交易模式，估算其长期价值。他们针对过去六个月购买护肤品少于两件且消费超 200 美元的客户，推出了一款高端新护肤品的营销活动。
• 汽车：一家汽车制造商利用 CLV 模型来确定客户支出范围，并为这些支出范围内的汽车量身定制产品。
• 零售：杂货店采用 CLV 模型来识别具有高终身价值的客户，并将其纳入营销活动中以推广新的忠诚度计划。

市场活动收入属性模型

营销活动收入归因模型是现成可用的数据科学模型，可通过分析导致销售和转化的一些接触点来帮助您确定营销活动的成功。有两种类型的营销活动收入归因模型。

• 收入商业活动归因模型通过为每个商业活动分配货币值来衡量商业活动的效果。
• 非收入商业活动归因模型通过为每个商业活动分配百分比归因值来衡量商业活动的效果。该模型会计算每个独立营销活动的归因占比，即该活动带来的转化量占总转化量的百分比。

每个模型都会考虑促成营销活动转换的所有接触点。

优势

• 跳出基于收入的产出维度，理解归因的完整价值。
• 根据客观数据分析而不是主观选择做出决策。
• 了解哪些事件会产生最有效的转化率，并确定在何处支出预算并提高投资回报率。

行业使用案例

• 零售：零售商可以使用营销活动归因模型来更好地了解多渠道旅程，并深入了解哪些渠道有助于提高转化率。
• 技术：SaaS 技术公司可以利用营销活动归因模型来更好地了解多点触控营销活动，以及哪些内容、渠道和营销活动对实现收入的影响最大。

近期活跃度、频率和货币模型

近期、频率和货币 (RFM) 模型是一个现成可用的数据科学模型，可根据事件和事务处理数据为近期、频率和货币值生成数字分数。有了它，您可以将客户隔离到各种角色中，然后使用最相关的消息传递来定位客户。

RFM 模型使用以下特征来衡量参与度和购买行为：

• 近期：客户的最新交易。
• 频率：客户进行交易的频率。
• 货币：客户交易的规模/总价值。

每个特征均以 1 至 5 分的分值表示：1 分代表购买时间最久远、购买频次最低或购买金额最低，5 分代表购买时间最新近、购买频次最高或购买金额最高。

模型使用以下角色来指明每个客户的价值。

• 流失客户：参与度最低的群体，在观察期内活跃度极低。
• 存在风险：表现出不活动且购买行为较少的参与者。
• 核心留存客户：虽暂未活跃，但过往行为痕迹深厚的订阅用户。仍然可以挽救。
• 潜力客户：近期互动频率与消费价值均处于中等水平的参与群体
• 新客群体：近期有互动行为，且高价值互动频率突出的参与用户。
• 顶尖优质客户：核心中的核心。近期互动频次最高、且高价值互动占比最突出的客户群体。

优势

• 使用 RFM 角色，根据相对客户价值，为客户提供高度相关的消息和优惠。改善客户互动可以提高响应率、客户满意度、客户保留率和客户终身价值。

行业使用案例

• 零售：零售商可以利用 RFM 模型识别和细分受众（高价值、有前途、有风险、丢失等），根据过去的互动，为各种假日营销活动改善定位、个性化和整体转化。

返回顶部

流失倾向模型

流失倾向模型是一种现成可用的数据科学模型，可根据客户交易和行为模式对客户流失的可能性进行评分和评估。

该模型可识别出更可能流失的客户，帮助营销人员明确哪些客户需要通过定向营销活动或专属沟通话术触达，从而实现客户留存。

优势

• 利用该模型，您可以主动识别面临流失风险的受众和细分市场（包括高价值客户）。然后，营销和广告团队可以通过相关消息来为这些客户触发回购营销活动，从而提高客户保留率。

