Segmentasi pelanggan dengan AI

Segmentasi pelanggan dengan AI mengelompokkan rekod pelanggan mengikut ciri yang ditetapkan, dengan bantuan model untuk mentafsir teks yang berkaitan. Tetapkan peraturan segmen yang tidak sensitif dahulu, gunakannya pada rekod yang dibekalkan, dan pastikan pelanggan yang maklumatnya kabur atau tidak lengkap jelas ditandakan sebagai belum ditetapkan kepada mana-mana segmen.

Panduan ini menghasilkan jadual keanggotaan segmen yang disemak serta bilangan segmen yang telah diselaraskan. Model boleh mencadangkan tafsiran; peraturan bertulis dan rekod sumber menentukan sama ada tafsiran itu diterima.

Oleh Ai Flowi · Diterbitkan 2026-10-11

contoh konfigurasi, bukan ujian yang direkodkan
didokumenkan dalam katalog; belum diuji dalam persekitaran produksi oleh Ai Flowi

1. Bentuk segmen berdasarkan soalan perniagaan yang berguna

Pilih soalan yang boleh dijawab oleh rekod tersedia, seperti pelanggan yang meminta bantuan persediaan awal atau jenis akaun yang dibekalkan yang memerlukan senarai semakan berbeza. Tetapkan hasil yang jelas: segmen perlu sepadan dengan proses semakan atau kategori kandungan yang diluluskan. Kelompok deskriptif tanpa tujuan yang jelas mungkin tidak memerlukan aliran kerja.

Dalam contoh ini, setiap rekod mendapat satu segmen utama. Tetapkan keutamaan jika beberapa peraturan sepadan, dan tandakan sebagai belum ditetapkan apabila tiada peraturan terpakai atau bukti yang diperlukan tiada. Segmentasi berbilang label juga boleh dipilih sebagai dasar, tetapi bilangannya merujuk kepada keanggotaan segmen, bukannya pelanggan unik; jangan campurkan takrif tersebut dalam satu laporan.

2. Tetapkan medan dan takrif yang dibenarkan

Sediakan salinan data pelanggan pada satu titik masa yang diluluskan untuk segmentasi, ruang kerja, pengecam pelanggan yang stabil dan set peraturan berversi. Hadkan atribut kepada maklumat perniagaan relevan yang tidak sensitif dan dibekalkan untuk tujuan ini. Jangan simpulkan ciri yang dilindungi, kekayaan peribadi atau keadaan peribadi daripada nama, gaya penulisan atau lokasi.

Takrifkan setiap segmen menggunakan medan yang wujud dalam set data. Sertakan pengecam peraturan, nilai yang diterima, pengecualian dan keperluan bukti. Nilai yang tiada perlu dapat dibezakan daripada jawapan negatif. Apabila peraturan bergantung pada keperluan dalam teks bebas, nyatakan ungkapan yang memenuhi syarat serta ungkapan yang terlalu kabur untuk dikelaskan dengan yakin.

Untuk mentafsir nota pelanggan, konfigurasikan akaun penyedia dan kunci API anda melalui rujukan sambungan; penggunaan untuk tafsiran dicaj berasingan oleh penyedia tersebut. Kategori tepat yang sudah ada dalam medan berstruktur boleh ditetapkan melalui peraturan biasa. Rujuk katalog untuk mengesahkan input yang dipilih bagi dasar keanggotaan segmen ini.

3. Sediakan set data segmentasi yang menjadi rujukan utama

Semak salinan data pelanggan yang dimuatkan berdasarkan keperluan keanggotaan segmennya menggunakan prosedur pengesahan JSON.

Untuk dasar segmentasi sintetik yang menetapkan hanya satu segmen bagi setiap pelanggan, takrifkan memerlukan bantuan persediaan dan memerlukan penjelasan skop, dengan penjelasan skop diberi keutamaan. Nota pelanggan yang meminta persediaan sambil bertanya sama ada keperluan tambahan termasuk dalam skop sepadan dengan kedua-dua tujuan. Tetapkan keanggotaan utama kepada penjelasan skop, kekalkan permintaan persediaan sebagai konteks sokongan, dan rekodkan peraturan keutamaan. Pelanggan kedua yang notanya hanya menyebut helo kekal belum ditetapkan. Hasil itu menjawab soalan tentang beban kerja tanpa menganggap teks kabur sebagai bukti kecenderungan membeli.

Selesaikan pengecam pelanggan pendua sebelum mengira. Dua baris untuk pelanggan yang sama mungkin mewakili pemerhatian berasingan, bukannya pelanggan berasingan. Rekodkan dasar penyelarasan dan simpan baris yang dikecualikan dalam senarai pengecualian. Jangan biarkan langkah membuang pendua memilih secara senyap mana-mana pemerhatian yang kebetulan muncul dahulu.

Semak jenis medan sebelum menggunakan peraturan. Kategori rentetan dan nota teks bebas boleh kelihatan serupa dalam jadual tetapi membawa makna berbeza. Asingkan takrif segmen daripada rekod yang diimport, dan tolak pengecam peraturan yang tidak dijangka supaya medan sumber tidak boleh mentakrifkan semula dasar anda secara senyap.

4. Gunakan model hanya untuk teks yang kabur

Tafsiran nota pilihan bermula daripada senarai pelanggan yang disediakan: Data → DataFrame membekalkan Table kepada aMap pada source. Takrifkan lajur cadangan keanggotaan segmen dan bukti melalui penyunting jadual bagi input wajib aMap schema. Language Model yang dikonfigurasi membekalkan pentafsir melalui input aMap model; pengecam pelanggan kekal sebagai sebahagian daripada rekod yang dibekalkan.

