Cette page a été traduite à l'aide d'outils d'intelligence artificielle et peut contenir des erreurs. Pour les informations les plus précises et à jour, veuillez consulter la
version anglaise originale.
Le générateur de prédictions de champs Zia est une boîte à outils destinée aux administrateurs CRM pour créer des prédictions personnalisées dans leur entreprise. Ce générateur simple et intuitif peut rapidement prédire les résultats probables pour les modules standard et personnalisés.
Que pouvez-vous prédire ?
Vous pouvez utiliser le générateur de prédictions Zia pour prévoir la croissance par an, les coûts, les taxes, les dépenses de salaires, la probabilité de remporter ou de perdre une transaction, la probabilité qu'un utilisateur achète un produit, et bien d'autres choses.
Il existe deux types de permissions pour le générateur de prédictions : Gérer la configuration et Afficher les résultats. Ces permissions peuvent être activées pour d'autres utilisateurs par les administrateurs CRM.
- Gérer la configuration : seuls les utilisateurs dont le profil dispose de la permission de gestion de la configuration peuvent créer, modifier, afficher, activer, désactiver ou supprimer une règle.
- Afficher les résultats : les utilisateurs disposant de cette permission ne peuvent que consulter les résultats des prédictions.
Remarque :
Par défaut, l'affichage des résultats sera activé pour les profils lorsque la permission de prédiction est activée. La gestion de la configuration doit être activée manuellement.
Pour activer la permission de profil
- Cliquez sur Configuration[
] dans le coin supérieur droit de l'écran.
- Cliquez sur Contrôle de sécurité dans la barre latérale gauche et sélectionnez Profils en dessous.
- Accédez à Permissions de configuration > cliquez sur Zia > activez Prédiction.
- Cochez Gérer la configuration ou Afficher les résultats.
Scénario métier
Prédiction de la probabilité d'achat d'une assurance : Zylker propose des solutions d'assurance à des prix compétitifs aux clients locaux et internationaux. Sa base de clients est composée de petites et moyennes entreprises de différents secteurs. Comme les besoins de chaque client sont différents, les représentants de Zylker sont encouragés à avoir des discussions en face à face, à visiter les bureaux des clients, à partager de nouvelles polices et formules, et à mener des sondages pour mieux comprendre leurs besoins. Pour que l'entreprise atteigne son potentiel, elle souhaite être capable de prédire :
- Les différents types d'assurance qu'un client particulier est susceptible d'acheter
- La probabilité qu'une police d'assurance particulière soit achetée par un client spécifique
- Le revenu moyen généré par différents clients en fonction du type d'assurance qu'ils achètent
- Toute variation de la croissance d'une année sur l'autre
Ces prédictions peuvent les aider à faire de meilleures offres à leurs clients, à modifier les stratégies commerciales et marketing existantes, et à affiner les processus actuels pour augmenter le rendement global.
Prédiction de la probabilité de conversion de lead et de remporter une transaction :L'équipe commerciale souhaite estimer le nombre de produits nouvellement lancés qui seront vendus d'ici la fin du trimestre. Avant de décider du budget marketing pour le produit, elle souhaite connaître la probabilité d'achat. Elle souhaite prédire :
- Le nombre de leads qui seront convertis.
- Le nombre de transactions qui seront fermées remportées ou fermées perdues.
- Le délai approximatif de clôture de la transaction.

Spécifications de Zia Prediction Builder
Types de données pris en charge
Avant de commencer à créer un modèle de prédiction, vous devez spécifier exactement ce que vous souhaitez prédire. C'est important pour déterminer si Zia peut vous aider ou non. Voici la liste des types de données pris en charge par le générateur de prédictions Zia :
- Date/heure
- Date
- Pourcentage
- Décimal
- Nombre
- Devise
- Booléen / Case à cocher
- Liste déroulante simple
Si vos données ne sont pas dans l'un des formats ci-dessus, Zia ne pourra pas faire de prédiction. Vous devrez peut-être ajouter un champ personnalisé pour stocker vos données dans le bon format.
Modules pris en charge
Le générateur de prédictions est pris en charge dans les modules standard et personnalisés.
Limite de données
L'algorithme de prédiction ne fonctionne que si vous disposez d'au moins 200 enregistrements qui correspondent aux critères que vous avez utilisés pour entraîner Zia.
Points à considérer
- Utilisez un nom unique pour chaque prédiction afin de faciliter l'identification. Le nom que vous choisissez sera utilisé comme étiquette de champ pour représenter le résultat de la prédiction dans le module. Le nom de la configuration ne peut pas être modifié une fois la prédiction enregistrée.
