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。得分确定了账户进行采购的倾向。

Benefits

• 以更高的转化机会主动培养正确的客户。
• 提高以客户为基础的营销 (ABM) 努力的成效。
• 提高营销合格销售线索 (Marketing-Qalified Lead，MQL) 和转化率。

行业使用场景

• 制造：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换的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快 ABM 工作，方法是确定给定客户中的哪些联系人转化率最高，然后主动将其添加到商业活动和推广计划中。

联系人销售线索评分模型

联系人潜在商机评分模型是一种预测性、即用型数据科学模型，它使用联系人概要信息、收入、行为数据和互动模式，针对联系人转换的可能性进行评分。

模型为每个联系人生成具有销售线索得分时间戳的销售线索得分值。它有助于确定在销售漏斗的不同级别中活跃的联系人及其进行采购的潜力，使您能够准确地定位客户群并有效地协调销售和营销策略。

Benefits

• 主动培养具有更高转化机会的联系人。
• 提高营销合格销售线索 (Marketing-Qalified Lead，MQL) 和转化率。

行业使用场景

• 技术：企业软件公司可以利用此模型来加快销售速度，方法是确定给定客户中的哪些联系人转化率最高，然后主动将其添加到推广计划中。

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，用于估计客户在特定时间段内的价值。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、六个或十二个月的终身价值。

Benefits

• 在获取、保留和服务客户时更有效地预算营销费用。
• 识别并专注于高价值客户，从而提高客户保留率并增加收入。

行业使用场景

• 打包消费品：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 6 个月内购买不到两款皮肤护理产品并花费超过 200 美元的客户创建新的高端皮肤护理产品营销活动。
• 汽车：汽车制造商利用 CLV 模型确定客户支出范围，并为这些支出范围内的汽车量身定制优惠。
• 零售：一家杂货店运行 CLV 模型，以识别品牌具有高终身价值的客户，并将其纳入营销活动中以推广其新的忠诚度计划。

商业活动收入归因模型

营销活动收入归因模型是现成可用的数据科学模型，通过分析导致销售和转换的接触点来帮助您确定营销活动的成功。有两种类型的市场活动收入归因模型。

• 收入市场活动属性模型通过为每个市场活动分配货币值来衡量市场活动的有效性。
• 非收入市场活动归因模型通过为每个市场活动分配百分比归因值来衡量市场活动的有效性。模型计算归因百分比，以每个市场活动转换为总转化数的市场活动的百分比值表示。

每个模型都会考虑对市场活动转换做出贡献的所有接触点。

Benefits

• 了解基于收入的产出的归因。
• 基于客观数据分析而非主观选择做出决策。
• 了解哪些事件会产生最有效的转换，并确定支出预算和提高投资回报率的位置。

行业使用场景

• 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，并洞察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、渠道和营销活动工作对收尾收入的影响最大。

近期活跃度、频率和货币模型

近期性、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生成近期性、频率和货币值的数值评分。通过它，您可以将客户划分成各种角色，然后使用最相关的消息来定位客户。

RFM 模型使用以下特性来衡量参与和购买行为：

• 最近：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。

每个特征由一个和五个之间的分数表示：一个是最近的，最不频繁的或最低的购买价值，五个是最新的，最频繁的，或最高的购买价值。

模型使用以下角色来指明每个客户的价值。

• 丢失：最弱的参与者，在观察的时间段内活动最少。
• 有风险：一开始表现出不活动且购买行为较少的参与者。
• 不能丢失：在非活动状态下占用空间更强的订阅者。仍然可以挽救。
• Promising（承诺）：近期活跃度和值的参与者。
• 新增：参与价值比率较高的最近参与者。
• 冠军：最好的。高价值参与比率最高的最近参与者。

Benefits

• 使用 RFM 角色根据相对客户价值，通过最相关的消息和优惠来定位客户。这种改进的客户互动可以提高响应率、客户满意度、客户保留率和客户终身价值。

行业使用场景

• 零售：零售商可以根据过去的互动，利用 RFM 模型来识别和细分各种假日营销活动的受众（高价值、有前途、风险、丢失等），从而改善目标设定、个性化和整体转换。

回到页首

流失趋势模型

流失倾向模型是一个现成可用的数据科学模型，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。

它可以识别更有可能流失的客户，让营销人员了解哪些客户可能希望通过特定的营销活动或消息传递来留住他们。

Benefits

• 通过该模型，您可以主动识别有流失风险的受众和细分（包括高价值客户）。然后，营销和广告团队可以通过相关消息传递为这些客户触发成功营销活动，以提高客户保留率。

行业使用场景

• 通信：电信提供商可以将特殊促销自动发送给可能正在考虑切换到其他提供商的客户。

互动倾向模型

互动倾向模型根据客户过去的互动来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。

Benefits

• 改善电子邮件定位和营销活动互动。
• 通过关注最有可能吸引和移除可能疲劳受众的受众，准确增加营销活动接触点。

产品倾向模型

此现成可用的模型根据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。

通过该模型，您可以查看客户和产品组合的倾向评分，确定哪些客户最有可能购买特定产品。

Benefits

• 通过定位高倾向的客户和产品组合，更有效地利用营销预算。

获得您公司无法获得的洞察，从而改善决策。

行业使用场景

• 零售：零售商可以利用产品倾向模型来帮助识别适合新客户的产品，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

