Salesforce Einstein: 四半期ごとの売上予測、ケースルーティング、レコードでのコード不要の予測

四半期ごとの売上予測スケジュールで Einstein 売上予測を使用します。Einstein ケース分類によって、予測項目値を自動的にケースに保存します。コーディングなしで、選択した Salesforce 項目に Einstein Discovery 予測スコアを自動的に書き込みます。

次に、Salesforce が世界で最もスマートな CRM になることに寄与している Einstein 機能のリストを示します。

Salesforce 全体

パーソナライズされた検索結果を使用した生産性の向上 (ベータ)

Salesforce での作業の進め方に合わせて検索結果を調整することですばやく検索できるようにするために、検索のパーソナライズが実装されました。地理的な場所、業界、状況、製品エリア、人を含めて、最も重要な項目に基づいた検索結果によって、目的の結果がすばやく見つかります。

拡張されたインスタント結果を使用した検索ボックスの活用 (ベータ)

拡張されたインスタント結果により、グローバル検索ボックスが生産性の大幅に向上したハブになります。検索ボックス内をクリックすれば、レコードプレビュー、ページレベルのレコードアクション、関連リストのクイックリンク、推奨検索にすばやくアクセスできます。

対話形式の検索での適切な検索条件をすべて使用したインスタントレポートの作成 (ベータ)

レポートが見つからない場合やレポートを作成している時間がない場合は、対話形式の検索を使用すれば、検索語をレコード検索条件に変えることで、重要なデータにすばやくアクセスできます。対話を開始するときと同じように、検索語を入力するだけです。たとえば、「my closed cases this month (今月クローズしたケース)」と入力すると、状況がクローズになっている最近のケースのリストが表示されます。

おすすめの結果を使用した適切なレコードの高速検索 (ベータ)

おすすめの結果により、探している内容が明らかである場合には適切なレコードがすばやく見つかります。これはまるで、空港の手荷物回転台の多くの荷物の中で自分の荷物を目立たせるために紫色の縞模様にするようなものです。

プロファイル固有の検索結果レイアウトを使用したプロファイルの強化 (ベータ)

検索結果には最も重要なものが表示される必要があります。営業担当の場合、取引先所有者と業種を知ることが不可欠です。サービス担当の場合、取引先のサポートレベルが重要な情報です。プロファイル固有のレイアウトを使用すると、組織内の一意のプロファイルごとにオブジェクトの検索結果レイアウトを微調整できます。プロファイル固有のレイアウトは、カスタマイズ可能なレイアウトがあるオブジェクトでのみサポートされます。プロファイル固有のレイアウトが割り当てられていないユーザには、デフォルトの検索結果レイアウトが表示されます。

セールス

Einstein 売上予測: 四半期別売上予測のサポート (正式リリース)

四半期別売上予測スケジュールを使用する場合、Einstein の機能を使用して売上予測の精度を高めたり、結果を予測したり、営業チームの進捗状況を追跡したりできるようになりました。

Einstein リードスコアリング: スコアリングするリードの制御

営業チームが必要としているのは、一部のリードのみのリードスコアですか? 特定の値のリード項目を持つリードのみをスコアリングするように Einstein に指示できます。たとえば、営業チームが通信業界のリードのみをスコアリングする必要がある場合に、そのリードのみを含めるように Einstein に指示します。

Einstein 自動取引先責任者: アクセス権のある取引先責任者データのみの表示

取引先責任者の役割の提案に、取引先責任者オブジェクトから項目レベルセキュリティが反映されるようになりました。メール、役職、電話などの取引先責任者項目へのアクセス権がない営業担当には、Einstein コンポーネントまたはリストビューでこれらの項目が表示されなくなります。また、アクセス権のない取引先責任者レコードの取引先責任者項目値も表示されません。さらに、取引先責任者の役割の提案に関する詳細ページを表示する場合、取引先責任者項目は表示されません。取引先責任者項目を表示するには、取引先責任者レコードに移動します。

Einstein 活動キャプチャ: キャプチャおよび同期対象の決定

誰のメールデータをキャプチャするかをより詳細に制御します。[除外アドレス] リストを使用して、データが同期されないようにします。さらに、営業担当は一連の行動を同期できます。

標準レポートへの商談スコアの追加

標準レポートを使用して、商談スコアに基づいて商談を分析します。これまでは、カスタムレポートタイプでしか商談スコアを使用できませんでした。

商談カスタムレポートタイプへのモデル要素の追加

何が商談スコアを促進しているのかを明確に把握しましょう。商談スコアリングモデルの作成に使用されている要素をカスタムレポートタイプで使用できるようになりました。

SOAP API を使用した商談スコアリングモデルに関する情報へのアクセス

Einstein 商談スコアリングに 2 つの新規オブジェクトが導入されました。SalesAIScoreCycle オブジェクトと SalesAIScoreModelFactors オブジェクトを使用して、商談スコアとその要素に関する情報を取得します。

サービス

ボットチャットの自動終了

自動でクリーンアップを行うボットを作成します。ボットが会話の自然な終了を感知して訪問者に代わってセッションを自動的に閉じるのに役立つ条件を、[チャットを終了する] ルールアクションを使用して追加します。