行业使用案例

• 通信行业：电信运营商可向可能考虑更换服务商的客户，自动推送专属优惠活动。

互动倾向模型

互动倾向模型可根据客户过去的互动，衡量客户与电子邮件（打开、单击、订阅或取消订阅）互动的可能性。

优势

• 改善电子邮件定位和营销活动互动。
• 聚焦高意向互动人群、剔除可能已产生营销疲劳的受众，精准增加营销活动触达触点。

产品倾向模型

该现成可用的模型可基于历史交互和客户档案数据预测客户购买特定产品的可能性。

该模型通过分析客户与产品组合的购买倾向得分，助力识别更可能购买特定产品的客户群体。

优势

• 通过针对高倾向的客户和产品组合，更高效地支出营销预算。

获取企业原本无法获得的深度洞察，助力优化决策质量。

行业使用案例

• 零售：零售商可以利用产品倾向模型来确定适合新客户的产品方案，从而提高转化率和客户获取率。
• 电信：移动通信公司可以利用产品倾向模型来引导客户进行新的电话、硬件和服务升级。

回购倾向模型

回购倾向模型用于衡量客户回购特定产品的可能性。复购倾向得分依据客户过往交易记录、人口统计数据及行为数据计算得出。

优势

• 利用 Oracle Unity Customer Data Platform 中创建的受众的回购倾向评分来优化跨渠道互动营销活动，并针对最有可能回购产品的客户。

返回顶部

下一步推荐行动模型

下一步推荐行动模型是一款即用型数据科学模型，可基于销售及交易模式预测客户需求，并为每位客户推荐更相关的行动方案。

该模型使用客户概要信息数据、客户参与、产品目录数据和采购来为客户生成前五个建议操作。您可借助这些推荐方案，确定针对特定客户的适配行动。

优势

• 通过在客户旅程中采取恰当方式与客户互动，并提供下一步推荐行动，提升转化效率。

行业使用案例

• 汽车行业：某全球汽车品牌可借助 Unity 的下一步推荐行动（NBA）及下一步推荐优惠（NBO）模型，基于销售及交易模式为每位客户推荐适配的行动方案与报价。
• 金融服务行业：金融服务公司可借助下一步推荐行动及下一步推荐优惠模型，识别出更可能响应理财产品新优惠（如投资账户、信贷额度或抵押贷款）的受众，并基于该推荐在全渠道为客户提供个性化体验。
• 旅游和酒店：游轮可以使用 NBO 和 NBA 模型来确定向客户发送哪些优惠，以帮助他们预订下一次旅行或住宿。

下一步推荐优惠模型

Oracle Unity 下一步推荐优惠模型是一款即用型数据科学模型，可基于销售及交易模式预测客户需求，并为每位客户推荐适配的报价方案。

该模型使用客户档案、客户互动、产品目录和采购数据生成建议。它允许用户从与各种产品或服务相关的优惠的顶级建议中进行选择。用户可以使用这些建议来确定要发送给特定客户的高度相关的优惠。

优势

• 利用适当的下一优惠模式，通过高度相关的内容或优惠与客户互动，提高转化率。

行业使用案例

• 汽车行业：某全球汽车品牌可借助下一步推荐行动（NBA）及下一步推荐优惠（NBO）模型，基于销售及交易模式为每位客户推荐适配的行动方案与报价。
• 金融服务行业：金融服务公司可借助下一步推荐行动及下一步推荐优惠模型，识别出更可能响应理财产品新优惠（如投资账户、信贷额度或抵押贷款）的受众，并基于该推荐在全渠道为客户提供个性化体验。
• 旅行和酒店管理：酒店连锁店可以使用 NBO 和 NBA 模型来确定向客户发送哪些优惠，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式

下一步推荐促销模型是一款即用型数据科学模型，可利用客户过往的产品购买记录，确定客户对某一特定产品的意愿支付价格。利用此模型，您可以智能地为客户个性化产品的定价。

优势

• 下一个理想的促销模式允许对产品进行个性化定价，从而提高转化率、总收入和平均订单价值。

行业使用案例

• 医疗健康行业：医疗健康公司可借助下一步推荐促销模型，基于个体客户的过往购买记录，对新款助眠产品的定价进行优化调整。
• 保险：保险品牌可以利用下一个理想的促销模式，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捆绑和保存。

