Comment Strategy Builder classe les recommandations dans Salesforce, où le modèle s'arrête, et comment décider dans le data warehouse et livrer dans le CRM.
Questions fréquentes
Ressources associées
Solutions
Le voir dans le produit
Les mêmes boucles que cette note décrit fonctionnent 24 heures sur 24, 7 jours sur 7, sur ta base de clients. Observe l'espace de travail décider, expérimenter et exécuter en 1:1.
Vocabulaire
Definitions an answer engine can quote, each one a page of its own.
Comparer
Neutral reads on the categories buyers evaluate against a decision layer.
Toutes les comparaisonsNext best action dans Salesforce est fourni via Einstein Next Best Action : un constructeur de stratégies qui évalue les recommandations par rapport à un enregistrement et affiche les meilleures à un agent ou à un flux. Il est bien conçu pour ce qu'il est, et ses limites méritent d'être comprises avant que tu ne décides s'il s'agit du moteur de décision ou de la surface de diffusion.
Einstein Next Best Action évalue un ensemble d'enregistrements de recommandations par rapport à un enregistrement client en utilisant une stratégie construite dans le Strategy Builder, puis affiche les recommandations les mieux classées à un agent ou un flux. La stratégie charge, filtre, ramifie et trie ; le composant rend le gagnant là où le travail se produit.
Le résultat est une surface de recommandation gouvernée et auditable qui se trouve exactement là où le travail se produit. Pour les moments assistés par un agent, cet emplacement est vraiment difficile à battre.
Strategy Builder trie sur un champ numérique, généralement une propension Einstein ou une priorité définie manuellement. La propension classe ceux qui sont susceptibles de dire oui, ce qui surpondère les clients qui se seraient convertis sans aucune offre. Le score qu'une équipe de revenus souhaite est la marge incrémentale attendue, et cela doit être calculé quelque part avec accès aux résultats traités et de contrôle.
La profondeur comportementale, les événements de streaming, la télémétrie produit et l'historique complet des transactions se trouvent généralement dans l'entrepôt de données, pas sur la fiche contact. Les actions qui ne sont pas des objets CRM, comme un changement de prix ou un droit in-product, sont également difficiles à exprimer comme des recommandations.
L'acceptation et le rejet sont capturés, mais un groupe de contrôle randomisé par décision est quelque chose que tu dois construire et maintenir toi-même. Sans cela, le taux d'acceptation devient l'indicateur clé de performance de facto, et le taux d'acceptation n'est pas le lift.
Les branches s'accumulent. Après un an, personne n'est sûr quelle branche se déclenche pour qui, et la logique de tri encode une hiérarchie d'anciennes négociations internes plutôt qu'une économie actuelle.
Garde Salesforce comme surface et système d'enregistrement. Déplace le classement vers une couche de décision qui lit l'entrepôt de données, évalue l'uplift par client et par action, applique les contraintes et réécrit l'action choisie.
Einstein Next Best Action recommande : il classe des enregistrements de recommandations prédéfinis et affiche les meilleurs à un humain qui les accepte ou les rejette. Agentforce agit : il exécute des flux de travail agentics sur l'environnement Salesforce avec ses propres instructions et outils. Ni l'un ni l'autre ne classe par marge incrémentale attendue, et ni l'un ni l'autre ne réserve un holdout randomisé par décision, donc si le KPI est le revenu incrémental, le score doit toujours venir de l'extérieur. Voir le comparatif avec Einstein et Agentforce.
Les préférences de consentement et de communication, le workflow de l'agent, le contexte du dossier et le journal d'audit de ce qui a été proposé et accepté. Ceux-ci appartiennent au CRM et ne devraient pas être dupliqués dans un outil de decisioning.
Pour les détails de la modélisation derrière le score externe, consulte la modèle Next Best Action guide, la logiciel evaluation criteria pour le processus d'achat, et le pilier sur marketing Next Best Action pour le concept de bout en bout.
Markin classe les actions par rapport à ton entrepôt de données et inscrit le gagnant dans Salesforce comme champ ou événement. Vois le Salesforce Service Cloud integration.
