Customer Intelligence & Segmentation MCP server
Commit 13. Nov. 2026Analysiert die Kaufhistorie von Kunden, um Accounts in Tiers einzuteilen, Umsatzrisiken vorherzusagen und handlungsrelevante Sales-Call-Listen zu erstellen.
Auch bekannt als Saify-Technologies/saifs-ai-mcps-docs, customer-intelligence
- Stars
- 4
- Tools
- 2
- Downloads, 30 Tage
- —
- Neueste Version
- 1.0.2
- Letzter Commit
- 13. Nov. 2026
- Lizenz
- MIT
Was ist Customer Intelligence & Segmentation MCP?
Customer Intelligence & Segmentation ist ein MCP server. Analysiert die Kaufhistorie von Kunden, um Accounts in Tiers einzuteilen, Umsatzrisiken vorherzusagen und handlungsrelevante Sales-Call-Listen zu erstellen. Er stellt 2 Tools bereit, etwa customer_tiering, customer_tiering_get_engine.
Zusammenfassung generiert aus dem README des Projekts
Über Customer Intelligence & Segmentation MCP server
Sales-Teams und Analysten können mit diesem Remote MCP server Rohdaten aus Transaktionen in strategische Sales-Prioritäten umwandeln. Er verarbeitet die Kaufhistorie von Kunden aus Quellen wie Salesforce, HubSpot, Zoho oder aus CSV- und Excel-Dateien, um Accounts in die Tiers A, B, C oder D zu kategorisieren. Durch die Anwendung von BG/NBD Survival- und Gamma-Gamma Spend-Modellen identifiziert das System Umsatzrisiken und potenzielle Wachstumschancen.
Nutzer verbinden sich via Streamable HTTP unter Verwendung von OAuth 2.1 PKCE Authentifizierung, was beim ersten Gebrauch eine Sign-in-Seite aufruft. Bei Datensätzen mit bis zu 500 Transaktionszeilen führt das customer_tiering Tool das Scoring direkt durch. Für größere Datensätze stellt das customer_tiering_get_engine Tool ein Python-Script bereit, um die Analyse lokal auszuführen. So wird sichergestellt, dass sensible Kundendaten auf deinem Rechner bleiben und nicht an den Remote-Endpoint gesendet werden.
Was du damit machen kannst
- 1High-Priority Sales Targets identifizierenBitte die KI, einen Sales-Export zu analysieren, um Top-Tier-Accounts zu finden und zu bestimmen, wer diese Woche einen Telefonanruf benötigt.
- 2Umsatzverlust vorhersagenErmittle, welche Kunden inaktiv werden, und berechne den gesamten Umsatzbetrag, der aktuell gefährdet ist.
- 3Account-Tiering-Logik analysierenUntersuche die spezifischen Gründe, warum einem bestimmten Kunden ein bestimmtes Tier zugewiesen wurde.
- 4Große Datensätze privat verarbeitenGeneriere ein lokales Python-Script, um Transaktionsdateien, die das Limit von 500 Zeilen überschreiten, zu bewerten, ohne sie hochzuladen.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
So installierst du Customer Intelligence & Segmentation MCP
Formate geprüft am 10. Nov. 2026Zu Cursor hinzufügenZu Goose hinzufügenCustomer Intelligence & Segmentation MCP in Claude Code installieren
$ claude mcp add --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcpCustomer Intelligence & Segmentation MCP in Cursor installieren
~/.cursor/mcp.json
{
"mcpServers": {
"customer-intelligence": {
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}Customer Intelligence & Segmentation MCP in VS Code installieren
.vscode/mcp.json
{
"servers": {
"customer-intelligence": {
"type": "http",
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}Customer Intelligence & Segmentation MCP in VS Code CLI installieren
$ code --add-mcp '{"name":"customer-intelligence","type":"http","url":"https://customer-tiering-mcp-latest.saifs.ai/mcp"}'Customer Intelligence & Segmentation MCP in Codex installieren
$ codex mcp add customer-intelligence --url https://customer-tiering-mcp-latest.saifs.ai/mcpCustomer Intelligence & Segmentation MCP in Codex config.toml installieren
~/.codex/config.toml
[mcp_servers.customer-intelligence] url = "https://customer-tiering-mcp-latest.saifs.ai/mcp"
Customer Intelligence & Segmentation MCP in Gemini CLI installieren
$ gemini mcp add -s user --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcpCustomer Intelligence & Segmentation MCP in Gemini settings.json installieren
~/.gemini/settings.json
{
"mcpServers": {
"customer-intelligence": {
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp",
"type": "http"
}
}
}Customer Intelligence & Segmentation MCP tools 2
Erkannt aus dem READMEcustomer_tieringcustomer_tiering_get_engine
| customer_tiering | — | |
| customer_tiering_get_engine | — |
Automatisierte Checks
Geluften am 13. Nov. 2026Vollständiger Bericht →Noch nicht verifiziert. Ein Server benötigt einen Score von 80, keine kritischen Befunde und genug Daten für unsere Prüfung. Wie die Checks funktionieren · Was du für mehr Punkte verbessern kannst