エージェントの対応可能状況の確認によるボットの引き継ぎの改善

ボットとエージェントの連携が改善されます。転送前にエージェントの対応可能状況を確認することで転送をさらにスマートにしました。転送の状況について顧客に知らせるためのカスタムメッセージを定義します。

ボットの設定に関するヘルプのカルーセルを使用したスキルの向上

[設定] 画面でカルーセルを使用して、最も役立つ Einstein ボットコンテンツをすぐに取得します。ボットレシピ、トラブルシューティングのヒント、ベストプラクティスにアクセスします。

Analytics

コードを記述せずに予測を Salesforce レコードにリリース (正式リリース)

コードを使用せずに、選択した Salesforce 項目に予測スコアを自動的に書き込むことができます。プロセスビルダーや管理パッケージをトリガに関連付けることなく予測を容易に統合します。

2 つの異なるモデルから最適な予測の取得 (パイロット)

以前は、結果を予測するのに、Einstein Discovery は回帰モデルに依存していましたが、勾配ブースティング Einstein Discovery に学習アルゴリズムと呼ばれる予測最適化アプローチに基づく 2 番目のモデル種別が追加されるようになりました。ストーリーを作成するときに、Einstein Discovery は両種別のモデルを使用して予測を生成し、パフォーマンスがより優れたモデルの結果を表示します。両方のアプローチから最も優れた結果を取得します。

リリース済みモデルの精度のリアルタイムでの監視 (正式リリース)

予測結果と実際の結果を視覚的に比較して、ロジスティックモデルの精度を判断します。次に、このフィードバックを使用して、モデルを調整し、予測を改善します。実際の結果とは、最終状態に達したために変更が期待されないデータを指します。最終的なデータの例として注文の発送日があります。ストーリーの結果変数が最終状態を達成した条件を定義します。それによって Einstein Discovery はパフォーマンス分析に含める結果を識別できます。

総計値を比較してモデルを改善

モデル総計値では、複数のモデルの総計値を横に並べて表示できるようになりました。モデル総計値を互いに比較します。区分を比較して、各区分で最も重要な変数を明らかにします。この情報を使用してモデルを改善し、予測精度を高めます。

対象しきい値を使用したモデルの精度の改善

カテゴリ項目のモデルを作成するときに、予測する 2 つのバケットのカットオフを表す最適なしきい値を設定できます。たとえば、偽陽性と偽陰性のコスト比率を指定できます。次に、ストーリーに関連付けられたビジネスケース用に最適化されたしきい値を Einstein Discovery に特定させます。しきい値は、真陽性率と偽陽性率のトレードオフを表します。

自動設定でストーリー作成の迅速化

ストーリーの目標について分析するために最適なデータを Einstein Discovery に選択させます。Einstein Discovery はデータベースを検索し、結果に相関する列を選択し、相関しない列を除外します。ストーリーが作成された後に、列の選択を手動で変更できます。

経時的な精度の分析による予測の改善

モデルが実際の結果をどれほど正確に予測しているかを監視し、このフィードバックを使用してモデルを調整して予測を改善できるようになりました。予測の精度は、ロジスティック回帰と線形回帰の両方で監視できます。

残差プロットグラフによるモデルパフォーマンスの視覚化

結果変数がテキスト項目であるロジスティック回帰モデルでは、新しい残差プロットグラフでモデルの堅牢性を示します。残差は、モデルの予測値と実際の結果値の差を表します。実際の結果とは、最終状態に達したために変更が期待されないデータを指します。最終的なデータの例として、顧客が受け取った出荷物内の品数があります。ストーリーの結果変数が最終状態を達成した条件を定義します。それによって Einstein Discovery はプロットグラフに含める結果を識別できます。

モデルからバイアスがかかった変数の除去

バイアスがかかっているデータで構築されたモデルからは、バイアスがかかった予測が生成される可能性があります。異種影響はその一例であり、初任給での男女間格差など特定のデモグラフィックに対する差別的慣行がデータに反映されます。Einstein Discovery は、モデル内で不平等な扱いを受けている変数について警告します。より倫理的で説明可能なモデルを生成するために、予測から異種影響のバイアスを取り除くことができます。

説明のみのインサイトのストーリー作成の迅速化

データから得たい情報が [何が起きたか] インサイトのみの場合、データセットの予測分析をスキップできます。Einstein Discovery が予測と改善を生成しないので、ストーリー作成は短時間で行われます。ストーリーが作成された後に気が変わった場合は、予測分析を手動で追加できます。

データセットの更新でストーリーを更新

ソースデータセットのデータが変更されると、ストーリーが作成されたときに取得したスナップショットの代わりに更新されたデータの分析を選択できるようなりました。ストーリーを開くと、列または行に変更があった場合は Einstein Discovery がそれを通知します。以前は、ストーリーはデータの元のスナップショットに常に固定されていました。

Einstein データインサイトで処理可能なレポートデータの増加

Einstein データインサイトの制限が緩和されました。最大 500,000 行、50 列のデータを含むレポートからインサイトを作成できるようになりました。さらに、1 組織につき 1 日最大 1,000 個の Einstein データインサイト分析を作成できます。

