Salesforce Einstein: Previsões trimestrais, roteamento de caso e previsões sem código em registros

Use as Previsões do Einstein com uma programação de previsões trimestral. Salve os valores de campo previstos em casos automaticamente com a Classificação de caso do Einstein. Escreva pontuações de previsão do Einstein Discovery automaticamente para campos do Salesforce selecionados sem codificação.

Aqui está a lista de recursos do Einstein que ajudam a tornar o Salesforce o CRM mais inteligente do mundo.

Salesforce em geral

Aumentar a produtividade com resultados da pesquisa personalizados (beta)

Deseja encontrar itens mais rapidamente com resultados da pesquisa personalizados para a maneira única como você trabalha no Salesforce? A personalização de pesquisa está aqui para isso. Ela ajuda a reduzir a bagunça com resultados da pesquisa baseados no que é mais importante para você, incluindo locais geográficos, setores, status, áreas de produto e pessoas.

Abrir a caixa de pesquisa com resultados instantâneos aprimorados (beta)

Resultados instantâneos aprimorados transformam a caixa de pesquisa global em um centro de produtividade turbinado. Clique na caixa de pesquisa para acessar instantaneamente visualizações de registro, ações de registro no nível da página, links rápidos da lista relacionada e pesquisas sugeridas.

Criar relatórios instantâneos com todos os filtros certos usando a Pesquisa conversacional (beta)

Não consegue encontrar um relatório ou não tem tempo para criar um? A pesquisa conversacional dá acesso instantâneo a dados importantes transformando seus termos de pesquisa em filtros de registro. Basta inserir os termos de pesquisa da maneira como você inicia uma conversa. Por exemplo, insira "meus casos fechados neste mês" para ver uma lista de seus casos recentes com um status fechado.

Localizar o registro certo mais rapidamente com o resultado recomendado (beta)

Os Resultados recomendados o levam para o registro certo mais rapidamente quando estamos confiantes de que sabemos o que você está procurando. É como colocar listras na sua bagagem na esteira do aeroporto para diferenciá-la das demais.

Colocar o profissional no perfil com os layouts de resultados da pesquisa específicos do perfil (beta)

Os resultados da pesquisa devem mostrar o que mais importa. Se você trabalha com vendas, é fundamental conhecer o proprietário da conta e o setor. Se você é um representante de serviço, o nível de suporte da conta é uma informação crucial. Com os layouts específicos do perfil, é possível refinar os layouts de pesquisa de um objeto para cada perfil único em sua organização. Há suporte para layouts específicos do perfil apenas em objetos com layouts personalizáveis. Usuários que não têm um layout específico do perfil atribuído veem o layout de resultados da pesquisa padrão.

Vendas

Einstein Forecasting: Suporte para previsões trimestrais (disponível ao público em geral)

Se você usar uma programação de previsões trimestrais, agora poderá aproveitar o poder do Einstein para melhorar a precisão das previsões, prever resultados e acompanhar o desempenho das equipes de vendas.

Pontuação de leads do Einstein: Controlar quais leads pontuar

A sua equipe de vendas precisa de pontuações de lead para apenas alguns leads? Diga para o Einstein pontuar apenas os leads que contêm determinados valores em todos os campos de lead. Por exemplo, se sua equipe de vendas quiser pontuar apenas leads do setor de comunicações, diga para o Einstein incluir apenas esses leads.

Contatos automatizados do Einstein: Ver apenas os dados de contato aos quais você tem acesso

As sugestões de Função do contato da oportunidade agora respeitam a segurança em nível de campo do objeto Contato. Representantes de vendas sem acesso a campos de contato, como Email, Título ou Telefone não veem mais esses campos nos modos de exibição ou no componente do Einstein. Além disso, os representantes não veem valores de campo do contato para registros de contato aos quais eles não têm acesso. Por fim, ao visualizar a página de detalhes para sugestões de Papel de contato de oportunidade, os campos de contato não aparecem. Para ver campos de contato, navegue para o registro de contato.

