客户 Intelligence-Saifs AI(预览版)

将客户评分为 A/B/C/D 层,其中包含解释的 CLV 风险。

此连接器在以下产品和区域中可用:

Service Class 区域
Copilot Studio 高级 除以下各项外的所有 Power Automate 区域 :
     - 美国政府 (GCC)
     - 美国政府 (GCC High)
     - 由世纪互联运营的中国云
     - 美国国防部(DoD)
逻辑应用程序 标准 除以下各项外的所有 逻辑应用区域 :
     - Azure 政府区域
     - Azure 中国区域
     - 美国国防部(DoD)
Power Apps 高级 除以下各项外的所有 Power Apps 区域 :
     - 美国政府 (GCC)
     - 美国政府 (GCC High)
     - 由世纪互联运营的中国云
     - 美国国防部(DoD)
Power Automate 高级 除以下各项外的所有 Power Automate 区域 :
     - 美国政府 (GCC)
     - 美国政府 (GCC High)
     - 由世纪互联运营的中国云
     - 美国国防部(DoD)
联系人​​
Name Saifs AI
URL https://saifs.ai/
Email taher@saifytech.com
连接器元数据
Publisher Saifs AI
网站 https://saifs.ai/
隐私策略 https://saifs.ai/privacy_policy/customer-intelligence
Categories 人工智能;数据

客户智能 - Saifs AI

客户智能 - Saifs AI 是一种模型上下文协议(MCP)服务器,该服务器将客户购买书籍评分为 A/B/C/D 层,其中包含解释的客户生存期值(CLV)、风险价值、联系提升以及排名排名的 SAVE/GROW/VERIFY 代表队列。 它从 CSV、Excel、Tally 或 CRM 导出获取购买历史记录,customer_iddateamount并返回每客户账本,其中包含解释跟踪,因此销售团队优先处理风险资金,而不仅仅是标签。

Publisher:Saifs AI

Prerequisites

  • 访问Microsoft Copilot Studio(或其他受支持的Microsoft代理图面)
  • 创建代理和添加 MCP 工具的权限
  • 用于完成连接登录的 Saifs AI 帐户
  • 每个事务至少包含一行的购买导出:
    • customer_id (或等效:AccountId、Party 名称和类似别名)
    • date (或等效:invoice_date发票日期)
    • amount 大于 0(或等效:收入、发票金额)
  • 可选但建议用于提升联系人学习:代表联系人日志(呼叫customer_iddate、访问或 WhatsApp 触摸)
  • 对于大于 500 个事务行的书籍:包含 numpy 的代码沙盒,用于运行由 返回的评分脚本 customer_tiering_get_engine

获取凭据

此 MCP 将 OAuth 2.0 与 Saifs AI 配合使用。

对于在 Copilot Studio 中连接 MCP 的制造商

管理员和制造商不会手动创建 API 密钥。 在 Copilot Studio 中创建新连接时,会重定向到 Saifs AI 进行身份验证。 成功登录后,将创建连接,代理可以在该帐户下调用 MCP 工具。

对于发布者/Microsoft验证(Azure 密钥保管库)

认证提交通过 Azure 密钥保管库 (authorization.type = AzureKeyVault) 配置 OAuth。 存储 具有确切 名称的机密(区分大小写):

机密名称 OAuth 2.0 必需 用途
ClientId Yes OAuth 客户端/应用程序 ID
ClientSecret Yes OAuth 客户端密码
AuthorizationUrl 是(OAuth2) 授权终结点
TokenUrl Yes 令牌终结点
RefreshUrl 如果使用刷新令牌 刷新终结点
Scopes 如果需要范围 空格分隔的范围

授予Microsoft认证服务主体8e91e74f-afe9-41cd-8c3f-17a9562a74ea密钥保管库机密用户(或等效的读取访问权限)。 在 MCP 清单中设置为authorization.referenceId密钥保管库 URI,而不是机密 URI。