Gunakan instructions untuk mengehadkan cadangan kepada istilah peraturan, mewajibkan petikan sokongan dan menandakan bukti yang tidak mencukupi sebagai belum diselesaikan. Kekalkan lajur sumber dengan mengaktifkan append_to_input_columns. Semak medan yang dikembalikan dan identiti pelanggan menggunakan kes keanggotaan segmen sintetik sebelum memasukkan cadangan itu dalam laporan bilangan.

Cadangan model ialah medan tambahan, bukannya pengganti maklumat pelanggan asal. Penyemak mesti mengesahkan bahawa bukti yang dipetik benar-benar menyokong peraturan yang dicadangkan. Jika model menulis semula pengecam pelanggan atau menggugurkan baris, hentikan penyelarasan dan betulkan pemetaan sebelum mengira.

5. Tetapkan keanggotaan segmen menggunakan peraturan yang jelas

Untuk laluan data sahaja, gunakan peraturan segmen bertulis dalam JSON Operations. Untuk laluan berbantu, semak tafsiran yang dicadangkan oleh aMap dahulu, kemudian serahkan senarai rekod yang diterima kepada penilaian peraturan yang sama. Kekalkan versi peraturan yang digunakan, pengecam peraturan yang sepadan, segmen akhir, rujukan bukti dan sebab keanggotaan segmen belum ditetapkan.

Table Operations boleh menyediakan paparan keanggotaan segmen menggunakan "Filter" atau "Select Columns". Bekalkan Table keanggotaan segmen pada df; column_name mengenal pasti medan segmennya. Pilih perbandingan keanggotaan segmen dengan filter_operator, kemudian masukkan nilai segmen yang dicari dalam filter_value. Paparan ini membantu memeriksa penetapan segmen; ia tidak mewujudkan operasi pengagregatan.

Kira bilangan daripada senarai keanggotaan segmen JSON yang menjadi rujukan utama menggunakan pertanyaan JSON Operations yang disemak secara berasingan. Prosedur yang dicadangkan mengelompokkan rekod diterima mengikut segmen akhir dan mengira entri dalam setiap kelompok, termasuk yang belum ditetapkan. Untuk dasar satu segmen ini, jumlah bilangan segmen mesti sama dengan bilangan pelanggan unik yang diterima. Laporkan rekod pendua yang ditolak atau belum diselesaikan secara berasingan daripada penyebut tersebut.

6. Terbitkan laporan segmen yang boleh ditafsir

Output yang dikehendaki mengandungi satu baris keanggotaan segmen bagi setiap pelanggan yang diterima serta ringkasan bilangan segmen dengan takrif populasinya. Tambahkan versi peraturan, skop salinan data, rujukan sumber dan sebab kes belum ditetapkan. Laporan perlu menerangkan keanggotaan segmen, bukannya membentangkan nama segmen sebagai ramalan tanpa penjelasan.

Uji rekod yang sepadan dengan dua peraturan, tidak sepadan dengan mana-mana peraturan, tiada atribut wajib, mengulangi pengecam atau mengandungi arahan dalam nota. Semak bahawa keutamaan dinyatakan dengan jelas, kes belum ditetapkan kekal kelihatan dan penyelarasan bilangan masih sah. Set data kosong perlu menghasilkan senarai keanggotaan segmen kosong tanpa mereka-reka profil khalayak untuk mengisi laporan.

Bezakan semakan peraturan daripada perubahan tingkah laku pelanggan. Jika penjelasan skop menjadi segmen utama di bawah dasar keutamaan baharu, pelanggan boleh bertukar segmen walaupun nota yang dibekalkan tidak berubah. Laporan perbandingan perlu mengenal pasti perubahan dasar itu sebelum menerangkan sebarang perpindahan keanggotaan segmen. Begitu juga, penambahan rekod yang sebelum ini dikecualikan mengubah populasi: selaraskan penyebut baharu dan simpan salinan data terdahulu. Bilangan segmen hanya boleh ditafsir apabila pembaca dapat menentukan sama ada peraturan, liputan sumber atau bukti pelanggan telah berubah.

Bilakah segmentasi pelanggan tidak diperlukan?

Cadangan ini tidak menemui fakta pelanggan baharu, meramalkan pembelian atau menghantar kempen. Ia berbeza daripada pengelasan sentimen kerana segmennya mengikuti peraturan perniagaan yang dinyatakan dan atribut yang dibenarkan. Jika sistem sumber anda sudah menyimpan kategori yang diperlukan, eksport bertapis mungkin mencukupi.

Segmen bukan kebenaran untuk menghubungi seseorang. Anggap penilaian kelayakan prospek dan penyediaan draf susulan prospek sebagai keputusan berasingan dengan kriteria semakan masing-masing. Jalankan semula semakan segmentasi apabila peraturan atau medan sumber berubah; bilangan keanggotaan segmen lama menerangkan salinan data lama.

Peraturan keanggotaan segmen pelanggan dan input pilihan

Penggunaan untuk segmentasi pelanggan dengan AI

Pelan: Go dari USD8/bulan dengan bil tahunan (USD10 bulanan), Plus dari USD16 (USD20 bulanan), Pro 100 dari USD80 (USD100 bulanan), Pro 200 dari USD160 (USD200 bulanan) dan Pro 500 dari USD400 (USD500 bulanan), dengan 5,000 hingga 250,000 Flowi Tokens sebulan dan pilihan tambah nilai; 1 token bagi setiap pelaksanaan nod; penggunaan API dan model pihak ketiga tidak termasuk.

Bacaan berkaitan segmentasi pelanggan dengan AI

• Kes penggunaan yang didokumenkan
• Katalog komponen
• Penilaian kelayakan prospek dengan AI
• Analisis saluran jualan