返回顶部

市场活动推荐模型

营销活动推荐模型是一款即用型数据科学模型，可基于客户在不同营销活动中的过往互动情况及转化趋势，为每位客户筛选出更有效的营销活动进行推送。

该模型使用各种时间范围（三个月、一年和三年）根据转化可能性，对任何实例中每个客户的重复性和一次性 B2C 市场活动进行排名。

优势

• 基于客户近期的互动情况及转化趋势，智能预测更适合客户的营销活动，从而提升活动转化率与投资回报率。

行业使用案例

• 医疗保健：医疗保健组织可以利用该模型，根据过去的转化率和参与情况，确定未来的数字患者互动活动适合每位患者。
• 零售行业：零售商可借助该模型，根据客户过往的互动记录及转化历史，将受众纳入更可能参与的营销活动中，从而提升活动转化率与客户终身价值。

渠道推荐模型

这款即用型数据科学模型可基于历史互动数据，为客户推荐理想营销渠道。

渠道推荐人模型根据转化率对任意实例中每个客户的互动渠道进行排名。您能洞察哪些渠道能创造收入，并可通过将预算分配到高转化率渠道，挖掘增收机会。

对以下渠道进行了评估：

• 电子邮件
• SMS
• 推送
• Web

优势

• 在客户处于销售漏斗转化过程中时，通过预测理想渠道触达目标客户群体，提升转化效率。

行业使用案例

• 公用事业：电力公司可借助该模型，确定在用电高峰及低谷时段，与特定客户沟通的理想渠道（电子邮件、短信、推送通知或网站）。

疲劳细分模型

这种现成可用的数据科学模型可根据客户档案和互动水平，将客户分为不同级别的消息疲劳。

疲劳细分模型可洞察需要发送到每个客户档案的营销活动和消息数量，从而帮助防止客户疲劳。

该模型基于客户的互动情况、接收及打开营销活动的历史记录，且更重要的是结合客户群体的用户画像，衡量每位客户的信息疲劳程度。您可确定并控制向每位客户推送的合适消息数量，以避免信息疲劳。

优势

• 智能区分活跃且愿意参与互动的客户与已产生信息疲劳的客户。
• 获得洞察力，帮助您根据疲劳程度控制每个客户的营销活动推广。
• 提升互动率和/或转化率，降低客户流失率。

行业使用案例

• 制造业：某太阳能电池板制造商借助该模型，根据客户的用户画像及互动程度，将客户划分为不同的信息疲劳等级。这使他们能够根据目标客户的情况，调整沟通消息的发送量。
• 技术：一家 B2B 技术公司利用该模型来识别应从高接触 ABM 营销活动中移除的潜在客户，并重新投入到一般的跨渠道营销活动中。

发送时间优化的模型

发送时间优化模型是一款即用型数据科学模型，可基于客户过往的邮件行为，确定向其发送营销活动邮件的理想时间。

例如，在客户通常检查收件箱之前，模型会触发发送营销活动电子邮件。这样一来，邮件会出现在客户收件箱顶部，确保邮件更有可能被客户看到并打开。

优势

• 通过在客户更可能查看、打开、阅读或确认邮件的时段触达他们，优化营销活动，从而提升客户互动率与转化率。
• 在客户通常检查收件箱之前发送电子邮件，从而提高查看和打开电子邮件的可能性。

行业使用案例

• 零售：时尚零售商可以利用该模型改善跨渠道的营销活动交付时间，从而提高新营销活动的客户参与度和转化率。
• 旅游酒店行业：某度假村可借助该模型，在客户更可能参与邮件互动的时段，向其发送每周低价度假套餐邮件。

返回顶部