- Si vous prédisez des données pour un champ de liste déroulante, chaque valeur doit avoir au moins 75 enregistrements pour que le modèle de prédiction fonctionne correctement. Si l'une des valeurs de la liste déroulante a plus d'enregistrements que les autres, il y a des risques d'obtenir un résultat biaisé car les données seront orientées vers un type de valeur. Zia peut faire des prédictions pour un maximum de 10 valeurs de liste déroulante.
- Si tous les enregistrements existants ont la même valeur pour un champ de nombre, Zia ne pourra pas faire de prédictions. Par exemple, si un champ personnalisé « nombre d'enfants » a 2 comme valeur pour la plupart des enregistrements, Zia n'aura pas de données pour faire des comparaisons et ne pourra pas faire de prédiction.
- Si vous faites une prédiction basée sur le temps, Zia considérera les champs comme l'heure de création comme des points de référence pour calculer les futurs points temporels.
- Les prédictions ne peuvent pas être faites pour les champs générés par intégration. Ces champs seront cependant considérés comme des facteurs contributifs pour les prédictions.
- Zia prendra 24 heures à partir du moment de la configuration pour faire des prédictions. Le planificateur suivra le fuseau horaire de l'organisation.
- Le modèle sera réentraîné une fois tous les quinze jours.
Quand utiliser quel type de champ
Vous pouvez planifier et modifier (si nécessaire) vos types de données dans CRM en fonction des informations que vous souhaitez pouvoir prédire :
- Si vous souhaitez prédire le salaire, la croissance attendue ou le revenu, le nombre de transactions clôturées par un représentant ou le montant d'une réclamation d'assurance, vous devrez avoir ces données dans des champs numériques ou de devise.
- Si vous souhaitez prédire si un client achètera un produit, la probabilité de remporter une transaction, ou si un abonnement sera renouvelé, les données devront être dans une liste déroulante champ.
- Si vous souhaitez effectuer des prédictions basées sur le temps, par exemple pour prévoir la date de clôture d'une transaction, la livraison d'un produit ou le mois probable de dépôt d'une réclamation d'assurance, les données devront être au format date/heure champ.
- Si vous souhaitez prédire la probabilité de données binaires vrai/faux ou oui/non (ces valeurs peuvent se trouver dans des champs de liste de sélection ou de case à cocher), le résultat de la prédiction sera exprimé sous la forme d'un pourcentage allant de 0 à 100.
Où pouvez-vous voir le résultat de la prédiction ?

Le résultat de la prédiction s'affichera dans un champ personnalisé qui sera créé automatiquement dans l'enregistrement dès que vous configurerez une prédiction. Le nom du champ sera identique au nom de la prédiction. Il est donc recommandé d'utiliser des noms uniques qui se rapportent à la valeur prédite et sont facilement compréhensibles au sein de votre organisation.
Dans l'image ci-dessus, vous pouvez voir que
- Le résultat prédit est Santé (pour le Assurance type champ)
- Il y a 80 % de chances que la prédiction soit exacte, et la tendance est à la hausse.
- Les Antécédents d'hospitalisation et Autre assurance médicale champs doivent être remplis pour améliorer la qualité de la prédiction.
Lorsque vous cliquez sur En savoir plus, vous pouvez voir la liste des champs qui contribuent positivement et négativement à cette prédiction.
Remarque
Par défaut, le terme « prédiction » sera ajouté au champ personnalisé. Nous vous recommandons donc de ne pas inclure le terme « prédiction » dans le nom de la prédiction.
Concevoir le modèle de prédiction
Une fois que vous avez décidé ce que vous souhaitez prédire, le champ qui représente la valeur et le module qui contient le champ, vous êtes prêt à construire le modèle de prédiction.
Composants du générateur de prédiction
Le générateur de prédiction Zia comprend les composants suivants :
- Nom de la prédiction : Entrez un nom unique pour le générateur de prédiction afin de l'identifier facilement au sein de votre organisation. Le nom que vous entrez ici sera utilisé comme libellé de champ pour les résultats de la prédiction.
- Module source : Choisissez le module qui contient le champ que vous souhaitez prédire. Il peut s'agir d'un module standard ou personnalisé.
- Que souhaitez-vous prédire ? Sélectionnez le champ contenant les informations pertinentes pour la prédiction que vous souhaitez que Zia effectue. Si Zylker souhaite prédire la probabilité que des assurances maladie soient achetées par des entreprises informatiques, il sélectionnera le champ de liste de sélection appelé « Type d'assurance ».
