Customer Intelligence & Segmentation MCP server
Commit 13 Nov 2026Menganalisis riwayat pembelian pelanggan untuk menentukan tier akun, memprediksi risiko pendapatan, dan menghasilkan daftar panggilan penjualan yang dapat ditindaklanjuti.
Juga dikenal sebagai Saify-Technologies/saifs-ai-mcps-docs, customer-intelligence
- Stars
- 4
- Tools
- 2
- Unduhan, 30 hari
- —
- Versi terbaru
- 1.0.2
- Commit terakhir
- 13 Nov 2026
- Lisensi
- MIT
Apa itu Customer Intelligence & Segmentation MCP?
Customer Intelligence & Segmentation adalah MCP server. Menganalisis riwayat pembelian pelanggan untuk menentukan tier akun, memprediksi risiko pendapatan, dan menghasilkan daftar panggilan penjualan yang dapat ditindaklanjuti. Server ini menyediakan 2 tool, seperti customer_tiering, customer_tiering_get_engine.
Ringkasan dibuat dari README proyek
Tentang Customer Intelligence & Segmentation MCP server
Tim sales dan analis dapat mengubah data transaksi mentah menjadi prioritas penjualan strategis menggunakan remote MCP server ini. Server ini memproses riwayat pembelian pelanggan dari sumber seperti Salesforce, HubSpot, Zoho, atau file CSV dan Excel untuk mengategorikan akun ke dalam tier A, B, C, atau D. Dengan menerapkan model survival BG/NBD dan model spend Gamma-Gamma, sistem ini dapat mengidentifikasi pendapatan yang berisiko serta peluang pertumbuhan potensial.
Pengguna terhubung melalui Streamable HTTP menggunakan autentikasi OAuth 2.1 PKCE, yang akan memicu halaman sign-in pada penggunaan pertama. Untuk dataset yang berisi hingga 500 baris transaksi, tool customer_tiering akan melakukan scoring secara langsung. Untuk dataset yang lebih besar, tool customer_tiering_get_engine akan menyediakan script Python untuk menjalankan analisis secara lokal, guna memastikan data pelanggan yang sensitif tetap berada di mesin Anda dan tidak dikirim ke remote endpoint.
Apa yang bisa Anda lakukan dengannya
- 1Identifikasi target penjualan prioritas tinggiMinta AI untuk menganalisis ekspor penjualan guna menemukan akun tier atas dan menentukan siapa yang perlu dihubungi via telepon minggu ini.
- 2Prediksi kehilangan pendapatanTentukan pelanggan mana yang mulai tidak aktif dan hitung total jumlah pendapatan yang saat ini berisiko hilang.
- 3Analisis logika tiering akunSelidiki alasan spesifik mengapa pelanggan tertentu diberikan tier tertentu.
- 4Proses dataset besar secara privatHasilkan script Python lokal untuk melakukan scoring pada file transaksi yang melebihi batas 500 baris tanpa perlu mengunggahnya.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Cara menginstal Customer Intelligence & Segmentation MCP
Format diverifikasi 10 Nov 2026Tambahkan ke CursorTambahkan ke GooseInstal Customer Intelligence & Segmentation MCP di Claude Code
$ claude mcp add --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcpInstal Customer Intelligence & Segmentation MCP di Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"customer-intelligence": {
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}Instal Customer Intelligence & Segmentation MCP di VS Code
.vscode/mcp.json
{
"servers": {
"customer-intelligence": {
"type": "http",
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp"
}
}
}Instal Customer Intelligence & Segmentation MCP di VS Code CLI
$ code --add-mcp '{"name":"customer-intelligence","type":"http","url":"https://customer-tiering-mcp-latest.saifs.ai/mcp"}'Instal Customer Intelligence & Segmentation MCP di Codex
$ codex mcp add customer-intelligence --url https://customer-tiering-mcp-latest.saifs.ai/mcpInstal Customer Intelligence & Segmentation MCP di Codex config.toml
~/.codex/config.toml
[mcp_servers.customer-intelligence] url = "https://customer-tiering-mcp-latest.saifs.ai/mcp"
Instal Customer Intelligence & Segmentation MCP di Gemini CLI
$ gemini mcp add -s user --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcpInstal Customer Intelligence & Segmentation MCP di Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"customer-intelligence": {
"url": "https://customer-tiering-mcp-latest.saifs.ai/mcp",
"type": "http"
}
}
}Tool Customer Intelligence & Segmentation MCP 2
Terdeteksi dari READMEcustomer_tieringcustomer_tiering_get_engine
| customer_tiering | — | |
| customer_tiering_get_engine | — |
Pengecekan otomatis
Berjalan 13 Nov 2026Laporan lengkap →Belum diverifikasi. Sebuah server memerlukan skor 80, tidak ada temuan serius, dan data yang cukup untuk kami periksa. Cara kerja checks · Yang perlu diperbaiki untuk menambah poin
- Source repository terhubung dan dapat dijangkausaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Lolos
- Nama paket mencantumkan repositori ini sebagai sumbernyaTidak diperiksa
- Provenance build (atestasi Sigstore)Tidak diperiksa
- Lisensi open source (OSI)MITspdx.org/licenses/MIT.html ↗Lolos
- Ada commit atau release dalam satu tahun terakhirLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Lolos
- OpenSSF ScorecardTidak diperiksa
- Nama package tidak mirip dengan package populerTidak diperiksa
- Tidak ada advisory kritis pada paket atau dependensinyaTidak diperiksa
- Tidak ada instruksi tersembunyi untuk model2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersLolos
- Tools yang bersifat destruktif telah diberi labelNo tool named like delete, drop or execLolos
- Endpoint remote merespons handshake MCPHTTPS endpoint answered 401 (sign-in required)Lolos
README
Lihat di 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
Pertanyaan tentang Customer Intelligence & Segmentation MCP
Bagaimana cara menambahkan Customer Intelligence & Segmentation MCP ke Claude Code?
Jalankan claude mcp add --transport http customer-intelligence https://customer-tiering-mcp-latest.saifs.ai/mcp di terminal Anda. Tambahkan --scope user agar tersedia di semua proyek.
Bagaimana cara menambahkan Customer Intelligence & Segmentation MCP ke Cursor?
Buka ~/.cursor/mcp.json dan tambahkan server di bawah mcpServers, menggunakan config Cursor yang ditunjukkan di bagian instalasi di atas.
Tool apa yang disediakan Customer Intelligence & Segmentation MCP?
Server ini menyediakan 2 tool, termasuk customer_tiering, customer_tiering_get_engine.
Format data apa saja yang didukung?
Server ini bekerja dengan CSV, Excel, Tally, Salesforce, HubSpot, Zoho, atau ekspor CRM apa pun yang berisi customer id, tanggal, dan jumlah nominal.
Bagaimana server menangani dataset besar untuk memastikan privasi?
Untuk dataset yang melebihi 500 baris, server menyediakan script Python yang dapat dijalankan secara lokal untuk melakukan scoring sehingga data tidak perlu dikirim ke server.
Tier pelanggan seperti apa yang disediakan?
Sistem ini mengelompokkan buku pelanggan ke dalam tier A, B, C, dan D menggunakan model survival dan spend.