回购倾向模型衡量客户回购特定产品的可能性。回购倾向评分是根据过去的客户交易以及人口统计和行为数据计算的。

Benefits

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

回到页首

下一个最佳操作模型

下一个最佳操作模型是一个现成可用的数据科学模型，可以预测客户需求，并根据销售和交易模式为每个客户推荐最相关的操作。

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。您可以使用这些建议来确定与特定客户最相关的操作。

Benefits

• 通过以正确的方式与客户互动来提高转化率，并在客户的旅程中采取适当的下一步行动。

行业使用场景

• 汽车：全球汽车品牌可以使用 Unity 的下一个最佳行动 (NBA) 和下一个最佳优惠 (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：金融服务公司可以使用适当的后续措施和适当的后续方案模型来确定可能针对金融产品（例如投资账户、信贷额度或抵押贷款）的新方案进行转换的受众，并根据该建议跨渠道提供个性化的客户体验。
• 旅行和酒店：游轮公司可以使用 NBO 和 NBA 模型来确定向客户发送哪些优惠，以帮助他们预订下次旅行或住宿。

下一个最佳供应模型

Oracle Unity 的下一个最佳报价模型是现成可用的数据科学模型，可预测客户需求，并根据销售和交易模式为每个客户推荐最相关的报价。

该模型使用客户档案、客户互动、产品目录和采购数据来生成建议。它使用户可以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向特定客户发送的相关优惠。

Benefits

• 利用下一个合适的产品/服务模式，通过相关性最高的内容或产品与客户互动，提高转化率。

行业使用场景

• 汽车：全球汽车品牌可以使用下一个最佳行动 (NBA) 和下一个最佳优惠 (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个最佳操作和下一个最佳方案模型来识别可能针对金融产品（例如投资账户、信贷额度或抵押贷款）的新方案进行转换的受众，并根据该建议跨渠道提供个性化的客户体验。
• 旅行和酒店：连锁酒店可以使用 NBO 和 NBA 模式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。

下一个最佳促销模式

下一个最佳促销模型是现成可用的数据科学模型，该模型使用客户的历史产品购买来确定客户愿意为特定产品支付的价格。利用此模型，您可以智能地为客户提供个性化的产品定价。

Benefits

• 下一个最佳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。

行业使用场景

• 医疗保健：医疗保健公司可以使用下一个最佳促销模型，根据单个客户的过往采购情况，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个最佳促销模式为附加保险包提供个性化的定价，以提高转化率并帮助客户捆绑和保存。

回到页首

市场活动推荐人模型

营销活动推荐者模型是一个现成可用的数据科学模型，可以根据客户过去在不同营销活动中的参与度和转化趋势，确定要为每个客户发送的有效营销活动。

该模型使用各种时间范围（三个月、一年和三年）根据转换的可能性，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。

Benefits

• 根据最近的互动和转化趋势，智能预测哪些营销活动适合客户，从而提高营销活动的转化率和投资回报率。

行业使用场景

• 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率来确定每个患者的未来数字患者互动营销活动。
• 零售：零售商可以根据过去的参与和转化历史记录，将受众置于他们最有可能参与的营销活动中，从而使用该模型来提高营销活动转化率和客户生命周期价值。

渠道推荐人模型

这种现成可用的数据科学模型根据历史交互数据为客户提供最佳营销渠道。

渠道推荐人模型可根据转换的可能性对任意实例中每个客户的互动渠道进行排名。您可以深入了解哪些渠道可以推动收入增长，并通过在转化率高的渠道之间分配支出来发现增加收入的机会。

将评估以下渠道：

• 电子邮件
• SMS
• 推送
• Web

Benefits

• 在销售漏斗中移动时，使用预测准确的渠道定位客户档案，从而提高转化率。

行业使用场景

• 公用事业：公用事业机构可以使用此模型来确定在高峰和非高峰时段，最好使用电子邮件、短信、推送或 Web 与特定客户通信。

疲劳细分模型

此现成可用的数据科学模型可根据客户的概要信息和参与程度，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。

它根据客户的参与情况、接收和打开的商业活动的历史记录以及最重要的是客户档案的角色来衡量每个客户档案的消息疲劳。您可以确定并控制向每个客户档案发送的最佳消息数，以避免疲劳。

Benefits

• 智能地区分积极主动且愿意与疲劳的客户。
• 获得洞察，以帮助您根据每位客户的疲劳程度控制营销活动推广。
• 提高参与度和/或转化率并减少辍学率。

行业使用场景

• 制造：太阳能面板制造商使用此模型，根据客户概要信息和参与水平对其进行分类，分为不同的疲劳级别。这样，这些公司就能调整与其目标客户的通信量。
• 技术：B2B 技术公司利用该模型来识别应从高接触 ABM 营销活动中移除并重新投入一般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现成可用的数据科学模型，可根据过去的电子邮件行为确定向客户发送市场活动电子邮件的最佳时间。

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。因此，消息将出现在客户的收件箱顶部，以确保电子邮件最有可能被看到和打开。

Benefits

• 通过优化营销活动，在客户最有可能看到、打开、阅读或确认电子邮件时定位客户，从而提高客户参与度和转化率。
• 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。

行业使用场景

• 零售：时尚零售商可以利用该模型来提高跨渠道营销活动交付时间，从而提高新营销活动的客户互动和转化率。
• 旅行和酒店：度假村可以确保在客户最有可能与内容互动时向他们发送每周低价假期交易电子邮件。

回到页首