- Sélectionner la valeur source manuellement : Ce champ s'affichera uniquement si un champ de liste de sélection est sélectionné pour la prédiction. Vous pouvez le basculer si vous souhaitez que Zia ne prédise un résultat que pour les valeurs sélectionnées. Si Zylker souhaite prédire la probabilité que des assurances maladie aient été achetées, nous sélectionnons la valeur de liste de sélection « Santé ».
Vous pouvez sélectionner plusieurs valeurs de liste de sélection dans une valeur source, par exemple « santé » et « accident personnel ». Dans ce cas, Zia créera une prédiction pour les valeurs sélectionnées.

-
Définir les valeurs négatives : Les valeurs qui ne sont pas liées aux données que vous souhaitez prédire sont les valeurs négatives. En définissant ces valeurs, vous établissez une limite pour les données pertinentes pour Zia. Dans notre exemple, vous pourriez sélectionner l'assurance « automobile » comme valeur négative.
L'option permettant de sélectionner une valeur négative s'affichera uniquement si vous avez sélectionné une valeur dans le champ source. Si vous sélectionnez au moins deux valeurs dans le champ source, Zia ne vous invitera pas à définir une valeur négative.
-
Quels enregistrements Zia doit-il considérer comme données d'apprentissage : Si vous souhaitez prédire un champ de liste de sélection, il n'est pas obligatoire de définir des données d'apprentissage. Par défaut, Zia prendra en compte tous les enregistrements existants pour effectuer une prédiction. Vous devriez avoir au moins 200 enregistrements contenant des données liées à ce que vous souhaitez prédire. Cependant, vous pouvez distinguer les enregistrements ayant les bonnes valeurs en les sélectionnant spécifiquement.
Par exemple, si les antécédents médicaux familiaux, le revenu annuel, une autre assurance médicale, l'état civil ou l'âge ont des valeurs qui aideront Zia à effectuer la prédiction, vous pouvez sélectionner ces champs comme données d'apprentissage.
Remarque
Il est obligatoire de sélectionner des données d'apprentissage pour les champs numériques, date/heure et booléens.
Créer un modèle de prédiction
Vous pouvez construire un modèle de prédiction pour les modules standard et personnalisés.
Pour créer un modèle de prédiction
- Accédez à Configuration [
] dans le coin supérieur droit de votre écran.
- Cliquez sur Zia dans la barre latérale gauche et sélectionnez Prédiction sous celle-ci.
- Sous l'onglet Prédiction de champ, cliquez sur Nouvelle prédiction. Si vous n'avez jamais créé de prédiction auparavant, cliquez sur Commencer.
- Entrez le Nom de la prédiction [par exemple, Opter pour une assurance maladie] et sélectionnez un module dans la liste déroulante [par exemple, Assurances].
- Dans Que souhaitez-vous prédire ?, sélectionnez le champ approprié dans la liste déroulante.
- Basculez Sélectionner la valeur source manuellement pour spécifier les champs.
- Choisissez le(s) champ(s) [Health].
Uniquement si vous sélectionnez un champ de liste de sélection pour la prédiction et que vous choisissez une seule valeur source, vous devez également mentionner la valeur négative. [Automobile].
- Cliquez sur Tous les enregistrements [Insurances] ou Enregistrements spécifiques [Industry is IT] dans la liste déroulante.
- Dans Quels enregistrements Zia doit-elle utiliser pour l'apprentissage ?, sélectionnez les champs et les valeurs à utiliser pour la prédiction [situation matrimoniale, antécédents médicaux familiaux, revenus, etc.].
- Cliquez sur Enregistrer.
- Dans la fenêtre contextuelle Attention de création de champ personnalisé, cliquez sur Oui, créer.
Page des détails de la prédiction
La page des détails de la prédiction affiche le résumé de la configuration. Elle vous aide à comprendre les performances du modèle et vous offre un aperçu du score d'apprentissage de Zia ainsi que d'autres détails relatifs à la configuration.
Les détails de la prédiction affichés sont :
- Résumé
- Champ personnalisé
- Précision du modèle
- Précision de la prédiction
- Facteurs contributifs
- Informations supplémentaires
- En attente de données
Résumé
Affiche les détails de configuration suivants :
- le module pour lequel la prédiction est configurée.
- le champ qui est prédit.
- les enregistrements qui seront prédits. Si la prédiction est configurée pour des enregistrements spécifiques, les critères seront affichés.