Captura de atividades do Einstein: Decidir o que capturar e sincronizar

Obtenha mais controle sobre os proprietários dos dados de email que são capturados. Use a lista de Endereços excluídos para evitar a sincronização de dados. Além disso, permita que os representantes de vendas sincronizem a série de eventos.

Adicionar pontuações de oportunidade a relatórios padrão

Use relatórios padrão para analisar oportunidades com base nas pontuações da oportunidade. Anteriormente, você podia usar pontuações de oportunidade apenas com tipos de relatório personalizados.

Adicionar fatores de modelo a tipos de relatórios personalizados da oportunidade

Obtenha uma imagem mais clara do que conduz suas pontuações de oportunidade. Os fatores usados para criar o modelo de pontuação de oportunidade agora estão disponíveis em tipos de relatórios personalizados.

Usar a API SOAP para acessar informações sobre o modelo de pontuação de oportunidade

Apresentamos dois novos objetos para a Pontuação de oportunidade do Einstein. Use os objetos SalesAIScoreCycle e SalesAIScoreModelFactors para recuperar informações sobre pontuações de oportunidade e seus fatores.

Serviço

Encerrar chats de bot automaticamente

Crie bots que arrumam a própria bagunça! Use uma ação de regra Encerrar chat para adicionar condições que ajudem o bot a entender o fim natural de uma conversa e encerrar a sessão em nome do visitante.

Melhorar as transferências do bot confirmando a disponibilidade do agente

Bots e agentes trabalham melhor juntos, e tornamos as transferências ainda mais inteligentes verificando a disponibilidade dos agentes antes que uma transferência ocorra. Defina as mensagens personalizadas para manter o cliente informado do status da transferência.

Melhorar suas habilidades com o carrossel de ajuda de configuração de bots

Obtenha o conteúdo do Bot do Einstein mais útil na palma da sua mão com um carrossel na tela Configuração. Obtenha acesso a receitas do bot, dicas de solução de problemas e melhores práticas.

Análise de dados

Implante previsões a registros do Salesforce Records sem escrever código (disponível ao público em geral)

Você pode escrever pontuações de previsão automaticamente para campos selecionados do Salesforce sem codificação. Integre previsões facilmente sem envolver o Criador de processos nem um pacote gerenciado com um acionador.

Receber as melhores previsões de dois modelos diferentes (piloto)

Antes, o Einstein Discovery dependia de modelos de regressão para prever os resultados. O Einstein Discovery agora adiciona um segundo tipo de modelo baseado em uma abordagem de otimização de previsão conhecida como os algoritmos de aprendizado de aprimoramento de gradiente. Quando você cria uma história, o Einstein Discovery gera previsões usando ambos os tipos de modelo e mostra os resultados do modelo que têm um melhor desempenho. Você aproveita o melhor das duas abordagens.

Monitorar a precisão de modelos implantados em tempo real (disponível ao público em geral)

Determine a precisão de seus modelos logísticos comparando visualmente os resultados previstos aos reais. Em seguida, use esse feedback para refinar seu modelo e produzir previsões melhores. Um resultado real consiste em dados que não se espera que mudem porque atingiram o estado terminal. Um exemplo de dados finalizados é a data de envio de um pedido. Defina as condições sob as quais a variável de resultado da história atingiu seu estado terminal. Dessa forma, o Einstein Discovery sabe quais resultados incluir na análise de desempenho.

Melhorar seus modelos comparando métricas

Em Métricas de modelo, agora você pode exibir as métricas para vários modelos lado a lado. Veja como as métricas de modelo se comparam umas com as outras. Compare segmentos para revelar as variáveis mais importantes em cada segmento. Use o que você aprendeu para melhorar seus modelos e obter previsões melhores.

Melhorar a precisão do modelo com limites de destino

Ao desenvolver um modelo para um campo categórico, é possível definir um limite ideal que representa o corte dos dois buckets que você está prevendo. Por exemplo, você pode especificar uma proporção de custo entre os falsos positivos e os falsos negativos. Depois, deixe o Einstein Discovery detectar um limite otimizado para o caso de negócio associado à sua história. O valor do limite representa a compensação entre as taxas de positivos verdadeiros e positivos falsos.