有关密钥保管库设置详细信息,请参阅Microsoft MCP 服务器认证 — 常见问题解答。

支持、隐私和条款:

入门

管理员流

  1. 单击“ 新建代理”。
  2. 在右侧菜单中,单击“ 工具”。
  3. 单击“模型上下文协议”(MCP)。
  4. 选择 “客户智能 - Saifs AI”。
  5. 单击 “未连接”,然后单击“ 创建新连接”。
  6. 出现提示时完成 Saifs AI 登录。
  7. 登录后,已成功创建连接。

示例:创建客户优先级代理

  1. 为代理命名,例如 客户优先级。
  2. 添加如下说明:
You help sales managers prioritize which customers to call today.
When the user provides a purchase export (customer_id, date, amount):
- If there are 500 transaction rows or fewer, call customer_tiering with the rows.
- If there are more than 500 rows, call customer_tiering_get_engine and run the returned script verbatim against the file (numpy required).
Always lead with ranked SAVE / GROW / VERIFY actions and money impact in the user's currency.
Explain tiers in plain language. Do not invent winners or rupee figures the tools did not return.
If identity_cleaning.review_candidates appear, ask the user which accounts to merge and re-send with identity_overrides.
  1. 单击 “预览 ”以使用小型购买 CSV 进行测试。
  2. 单击“发布”。

连接后快速验证

  1. 给一本小书评分 (至少有足够的客户和重复购买者适合的模型) 。customer_tiering
  2. 确认响应包括每客户账本、层标签、货币层数字和 SAVE/GROW/VERIFY 队列。
  3. 对于较大的文件,请调用 customer_tiering_get_engine、保存并运行返回的脚本(如给定),并确认 customer_tiering_result.json 是否已写入。

支持的操作

customer_tiering

将客户书籍评分 为 500 个事务行或更少的 A/B/C/D 层。 直接发送行;服务器运行生存模型(BG/NBD)、支出建模(Gamma-Gamma)、层迁移、货币层和决策卡,然后返回完整结果,包括具有解释跟踪的每个客户账本。

当用户要求细分、分层或排名客户时使用;生成呼叫队列(SAVE/GROW/VERIFY):查找风险或增长帐户;估计书曝光;或为 CSV/Excel/Tally/ CRM 购买导出 500 行或更少。

对于超过 500 行的书籍,请改用 customer_tiering_get_engine 。

必需的参数

Parameter 类型 Description
transactions 数组 购买行。 每个项都需要customer_id和 dateamount (>0,有限)。

可选参数

Parameter 类型 Description
customer_name 字符串 在每个事务上:可选的可读名称(当为代码时 customer_id )。 用于标签;分组仍然使用 customer_id。
as_of 字符串 分析日期 YYYY-MM-DD。 默认为最新事务日期。
horizon_months 整数 CLV 投影地平线(默认为 12)。
annual_discount_rate number CLV 的年折扣率(默认为 0.10)。
currency 字符串 仅显示 ISO 货币代码(EUR、USD、EUR)。 无 FX 转换。
currency_symbol 字符串 替代显示符号(例如 ₹ 或 $)。
risk_period_months 整数 评估忽略流失风险的窗口(默认 3)。
contact_effectiveness number 当已获知的数据缺失(默认为 0.30)时,由一个联系人恢复的风险流失的回退分数。
assumed_upgrade_prob number 了解的数据不足(默认值 0.15)时,回退 P(升级 | 已联系)。
rep_contacts 数组 可选 [{customer_id, date}, ...]。 构建触摸的迁移矩阵和未触摸的迁移矩阵,并了解每个层的接触提升(≥ 10 次触摸转换)。 观察性,而不是因果关系。
min_customers_for_model 整数 低于此计数,BG/NBD 拒绝适应(默认 10)。
min_repeat_buyers_for_model 整数 在此重复购买者计数下,BG/NBD 拒绝适应(默认 5)。
include_diagnostics 布尔 如果为 true,请包括 MLE 参数和多启动适合诊断(默认值 false)。
rep_queue_max_items 整数 每日 SAVE/GROW/VERIFY 队列的最大长度(默认为 8)。
rep_queue_min_save_revenue number 忽略生存期收入低于此(默认 0)的 SAVE 候选项。
identity_overrides 对象 判断合并前 review_candidates 一个调用: {raw value -> account}。

