El Informe de ROI de Markin para Equipos de Growth en EnterpriseLeer ahora →
Precios
MARKIN
Solicitar demo
Notas de campo
Guías·19 de agosto de 2026·Actualizado 3 de septiembre de 2026·Lectura de 11 minutos

Einstein Next Best Action: cómo funciona, límites y la capa de decisioning

Cómo Strategy Builder clasifica las recomendaciones en Salesforce, dónde se detiene el patrón y cómo decidir en el warehouse y entregar dentro del CRM.

Romà Llambés·
  • #Next Best Action
  • #Salesforce
  • #Guías
Einstein Next Best Action: how it works, limits and the decision layer

Puntos clave

Einstein Next Best Action clasifica los registros de recomendación en Salesforce usando Strategy Builder, y luego los muestra en Lightning, la Service Console o un flow. Arbitra bien dentro del CRM, pero solo ve los datos del CRM y las reglas que escribiste. Decidir en el data warehouse y entregar en Salesforce mantiene la interfaz y añade ranking causal.

  • Einstein Next Best Action clasifica los registros de recomendaciones con Strategy Builder y los muestra en Lightning, Service Console o flujos.
  • Ordena por una puntuación, generalmente una propensión o una prioridad manual, y no tiene un holdout nativo por cada decisión.
  • El patrón duradero es puntuar el uplift en el data warehouse y escribir la acción ganadora de nuevo en Salesforce para su entrega.

Parte de la Next Best Action series

Una de las 5 guías de esta serie. Comienza con el pilar: Marketing de Next Best Action: qué es y cómo funciona en 2026.

Continúa con las Next Best Action series

  • Marketing de Next Best Action: qué es y cómo funciona en 2026

    Marketing de Next Best Action explicado: cómo funciona, ejemplos reales B2C, cómo se diferencia de las campañas de segmento y del marketing automation, y cuánto vale en una base de 2M.

  • Modelo next best action: propensión, uplift y clasificación

    Cómo se construye un modelo de Next Best Action: propensión, meta-learners de uplift y una función de clasificación que puntúa el margen incremental esperado por acción.

  • Software next best action: cómo evaluarlo en 2026

    Un marco de comprador para el software de next best action: alcance de la decisión, función objetivo, medición causal, restricciones y tiempo hasta el primer resultado verificado.

  • Next Best Offer vs Next Best Action: qué los diferencia realmente

    Next best offer clasifica productos y promociones. Next best action clasifica cada intervención, incluido el silencio. La diferencia se nota en el margen.

Preguntas frecuentes

Preguntas que los lectores hacen sobre esto.

¿Qué es Einstein Next Best Action en Salesforce?
Einstein Next Best Action es la característica de Salesforce que evalúa registros de recomendaciones contra un registro de cliente usando Strategy Builder, luego muestra las recomendaciones mejor clasificadas a un agente o a un flujo en Lightning pages, Experience Cloud o Service Console.
¿Cuáles son los límites de Einstein Next Best Action?
Clasifica por una puntuación numérica, generalmente una propensión o una prioridad manual, en lugar de por el margen incremental esperado; su conjunto de acciones candidatas está determinado por el modelo de datos del CRM, por lo que las señales de comportamiento profundas y las acciones no relacionadas con el CRM son difíciles de incluir; los holdouts aleatorios no son nativos; y las ramas de estrategia tienden a acumularse en una proliferación de reglas.
¿Puedes usar un motor de decisioning externo con Salesforce?
Sí, y es el patrón común a escala. Una capa de decisión externa calcula el uplift por cliente y acción contra los datos del almacén, aplica restricciones y luego escribe la acción elegida, su valor esperado y su procedencia en un campo de Salesforce o en un evento de plataforma. Strategy Builder luego filtra por elegibilidad y clasifica según ese valor externo.
¿Cómo mides el Next Best Action en Salesforce?
Reserva una parte aleatoria de registros elegibles que no reciben acción, luego une los resultados de Salesforce al log de decisioning y lee 'treated-minus-holdout' sobre el margen o la tasa de ahorro. La tasa de aceptación por sí sola no es uplift.
¿Cómo configuras Einstein Next Best Action?
Crea los registros de recomendación para cada acción candidata elegible, construye una estrategia en Strategy Builder que cargue, filtre, bifurque y ordene ese conjunto de recomendaciones, y luego arrastra y suelta el componente Einstein Next Best Action en una página de registro de Lightning, una página de Experience Cloud o un flujo. Las respuestas se registran para que se pueda informar sobre la aceptación y el rechazo.
¿Cuál es la diferencia entre Einstein Next Best Action y Agentforce?
Einstein Next Best Action recomienda: clasifica un conjunto de registros de recomendaciones predefinidas y muestra las mejores a un humano, quien las acepta o rechaza. Agentforce actúa: ejecuta flujos de trabajo agency sobre el entorno de Salesforce con sus propias instrucciones y herramientas. Ninguno de los dos clasifica por margen incremental esperado ni reserva un holdout aleatorio por decisión, por lo que ambos necesitan una puntuación de uplift externa si el KPI son los ingresos incrementales.