Par exemple, l'image ci-dessous montre que le statut du prospect sera prédit uniquement pour les enregistrements créés entre juillet et octobre.
Champ personnalisé
Le champ défini par le système créé lors de la configuration d'une prédiction s'affichera. Ce champ est créé pour afficher le statut de la prédiction et le score pour chaque enregistrement. Vous pouvez voir le nom du champ et la disposition dans laquelle il est créé.
Précision du modèle
L'ancien composant Score du modèle d'apprentissage a été renommé en Précision du modèle.
La précision de l'apprentissage de Zia est mesurée sous la forme d'un score. Ce score est généré en fonction des données présentes dans les enregistrements pour lesquels la prédiction a été configurée. Plus le score est élevé, meilleure est la précision de la prédiction.
L'apprentissage de Zia est un processus continu qui se produit automatiquement tous les quinze jours. Le système apprend et ajuste le score en fonction des données actuelles. Autrement dit, si un enregistrement est mis à jour, Zia en tiendra compte pour en apprendre davantage et fournir la prédiction la plus précise.
La date à venir de la mise à jour de Zia s'affiche toujours avec le score actuel.
Le score varie de 0 à 100 et représente :
- Moins de 50 : Prédiction faible.
- 51 – 80 : Prédiction modérée.
- 81 - 100 : Prédiction excellente.
De plus, vous pouvez également effectuer les activités suivantes pour analyser le modèle d'apprentissage.
- Afficher l'historique des versions
- Comparer les précisions du modèle
Afficher et comparer les versions du modèle
Zia affichera jusqu'à cinq versions de sa précision de modèle pour indiquer l'évolution de vos données. Elle affiche la date, la précision du modèle à cette version, ainsi que les facteurs inclus et exclus par Zia lors de l'apprentissage de la configuration de prédiction.
Remarque :
- Les facteurs inclus et exclus lors de l'apprentissage sont définis par Zia dans la version correspondante et un utilisateur ne peut pas les modifier. Cependant, vous pouvez modérer ces facteurs contributifs et cela se reflétera dans le prochain calendrier d'apprentissage.
- Les journaux de date indiquent le calendrier de réentraînement par lequel passe votre règle de prédiction.
De plus, pour évaluer l'efficacité de l'apprentissage de Zia, vous pouvez également comparer jusqu'à trois versions avec la configuration créée.
Précision de la prédiction
La précision de la prédiction est un score auto-évalué que Zia affiche pour indiquer la fiabilité des prédictions affichées. Elle affiche le nombre d'enregistrements qu'elle a prédits et le nombre de ces prédictions qui ont été réussies. Cependant, pour obtenir un rapport complet sur la prédiction, vous pouvez afficher plus de détails qui vous amènent à l'analyse de prédiction. Voir aussi : Analyse de prédiction dans Zoho CRM
Facteurs contributifs
Les champs qui influencent la prédiction sont les champs contributifs. Ces champs sont identifiés par le système de façon autonome. Un utilisateur ne peut pas modifier les champs qui s'affichent ici. Fondamentalement, ces champs affichent les données prises en considération par Zia pour prédire. Par exemple, pour prédire le statut du prospect, Zia peut avoir utilisé les champs suivants : source du prospect, nombre d'employés, secteur d'activité et chiffre d'affaires annuel.
Cette section vous aide à comprendre ce qui influence la prédiction de Zia. Si nécessaire, vous pouvez examiner ces champs et valeurs et apporter des modifications selon vos besoins pour voir si la prédiction diffère.
Informations supplémentaires
Cette section fournit une représentation graphique des données qu'il est le plus probable que Zia prédise. Par exemple, si l'assurance maladie est le type d'assurance préféré de votre entreprise, la probabilité que les nouveaux candidats choisissent l'assurance maladie est plus élevée qu'avec d'autres types d'assurance.
En attente de données
Cette section s'affichera uniquement lorsque Zia n'est pas en mesure de prédire en raison d'enregistrements insuffisants (Zia a besoin d'un minimum de 200 enregistrements pour prédire). Elle affiche le nombre d'enregistrements disponibles pour que Zia apprenne. Dans l'image suivante, Zia est configurée pour prédire le chiffre d'affaires prévu pour le module Deals. La section En attente de données montre qu'il y a actuellement 0 enregistrement, par conséquent la prédiction ne peut pas être effectuée.
L'utilisateur recevra également une notification dans le panneau Notifications Zia indiquant que Zia n'a pas pu prédire le résultat en raison d'enregistrements insuffisants.