述語が設定されたデータセットを使用したストーリーの作成

Einstein Discovery では、行レベルのセキュリティ述語と Salesforce 共有継承に関連付けられた共有ルールを使用して Einstein Analytics データセットを分析できるようになりました。ストーリーの結果は、ストーリーにアクセスできるすべてのユーザに表示されます。ストーリー作成者と同じ行レベルのアクセス権を持っている必要はありません。以前は、「データセットからストーリーを作成する場合に述語を無視」権限が必要でした。これは、Winter '20 リリースで非推奨になりました。

Lightning Experience レコードページでの Einstein Discovery 予測の表示方法のカスタマイズ

Lightning Experience レコードページで、Einstein Discovery 予測の表示方法をカスタマイズします。ロジスティック回帰モデル (バイナリ分類問題) の場合は、予測がモデルのしきい値より高い、または低い場合の表示ラベルを指定します。例: 成立または不成立、維持または離脱、等。プロジェクトの改善方法に関する検索条件の推奨事項。推奨事項の最大数を設定するか、結果への影響が最小パーセントである推奨事項を表示します。

Apex コードでの Einstein 予測の取得

Einstein Discovery でモデルをリリースしたら、Apex コードで ConnectApi.SmartDataDiscovery.predict メソッドを使用して、Salesforce オブジェクトの予測を取得します。

Einstein Discovery Classic の廃止

Einstein Discovery Classic は Spring '20 で廃止される予定です。現在の Einstein Discovery Classic ユーザは、Analytics Studio でデータセットとストーリーを再作成するには、Einstein Analytics Plus ライセンス (Analytics の Einstein Discovery で必須) が必要です。Winter '20 リリースでは、Einstein Discovery Classic はすべての Developer 組織で新しい環境に置き換えられます。

カスタマイズ

Einstein 予測ビルダーの比較による絞り込み

絶対項目値のみの絞り込みに加えて、他の項目や特定の時点の値と比較した項目値でも絞り込めるようになりました。検索条件ロジックをよりわかりやすくして、予測の問題との関連性を高めることができます。

Next Best Action のおすすめからの自動フロー起動の呼び出し

サービスエージェントはすばやく行動を起こすことができます。おすすめからバックグラウンドでレコードを更新したりメールを送信したりする自動起動フローをコールできます。

戦略テンプレートの作成および知的財産としての戦略の保護

登録者がカスタマイズして戦略を構築するための戦略テンプレートを作成できます。戦略テンプレートは、AppExchange で公開する管理パッケージで共有されます。管理パッケージには、戦略テンプレートと、知的財産 (IP) として保護される戦略も含めることができます。登録者は、Strategy Builder でテンプレートを開いてコピーし、各自の用途に合わせてカスタマイズできます。テンプレートとしてマークされていない戦略は IP 保護で、編集またはコピーできません。戦略テンプレートと IP 保護戦略は、パッケージアップグレードの一部としてアップグレードできます。戦略テンプレートにアップグレードを転送する場合、登録者のコピーは影響を受けません。

戦略作成時の元に戻す/やり直す

戦略の作成中にミスをしてしまうことがあります。このリリースでは、間違って親要素を削除したり要素を分岐間で移動したりといったミスをしてしまった場合でも、変更を簡単に元に戻したり、やり直したりできるようになりました。

Next Best Action Strategy Builder での分岐式の容易な作成

ブランチセレクタ要素を使用しておすすめを分岐させる際に、式をよりすばやく正確に作成できます。選択リスト値を手動で入力する必要はありません。値を選択するだけで、Next Best Action が自動的に式を入力してくれます。

容易に識別できるおすすめのタイトル

属性のリストにタイトルを追加しました。これらのタイトルは、Lightning アプリケーションビルダーやコミュニティで Next Best Action Lightning コンポーネントのおすすめに表示できます。エージェントやユーザがおすすめの内容を容易に識別できるようにタイトルを付けることができます。

アプリケーションのホームページでのおすすめの表示

Lightning コンポーネントの Next Best Action をアプリケーションのホームページに追加することで、おすすめをまとめて表示できます。たとえば、フォローアップが必要な重要な取引先のリストを、前回の連絡から特定の日数が経過した時点でエージェントに表示することができます。

開発

Einstein Vision: 新しい language 項目と algorithm 項目

モデル情報を返す Einstein Vision API コールの応答に language 項目と algorithm 項目が含まれるようになりました。

Einstein Language: 新しい language 項目と algorithm 項目

モデル情報を返す Einstein Language API コールの応答に language 項目と algorithm 項目が含まれるようになりました。

インサイトを使用した予測構築の改善

インサイトオブジェクトによって Einstein 予測の基盤となるロジックの詳細を取得します。Einstein 予測ビルダーなどの Einstein 機能が予測を行い、結果を保存すると、AIRecordInsight レコードといくつかの関連する子レコードが作成されます。これらのレコードを使用して、Einstein 予測がどのように行われるかを理解し、予測が保存された後にカスタムロジックを適用して、予測の改善やカスタマイズを行うことができます。