Acelerar a criação de histórias com a configuração automatizada

Permita que o Einstein Discovery selecione os melhores dados para analisar a meta da sua história. Ele pesquisa seu conjunto de dados, escolhe as colunas correlacionadas ao resultado e exclui as colunas que não têm correlação. Depois da criação da sua história, você pode alterar manualmente as seleções de coluna.

Melhore suas previsões analisando a precisão ao longo do tempo

Agora você pode monitorar quão bem seus modelos preveem os resultados reais ao longo do tempo e usar esse feedback para ajustar seus modelos e produzir previsões melhores. Você pode monitorar a precisão da previsão por meio de regressões logísticas e lineares.

Visualizar o desempenho do modelo com um gráfico de resíduos

Para modelos de regressão lógica em que a variável de resultado é um campo de texto, um novo gráfico de resíduos revela a robustez de seu modelo. Um resíduo representa a diferença entre o valor previsto e o valor do resultado real do modelo. Um resultado real consiste em dados que não se espera que mudem porque atingiram o estado terminal. Um exemplo de dados finalizados é o número de itens que um cliente recebeu em uma remessa. Defina as condições sob as quais a variável de resultado da história atingiu seu estado terminal. Dessa forma, o Einstein Discovery sabe quais resultados incluir no diagrama.

Remover variáveis com viés de seu modelo

Modelos criados usando dados com viés podem produzir previsões com viés. Impacto divergente é um exemplo em que os dados refletem práticas discriminatórias quanto a um público em particular, como disparidades de gênero em salários iniciais. O Einstein Discovery o alerta quanto a variáveis que estão sendo tratadas de modo desigual em seu modelo. Você pode remover vieses de impacto divergente de suas previsões para gerar modelos mais éticos e responsáveis.

Acelerar a criação de histórias para percepções apenas descritivas

Se tudo o que você quer dos dados consiste nas percepções de O que aconteceu, pode ignorar a análise preditiva de seu conjunto de dados. A criação de história é mais rápida porque o Einstein Discovery não gera previsões e melhorias. Depois que sua história é criada, você pode adicionar manualmente a análise preditiva, caso mude de ideia.

Atualizar suas histórias com atualizações do conjunto de dados

Quando os dados mudam no conjunto de dados de origem, você agora pode escolher analisar os dados atualizados em vez do instantâneo capturado quando a história foi criada. Quando você abre uma história, o Einstein Discovery o notifica de quando ocorreram alterações a colunas ou linhas. Antes, uma história era sempre fixada no instantâneo original dos dados.

Processar mais dados de relatório com o Einstein Data Insights

Os limites do Einstein Data Insights aumentaram. Agora você pode criar percepções de relatórios contendo até 500 mil linhas e 50 colunas de dados. Além disso, você pode criar até mil análises do Einstein Data Insights por organização por dia.

Criar histórias usando conjuntos de dados com predicados

O Einstein Discovery agora pode analisar conjuntos de dados do Einstein Analytics com predicados de segurança em nível de linha e regras de compartilhamento associadas à herança de compartilhamento do Salesforce. Todos os usuários que acessam a história podem ver os resultados. Eles não precisam ter o mesmo acesso em nível de linha que o criador da história. Antes, você precisava da permissão "Ignorar predicado ao criar a história usando o conjunto de dados", que foi descontinuada na versão Winter '20.

Personalizar a aparência das previsões do Einstein Discovery em páginas de registro do Lightning Experience

Personalize a aparência das previsões do Einstein Discovery integradas em páginas de registro do Lightning. Para modelos de regressão logística (problemas de classificação binária), especifique os rótulos que aparecem quando a previsão é maior ou menor que o limite do modelo. Exemplos: ganho ou perda, retenção ou rotatividade etc. Filtre as recomendações de como melhorar uma previsão. Defina o número máximo de recomendações ou mostre recomendações que afetam o resultado em um percentual mínimo.