Recursos relacionados

Trae esto a tu espacio de trabajo.

Soluciones

  • Markin para Next Best Action

    Next-Best Action

  • Markin para la Toma de Decisiones del Cliente

    Toma de Decisiones del Cliente

Sectores

  • Fintech
  • Telco
  • Retail

Verlo en el producto

Esto funciona en Markin hoy.

Los mismos bucles que describe esta nota funcionan 24/7 contra tu base de clientes. Observa cómo el espacio de trabajo decide, experimenta y ejecuta 1:1.

Explorar demoO reserva una demo con el equipo

Vocabulario

Los términos detrás de esta página.

Definitions an answer engine can quote, each one a page of its own.

Glosario completo
  • Next Best ActionNext best action is the single intervention that maximises expected value for a specific customer at a specific moment, chosen…
  • Gestión de impagosDunning is the sequence of retries and communications that recovers a failed payment: retry timing, card-update prompts…
  • Tiempo hasta el churnTime to churn is the expected remaining tenure of a customer, derived from a survival model rather than a binary risk score.
  • agente de IA para marketingAn AI agent for marketing is a system given a commercial objective, tools such as a warehouse, models and execution channels…
  • Next best offerNext best offer selects the most valuable commercial proposition for a customer: which product, plan, bundle or price to present.
  • Modelo de propensiónA propensity model estimates the probability that a customer takes an action, such as buying, upgrading or cancelling.

Comparar

Cómo se compara esto con lo que ya tienes en ejecución.

Neutral reads on the categories buyers evaluate against a decision layer.

Todas las comparaciones
  • Markin vs. desarrollarlo internamente: lo que un equipo puede lanzar de forma realistaConstruir una capa de decisioning internamente es posible y a veces lo correcto. Una comparación honesta de rendimiento, costo, propiedad y tiempo hasta un número verificado.
  • Next-Best Action vs. Next-Best OpportunityNext-Best Opportunity cuantifica lo que está en juego para un cliente. Next-Best Action elige el tratamiento. Por qué el orden importa y cómo se conectan los dos.
  • Predicción de Churn vs. toma de decisiones de retenciónUn modelo de churn le dice quién está en riesgo. La toma de decisiones de retención elige a quién salvar, con qué y a qué coste. Por qué la predicción por sí sola rara vez mueve la retención.

Seguir leyendo.

Todas las notas de campo
Guías·25 jul. 2026

Marketing de Next Best Action: qué es y cómo funciona en 2026

Guías·6 de agosto de 2026

Modelo next best action: propensión, uplift y clasificación

Guías·12 de agosto de 2026

Software next best action: cómo evaluarlo en 2026

MARKIN

Un equipo autónomo de growth science que aumenta el ARPU en grandes bases de clientes B2C.

Producto

  • Explorar el producto
  • Solicitar demo
  • Precios
  • Feed de oportunidades.
  • Contexto
  • Experimento
  • Impacto
  • Arquitectura
  • Integraciones
  • Cámbiate a Markin
  • Seguridad y fiabilidad

Soluciones

  • Optimización del Crecimiento
  • Descubrimiento de Ingresos
  • Diagnóstico de Producto y Cliente
  • Todas las soluciones

Industrias

  • Retail
  • Fintech
  • Telco
  • Media
  • Travel
  • Gaming
  • Streaming
  • Marketplaces
  • Todas las industrias

Compañía

  • Acerca de
  • Carreras
  • Noticias
  • Clientes
  • Guías
  • Glosario
  • Calculadora de ROI

Comparar

  • vs. BrazeAI Decisioning Studio
  • vs. Salesforce Einstein y Agentforce
  • vs Adobe Journey Optimizer
  • vs Amplitude
  • vs. Optimizely
  • vs. data science y growth internos
  • vs. un LLM con acceso a MCP
  • vs. ChatGPT con MCP
  • vs. Claude con MCP
  • vs. Grok con MCP
  • vs RetentionX
  • Todas las comparaciones

Capa de decisión

  • Toma de Decisiones del Cliente
  • Next-Best Action
  • Toma de decisiones de retención
  • Expansión de ARPU

MARKIN

  • ISO42001ISO 42001
  • ISO27001ISO 27001
  • SOC 2TIPO IIAICPASOC 2 Tipo II
  • GDPR

© 2026 Markin. Todos los derechos reservados.

TérminosPrivacidadCookiesDPASubencargados del tratamiento

Next best action en Salesforce se entrega a través de Einstein Next Best Action: un creador de estrategias que evalúa recomendaciones contra un registro y muestra las mejores a un agente o un flujo. Está bien construido para lo que es, y sus límites merecen ser entendidos antes de que decidas si es el motor de decisioning o la superficie de entrega.