- Source Repository verknüpft und erreichbarsaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Bestanden
- Paket nennt dieses Repository als QuelleNicht geprüft
- Build-Provenienz (Sigstore-Attestierung)Nicht geprüft
- Open Source Lizenz (OSI)MITspdx.org/licenses/MIT.html ↗Bestanden
- Commit oder Release im letzten JahrLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Bestanden
- OpenSSF ScorecardNicht geprüft
- Package-Name ähnelt keinem populären PackageNicht geprüft
- Keine kritischen Advisories im Paket oder seinen AbhängigkeitenNicht geprüft
- Keine versteckten Anweisungen an das Modell2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersBestanden
- Destruktive Tools sind markiertNo tool named like delete, drop or execBestanden
- Remote-Endpoint beantwortet den MCP-HandshakeHTTPS endpoint answered 401 (sign-in required)Bestanden
README
Auf GitHub ansehenCustomer Intelligence & Segmentation
Ranks a customer book into A/B/C/D tiers from purchase history, flags accounts that are slipping or ready to grow, estimates revenue at risk and upside, and builds a short SAVE / GROW / VERIFY call list for sales reps. Works from CSV, Excel, Tally, Salesforce, HubSpot, Zoho or any CRM export with a customer id, a date and an amount.
| Registry name | ai.saifs/customer-intelligence |
| Endpoint | https://customer-tiering-mcp-latest.saifs.ai/mcp |
| Transport | Streamable HTTP (remote, nothing to install) |
| Auth | OAuth 2.1 — PKCE (S256) and dynamic client registration; your client opens a sign-in page on first use |
| Publisher | SAIFS AI |
Install
VS Code / GitHub Copilot
Add to .vscode/mcp.json (workspace) or your user mcp.json:
{
"servers": {
"saifs-customer-intelligence": {
"type": "http",
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}
Then start the server from the MCP view and sign in when prompted.
Claude (claude.ai, Desktop)
Settings → Connectors → Add custom connector, and paste:
https://customer-tiering-mcp-latest.saifs.ai/mcp
Claude Code
claude mcp add --transport http saifs-customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcp
Any other MCP client
Point it at https://customer-tiering-mcp-latest.saifs.ai/mcp using the Streamable HTTP transport. The server returns 401 with a
WWW-Authenticate: Bearer … resource_metadata=… challenge, so OAuth-aware clients sign in automatically.
Tools
| Tool | What it does |
|---|---|
customer_tiering |
Scores a customer book of up to 500 transaction rows into A/B/C/D tiers (BG/NBD survival model, Gamma-Gamma spend model, tier migration, money layer) and returns decision cards and a per-customer ledger. Cleans customer-name variants before scoring. |
customer_tiering_get_engine |
For books over 500 rows: returns a runnable Python script that scores the file locally, so customer data never reaches the server. |
Example prompts
- “Here's our sales export. Who are our A accounts, and who should we call this week?”
- “Which customers are going quiet and how much revenue is at risk?”
- “Why is customer ACME-104 a C account?”
Support
- Website: https://saifs.ai
- Issues: https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
- Privacy: https://saifs.ai/privacy_policy
Customer Intelligence & Segmentation MCP Fragen
Wie füge ich Customer Intelligence & Segmentation MCP zu Claude Code hinzu?
Führe claude mcp add --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcp in deinem Terminal aus. Füge --scope user hinzu, damit der Server in jedem Projekt verfügbar ist.
Wie füge ich Customer Intelligence & Segmentation MCP zu Cursor hinzu?
Öffne ~/.cursor/mcp.json und füge den Server unter mcpServers hinzu, mit der Cursor-Config aus dem Installationsabschnitt oben.
Welche Tools bietet Customer Intelligence & Segmentation MCP?
Er stellt 2 Tools bereit, darunter customer_tiering, customer_tiering_get_engine.
Welche Datenformate werden unterstützt?
Der Server arbeitet mit CSV, Excel, Tally, Salesforce, HubSpot, Zoho oder jedem CRM-Export, der eine Kunden-ID, ein Datum und einen Betrag enthält.
Wie geht der Server mit großen Datensätzen um, um die Privatsphäre zu gewährleisten?
Bei Datensätzen mit mehr als 500 Zeilen stellt der Server ein ausführbares Python-Script bereit, um die Datei lokal zu bewerten, sodass keine Daten an den Server gesendet werden.
Welche Arten von Kunden-Tiers werden bereitgestellt?
Es ordnet Kundenbüchern mithilfe von Survival- und Spend-Modellen die Tiers A, B, C und D zu.