Obter previsões do Einstein no Apex code

Depois de implantar modelos com o Einstein Discovery, use o método ConnectApi.SmartDataDiscovery.predict para obter previsões em objetos do Salesforce em seu Apex code.

Descontinuação do Einstein Discovery Classic

Planejamos descontinuar o Einstein Discovery Classic na versão Spring '20. Usuários atuais do Einstein Discovery precisam da licença do Einstein Analytics Plus (exigida para o Einstein Discovery no Analytics) para recriar conjuntos de dados e histórias no Analytics Studio. O Einstein Discovery Classic será substituído pela nova experiência em todas as Organizações Developer na nova versão Winter '20.

Personalização

Filtrar por comparação no Criador de previsões do Einstein

Em vez de filtrar apenas em valores de campo absolutos, você agora pode filtrar no valor de um campo comparado ao valor de outro campo ou um ponto no tempo. Torne sua lógica de filtro mais útil e relevante para sua pergunta de previsão.

Chamar fluxos iniciados automaticamente de suas recomendações do Next Best Action

Ajude seus agentes de serviço para que ajam rapidamente. Chame um fluxo iniciado automaticamente para atualizar registros ou enviar um email nos bastidores usando uma recomendação.

Criar modelos de estratégia e proteger estratégias como sua propriedade intelectual

Crie modelos de estratégia que seus assinantes possam personalizar e desenvolver. Compartilhe-os em pacotes gerenciados que você publique no AppExchange. Um pacote gerenciado pode conter modelos de estratégia e estratégias protegidas como sua propriedade intelectual (IP). Os assinantes podem abrir um modelo no Strategy Builder e cloná-lo para personalizá-lo para uso próprio. Estratégias não marcadas como modelos são protegidas por IP e não podem ser editadas nem clonadas. Você pode atualizar modelos de estratégia e estratégias protegidas por IP como parte da atualização de um pacote. Quando você envia atualizações por push a modelos de estratégia, as cópias dos assinantes não são afetadas.

Desfazer e refazer seu trabalho ao criar estratégias

Podem acontecer acidentes quando você cria estratégias. Agora você pode facilmente desfazer e refazer alterações, como excluir por engano um elemento pai ou mover um elemento de uma ramificação para outra.

Criar expressões para ramificações mais facilmente no Strategy Builder do Next Best Action

Crie expressões de modo mais rápido e preciso ao usar um elemento de Seletor de ramificação para recomendações de ramificação. Não é mais preciso realizar a inserção manual dos valores da lista de opções. Agora você pode selecionar os valores, e o Next Best Action preenche a expressão para você.

Dar um título às suas recomendações para facilitar a identificação

Adicionamos títulos à lista de atributos que você pode mostrar para uma recomendação no componente Next Best Action do Lightning no Criador de aplicativo Lightning ou em Comunidades. Adicione um título a uma recomendação de modo que seu agente ou usuário possa facilmente identificá-lo.

Exibir recomendações na página inicial do seu aplicativo

Adicione o componente Next Best Action do Lightning a uma página Inicial do aplicativo para exibir um conjunto agregado de recomendações. Por exemplo, mostre a um agente uma lista das principais contas a acompanhar após um número de dias específico terem se passado desde o contato anterior.

Desenvolvimento

Einstein Vision: Novos campos language e algorithm

A resposta para chamadas de API do Einstein Vision que retorna informações do modelo agora contém os campos language e algorithm.

Einstein Language: Novos campos language e algorithm

A resposta para chamadas de API do Einstein Language que retorna informações do modelo agora contém os campos language e algorithm.

Criar previsões melhores com percepções

Obtenha detalhes sobre a lógica por trás das previsões do Einstein usando objetos de percepção. Quando um recurso do Einstein, como o Criador de previsões do Einstein, faz uma previsão e salva os resultados, um registro AIRecordInsight e vários registros filhos associados são criados. Use esses registros para entender como as previsões do Einstein são feitas e aplicar lógica personalizada após as previsões serem salvas para melhorar e personalizar as previsões.