Cómo funciona Einstein Next Best Action

Einstein Next Best Action evalúa un conjunto de registros de recomendaciones contra un registro de cliente usando una estrategia construida en Strategy Builder, luego muestra las recomendaciones mejor clasificadas a un agente o a un flujo. La estrategia carga, filtra, ramifica y ordena; el componente renderiza al ganador donde ocurre el trabajo.

  1. 1Recomendaciones. Registros personalizados que describen una acción: una oferta, un cambio de plan, un paso de servicio. Contienen un nombre, descripción, imagen y una referencia de acción.
  2. 2Strategies. Construidas en Strategy Builder, cargan un conjunto de recomendaciones, luego lo filtran, ramifican, mejoran y clasifican utilizando datos de registros, flujos o una predicción de Einstein.
  3. 3Superficies. La lista clasificada se muestra en las páginas Lightning, Experience Cloud, Service Console o un flujo, donde un agente la acepta o rechaza y la respuesta se registra.

El resultado es una superficie de recomendación gobernada y auditable que vive exactamente donde se realiza el trabajo. Para los momentos asistidos por agentes, esa ubicación es realmente difícil de superar.

Donde el patrón se agota

La clasificación se realiza por puntuación, no por valor incremental.

Strategy Builder ordena por un campo numérico, usualmente una propensión de Einstein o una prioridad definida manualmente. La propensión clasifica quién es probable que diga que sí, lo que sobrevalora a los clientes que se habrían convertido sin ninguna oferta. La puntuación que un equipo de ingresos quiere es el margen incremental esperado, y eso tiene que calcularse en algún lugar con acceso a los resultados tratados y de control.

El conjunto de acciones candidatas tiene forma de CRM

La profundidad conductual, los eventos de streaming, la telemetría del producto y el historial completo de transacciones suelen residir en el data warehouse, no en el registro de contacto. Las acciones que no son objetos de CRM, como un cambio de precio o un derecho en el producto, también son difíciles de expresar como recomendaciones.

Los holdouts no son nativos

La aceptación y el rechazo se capturan, pero un grupo de control aleatorizado por decisión es algo que tienes que construir y mantener tú mismo. Sin él, la tasa de aceptación se convierte en el KPI de facto, y la tasa de aceptación no es lift.

Las estrategias derivan en una proliferación de reglas

Las ramas se acumulan. Después de un año, nadie está seguro de qué rama se activa para quién, y la lógica de clasificación codifica una jerarquía de negociaciones internas pasadas en lugar de la economía actual.

El patrón que funciona: decidir fuera, entregar dentro

Mantén Salesforce como la superficie y el sistema de registro. Traslada la clasificación a una decision layer que lea el almacén de datos, puntúe el uplift por cliente por acción, aplique restricciones y registre la acción elegida de nuevo.

  1. 1Score in the warehouse. Calcula el uplift y el margen esperado para cada acción elegible, incluyendo no hacer nada, sobre el conjunto completo de características de comportamiento.
  2. 2Write the decision back. Envía la acción ganadora, su valor esperado y su procedencia a un campo en el contacto, cuenta o caso, o emite un evento de plataforma.
  3. 3Let Strategy Builder present it. Las estrategias luego filtran por elegibilidad y ordenan por el valor calculado externamente, por lo que la lógica de ramificación se mantiene ligera y legible.
  4. 4Hold out and read back. Reserva una parte aleatoria de registros elegibles sin acción, y une los resultados de Salesforce al log de decisioning para leer 'treated minus holdout'.
Salesforce responde: qué debería ver este agente en este registro ahora mismo. La capa de decisioning responde: qué acción, en cada canal e incluyendo ninguna, es la que genera el mayor margen incremental para este cliente hoy.

Einstein Next Best Action vs Agentforce

Einstein Next Best Action recomienda: clasifica registros de recomendaciones predefinidas y muestra las mejores a un humano que las acepta o rechaza. Agentforce actúa: ejecuta flujos de trabajo agency sobre el entorno de Salesforce con sus propias instrucciones y herramientas. Ninguno clasifica por margen incremental esperado, y ninguno reserva un holdout aleatorio por decisión, así que si el KPI son los ingresos incrementales, la puntuación aún debe venir de fuera. Ver la comparación lado a lado con Einstein y Agentforce.

Lo que debes mantener en Salesforce de todos modos

Las preferencias de consentimiento y comunicación, el flujo de trabajo del agente, el contexto del caso y el registro de auditoría de lo que se ofreció y aceptó. Pertenecen al CRM y no deben duplicarse en una herramienta de decisioning.

Para los detalles de modelado detrás de la puntuación externa, consulta el modelo de Next Best Action guía, el criterios de evaluación de software para el proceso de compra, y el pilar sobre marketing de Next Best Action para el concepto de principio a fin.


Markin clasifica las acciones contra tu almacén de datos y registra el ganador en Salesforce como un campo o evento. Consulta el Integración con Salesforce Service Cloud.