标识清理

在评分之前,将清理客户标识符。 大写、间距、标点符号、法律后缀和单词顺序变体(例如ACME PVT LTD / / Acme Pvt. Ltd.Acme Private Limited)按规则合并。 发送值与源中显示的值完全相同;不要预先正常化。 需要人类判断的模棱两可的团体会毫不含糊地返回 identity_cleaning.review_candidates ,以便你通过 identity_overrides。

你回来的东西(从概念上讲)

  • 基于预测的 CLV 的 A/B/C/D 层(不仅过去的收入)
  • 有关帐户落入层的原因的说明跟踪
  • 风险价值、联系提升和升级上行框架为货币范围,自信
  • 书籍级曝光数字
  • 排名排名的 SAVE/GROW/VERIFY 代表队列

customer_tiering_get_engine

对于 大于 500 个事务行的书籍。 返回一个完整的可运行Python脚本,该脚本将书籍评分为 A/B/C/D 层,其模型堆栈和资金层相同。 在代码沙盒中针对用户的事务文件运行它。 行从不以令牌的形式传递模型,因此 10,000 行书籍的成本与协调 600 行一样。

必需的参数

Parameter 类型 Description
file_path 字符串 沙盒中事务文件(CSV/TSV/JSON)的路径。 每购买一行,其中包含客户标识符、日期和金额 > 0。 列名是灵活匹配的。

可选参数

Parameter 类型 Description
contacts_path 字符串 代表联系人日志(仅限客户标识符 + 日期)的可选路径。 通过足够的触摸转换,联系人值按层而不是假定进行度量。
currency 字符串 用于显示的 ISO 货币代码(默认美元)。
as_of 字符串 分析日期 YYYY-MM-DD。 默认为文件中的最新文件。

如何运行返回的脚本

  1. 按给定方式保存返回的脚本(请勿重新键入、缩短、重新格式化或重新实现数学)。
  2. 根据需要,仅编辑 PATH / AS_OF / CURRENCY / OUT / OVERRIDES / CONTACTS 行。
  3. 使用 numpy 在沙盒中运行它。
  4. 阅读印刷的排名决策和头条新闻数字;打开输入旁写入的完整每客户账本(默认值 customer_tiering_result.json)。

预聚合的每客户摘要 将不起作用 — 模型需要购买时间。

评分的工作原理(纯语言)

MCP 将经典客户分析合并为一个解释的账本:

  1. 基线排名 - 帕雷托/ABC 浓度作为理智检查。
  2. 行为预警 - 解释跟踪的 RFM 样式的宽度、频率和货币信号。
  3. 活动概率 - BG/NBD 生存模型估计帐户是否仍然处于活动状态。
  4. 支出和 CLV - Gamma-Gamma 支出建模项目预期未来价值;层遵循预测的 CLV。
  5. 迁移和提升 — Markov 样式的层转换;可选的代表联系人历史记录学习触摸与未触摸的提升。
  6. 货币层 - 将概率转化为风险价值、接触价值、上行和账面曝光,报告为自信的范围,从来就不光是点估计。

