MCP server de Customer Intelligence & Segmentation
Commit 13 nov 2026Analiza el historial de compras de los clientes para categorizar cuentas por niveles, predecir riesgos de ingresos y generar listas de llamadas de ventas accionables.
También conocido como Saify-Technologies/saifs-ai-mcps-docs, customer-intelligence
- Stars
- 4
- Herramientas
- 2
- Descargas, 30 días
- —
- Última versión
- 1.0.2
- Último commit
- 13 nov 2026
- Licencia
- MIT
¿Qué es Customer Intelligence & Segmentation MCP?
Customer Intelligence & Segmentation es un MCP server. Analiza el historial de compras de los clientes para categorizar cuentas por niveles, predecir riesgos de ingresos y generar listas de llamadas de ventas accionables. Expone 2 herramientas, como customer_tiering, customer_tiering_get_engine.
Resumen generado a partir del README del proyecto
Acerca del MCP server de Customer Intelligence & Segmentation
Los equipos de ventas y analistas pueden transformar datos de transacciones sin procesar en prioridades estratégicas de ventas utilizando este MCP server remoto. Procesa el historial de compras de los clientes desde fuentes como Salesforce, HubSpot, Zoho o archivos CSV y Excel para categorizar las cuentas en niveles A, B, C o D. Al aplicar modelos de supervivencia BG/NBD y modelos de gasto Gamma-Gamma, el sistema identifica ingresos en riesgo y oportunidades potenciales de crecimiento.
Los usuarios se conectan a través de Streamable HTTP utilizando autenticación OAuth 2.1 PKCE, lo que activa una página de inicio de sesión en el primer uso. Para conjuntos de datos que contienen hasta 500 filas de transacciones, la herramienta customer_tiering realiza la calificación directamente. Para conjuntos de datos más grandes, la herramienta customer_tiering_get_engine proporciona un script de Python para ejecutar el análisis localmente, garantizando que los datos sensibles de los clientes permanezcan en tu máquina en lugar de enviarse al endpoint remoto.
Qué puedes hacer con él
- 1Identificar objetivos de ventas de alta prioridadPide a la IA que analice una exportación de ventas para encontrar cuentas de nivel superior y determinar quién necesita una llamada telefónica esta semana.
- 2Predecir la pérdida de ingresosDetermina qué clientes se están volviendo inactivos y calcula el monto total de ingresos que están en riesgo actualmente.
- 3Analizar la lógica de categorización de cuentasInvestiga las razones específicas por las que se asignó un nivel determinado a un cliente en particular.
- 4Procesar grandes conjuntos de datos de forma privadaGenera un script de Python local para calificar archivos de transacciones que superen el límite de 500 filas sin tener que subirlos.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar Customer Intelligence & Segmentation MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar Customer Intelligence & Segmentation MCP en Claude Code
$ claude mcp add --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcpInstalar Customer Intelligence & Segmentation MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"customer-intelligence": {
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}Instalar Customer Intelligence & Segmentation MCP en VS Code
.vscode/mcp.json
{
"servers": {
"customer-intelligence": {
"type": "http",
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}Instalar Customer Intelligence & Segmentation MCP en VS Code CLI
$ code --add-mcp '{"name":"customer-intelligence","type":"http","url":"https://customer-tiering-mcp-latest.saifs.ai/mcp"}'Instalar Customer Intelligence & Segmentation MCP en Codex
$ codex mcp add customer-intelligence --url https://customer-tiering-mcp-latest.saifs.ai/mcpInstalar Customer Intelligence & Segmentation MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.customer-intelligence] url = "https://customer-tiering-mcp-latest.saifs.ai/mcp"
Instalar Customer Intelligence & Segmentation MCP en Gemini CLI
$ gemini mcp add -s user --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcpInstalar Customer Intelligence & Segmentation MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"customer-intelligence": {
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp",
"type": "http"
}
}
}Herramientas de Customer Intelligence & Segmentation MCP 2
Detectado desde el READMEcustomer_tieringcustomer_tiering_get_engine
| customer_tiering | — | |
| customer_tiering_get_engine | — |
Verificaciones automáticas
Ejecutado 13 nov 2026Informe completo →Aún no verificado. Un servidor necesita una puntuación de 80, ningún hallazgo grave y suficientes datos para que podamos revisarlo. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesiblesaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Aprobado
- El paquete indica este repositorio como su origenNo verificado
- Procedencia de la compilación (atestación de Sigstore)No verificado
- Licencia de código abierto (OSI)MITspdx.org/licenses/MIT.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo verificado
- No hay avisos críticos en el paquete ni en sus dependenciasNo verificado
- Sin instrucciones ocultas para el modelo2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo tool named like delete, drop or execAprobado
- El endpoint remoto responde al handshake de MCPHTTPS endpoint answered 401 (sign-in required)Aprobado
README
Ver en GitHubCustomer 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
Preguntas sobre Customer Intelligence & Segmentation MCP
¿Cómo agrego Customer Intelligence & Segmentation MCP a Claude Code?
Ejecuta claude mcp add --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcp en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego Customer Intelligence & Segmentation MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Qué herramientas proporciona Customer Intelligence & Segmentation MCP?
Expone 2 herramientas, incluidas customer_tiering, customer_tiering_get_engine.
¿Qué formatos de datos son compatibles?
El servidor funciona con CSV, Excel, Tally, Salesforce, HubSpot, Zoho o cualquier exportación de CRM que contenga un ID de cliente, una fecha y un monto.
¿Cómo gestiona el servidor los conjuntos de datos grandes para garantizar la privacidad?
Para conjuntos de datos que superan las 500 filas, el servidor proporciona un script de Python ejecutable para calificar el archivo localmente, de modo que los datos no lleguen al servidor.
¿Qué tipo de niveles de clientes se proporcionan?
Clasifica las carteras de clientes en niveles A, B, C y D utilizando modelos de supervivencia y de gasto.