渠道和金钱数字是购买历史记录的定向指南,而不是证明因果的实验室实验。

已知问题和限制

  • 需要活动帐户。 需要一个有权访问客户智能的活动 Saifs AI 帐户。 在 OAuth 登录成功完成连接之前,无法调用工具。
  • 拟合的最小数据。 低于配置的客户和重复购买者阈值(默认值:10 个客户,5 个重复购买者),BG/NBD 拒绝适应。 仅当书籍非常小且用户接受较弱拟合时,才添加更多历史记录或减少阈值。
  • 需要购买时间。 无法对每客户汇总一行摘要进行评分。 导出行级或发票级购买。
  • 行路径大小限制。 customer_tiering 接受 500 个事务行或更少。 较大的书籍必须使用 customer_tiering_get_engine 外加 numpy 沙盒。
  • 标识合并是基于规则的。 自动清理合并清除拼写/大小写/后缀变体。 模棱两可(例如 Acme & Co vs Acme Pvt Ltd)保持独立,直到在审阅后应用 identity_overrides 。
  • 接触提升是观察性的。 rep_contacts 当足够密集(每个层≥ 10 次触摸的转换)时,会提高货币层估计值。 这不是随机因果证明。 稀疏层回退到 contact_effectiveness / assumed_upgrade_prob。
  • 货币是显示标签。 传递中国银行或美元不会转换金额。 发送已以所需报告货币的金额。
  • 非合同购买模型。 默认堆栈面向非合同/重复购买书籍(分销商、机构、D2C、贸易)。 纯订阅续订书籍可能需要不同的框架;瘦或不适合的书应该被拒绝与明确的原因,而不是过度拟合。
  • 个人数据。 根据适用的隐私法(包括印度的 DPDP),购买历史记录可以是个人数据。 仅使用有权处理的数据;保留保留和删除请求策略。
  • 没有 FX,v1 中没有 CRM 写回。 MCP 得分并解释:它本身不会将更新推送到 Salesforce、HubSpot 或 Dataverse 中。

常见问题解答

如何连接 MCP?

按照“入门”下的 管理员的 Flow 操作:新代理→工具→模型上下文协议(MCP)→选择 客户智能 - Saifs AI →创建新连接→完成 Saifs AI 登录。

文件中需要哪些列?

至少:客户标识符、购买日期和正金额。 大多数 CRM 和Excel列名称均接受,无需重命名。 (可选)在 ID 为代码时包括客户姓名列,以及单独的联系人日志(customer_id) date以提高提升估计值。

我应使用哪种工具?

  • 500 行或更少:customer_tiering (在工具调用中发送行)。
  • 超过 500 行:customer_tiering_get_engine (在本地运行返回的脚本)。

什么是 SAVE/GROW/VERIFY 队列?

代表的简短货币排名每日列表:

  • SAVE — 如果被忽视,则面临重大风险的帐户
  • GROW - 如果已联系,则升级有上行的帐户
  • 验证 — 执行操作前需要标识或数据确认的帐户

为什么货币数字显示范围?

每个货币数字都附带模型的信心(例如范围),而不仅仅是单个点估计值。 诚实是故意的,所以当现实降落在范围内时,管理者可以信任数字。

是否可以对 Tally 或Excel导出评分?

Yes. 具有购买行的任何导出(customer_id /参与方、日期、金额)都有效。 仅当必须进行清理时,才进行预清理;标识变体由工具合并。

部署说明

  1. 在Copilot Studio中,创建新的代理并添加客户智能 - Saifs AI 作为 MCP 工具。
  2. 创建新的连接并完成 Saifs AI 登录。
  3. 为销售优先级用例添加代理说明(请参阅入门),使用示例购买文件预览,然后发布。
  4. 在 M365 应用和代理下提交或更新Microsoft认证包时,使实时 MCP 工具表面与本文档保持一致,Copilot产品/服务类型。 MICROSOFT MCP 服务器认证中介绍了包预期(清单、工具定义、intro.md身份验证配置)。

Support

操作

客户 Intelligence-Saifs AI

将客户评分为 A/B/C/D 层,其中包含解释的 CLV 风险。

客户 Intelligence-Saifs AI

将客户评分为 A/B/C/D 层,其中包含解释的 CLV 风险。