O Relatório de ROI da Markin para Equipas de Enterprise GrowthLer agora
MARKIN
Notas de campo
GuiasAtualizado leitura de 11 min

Einstein Next Best Action: como funciona, limites e a camada de decisão

Como o Strategy Builder classifica as recomendações no Salesforce, onde o padrão para, e como decidir no warehouse e entregar dentro do CRM.

Jonas Weber
  • #Next Best Action
  • #Salesforce
  • #Guias
Einstein Next Best Action: how it works, limits and the decision layer

Next best action em Salesforce é entregue através do Einstein Next Best Action: um construtor de estratégias que avalia recomendações contra um registo e as exibe para um agente ou um fluxo. Está bem construído para o que é, e os seus limites valem a pena ser compreendidos antes de você decidir se é o motor de decisão ou a superfície de entrega.

Como o Einstein Next Best Action funciona

Einstein Next Best Action avalia um conjunto de registos de recomendação em relação a um registo de cliente usando uma estratégia construída no Strategy Builder e, em seguida, mostra as recomendações mais bem classificadas a um agente ou a um fluxo. A estratégia carrega, filtra, ramifica e classifica; o componente renderiza o vencedor onde o trabalho acontece.

  1. 1Recomendações. Registos personalizados que descrevem uma ação: uma oferta, uma alteração de plano, uma etapa de serviço. Eles contêm um nome, descrição, imagem e uma referência de ação.
  2. 2Strategies. Construídos no Strategy Builder, eles carregam um conjunto de recomendações, depois filtram, ramificam, melhoram e classificam usando dados de registo, flows ou uma previsão Einstein.
  3. 3Surfaces. A lista classificada é apresentada nas páginas Lightning, Experience Cloud, Service Console ou num flow, onde um agente a aceita ou rejeita e a resposta é registada.

O resultado é uma superfície de recomendação governada e auditável que vive exatamente onde o trabalho acontece. Para momentos assistidos por agentes, essa colocação é genuinamente difícil de superar.

Onde o padrão se esgota

A classificação é por pontuação, não por valor incremental

O Strategy Builder ordena por um campo numérico, geralmente uma propensão Einstein ou uma prioridade definida manualmente. A propensão classifica quem é propenso a dizer sim, o que sobrevaloriza clientes que teriam convertido sem qualquer oferta. A pontuação que uma equipa de receita deseja é a margem incremental esperada, e isso precisa ser calculado em algum lugar com acesso a resultados tratados e de controlo.

O conjunto de candidatos tem o formato do CRM

Profundidade comportamental, streaming events, telemetria do produto e histórico completo de transações geralmente residem no warehouse, não no registo de contacto. Ações que não são objetos de CRM, como uma alteração de preços ou um entitlement no produto, também são difíceis de expressar como recomendações.

Holdouts não são nativos

Aceitação e rejeição são capturadas, mas um grupo de controlo aleatório por decisão é algo que você tem que construir e manter por si mesmo. Sem isso, a taxa de aceitação torna-se o KPI de facto, e a taxa de aceitação não é lift.

Estratégias degeneram em proliferação de regras

Os branches acumulam-se. Após um ano, ninguém está confiante sobre qual branch dispara para quem, e a lógica de classificação codifica uma hierarquia de negociações internas passadas em vez de economia atual.

O padrão que funciona: decidir fora, entregar dentro

Mantenha o Salesforce como superfície e sistema de registo. Mova o ranking para uma camada de decisão que lê o warehouse, pontua o uplift por cliente por ação, aplica restrições e escreve a ação escolhida de volta.

  1. 1Score in the warehouse. Calcule o uplift e a margem esperada para cada ação elegível, incluindo não fazer nada, no conjunto completo de recursos comportamentais.
  2. 2Write the decision back. Envie a ação vencedora, o seu valor esperado e a sua proveniência para um campo no contacto, conta ou caso, ou emita um evento de plataforma.
  3. 3Let Strategy Builder present it. As estratégias então filtram por elegibilidade e ordenam pelo valor computado externamente, para que a lógica do ramo permaneça concisa e legível.
  4. 4Hold out and read back. Reserve uma parte aleatória de registos elegíveis sem ação e junte os resultados do Salesforce de volta ao registo de decisão para ler 'treated minus holdout'.

Einstein Next Best Action vs Agentforce

Einstein Next Best Action recomenda: classifica registos de recomendação predefinidos e mostra os melhores a um humano que aceita ou rejeita. O Agentforce atua: executa workflows agentivos sobre a estrutura do Salesforce com as suas próprias instruções e ferramentas. Nenhum classifica pela margem incremental esperada, e nenhum reserva um holdout aleatório por decisão, então, se o KPI for receita incremental, o score ainda tem que vir de fora. Veja o lado a lado com Einstein e Agentforce.

O que manter no Salesforce de qualquer maneira

Preferências de consentimento e comunicação, fluxo de trabalho do agente, contexto do caso e o registo de auditoria do que foi oferecido e aceite. Estes pertencem ao CRM e não devem ser duplicados numa ferramenta de decisioning.

Para o detalhe da modelagem por trás do score externo, consulte o modelo de Next Best Action guia, o critérios de avaliação de software para o processo de compra, e o pilar sobre marketing de Next Best Action para o conceito de ponta a ponta.


Markin classifica as ações contra o seu warehouse e escreve o vencedor no Salesforce como um campo ou evento. Veja o integração com Salesforce Service Cloud.

Perguntas frequentes

Perguntas que os leitores fazem sobre isto.

O que é o Einstein Next Best Action no Salesforce?
Einstein Next Best Action é o recurso do Salesforce que avalia registos de recomendação em relação a um registo de cliente usando o Strategy Builder, e depois exibe as recomendações mais bem classificadas para um agente ou um fluxo em páginas Lightning, Experience Cloud ou na Service Console.
Quais são os limites do Einstein Next Best Action?
Ele classifica por um score numérico, geralmente uma propensão ou prioridade manual, em vez de margem incremental esperada; o seu conjunto de ações candidatas é moldado pelo modelo de dados do CRM, então sinais comportamentais profundos e ações não-CRM são difíceis de incluir; holdouts randomizados não são nativos; e os ramos da estratégia tendem a acumular-se em uma proliferação de regras.
Você pode usar um motor de decisioning externo com o Salesforce?
Sim, e é o padrão comum em escala. Uma camada de decisão externa pontua o uplift por cliente por ação contra dados de warehouse, aplica restrições e, em seguida, escreve a ação escolhida, o seu valor esperado e a sua proveniência para um campo do Salesforce ou evento de plataforma. O Strategy Builder então filtra a elegibilidade e ordena por esse valor externo.
Como você mede o next best action no Salesforce?
Reserve uma parte aleatória de registos elegíveis que não recebem ação, depois junte os resultados do Salesforce de volta ao registo de decisão e leia 'treated-minus-holdout' na margem ou taxa de poupança. A taxa de aceitação por si só não é uplift.
Como você configura o Einstein Next Best Action?
Crie os registos de recomendação para cada ação elegível, construa uma estratégia no Strategy Builder que carregue, filtre, ramifique e ordene esse conjunto de recomendações, e depois arraste o componente Einstein Next Best Action para uma página de registo Lightning, página do Experience Cloud ou fluxo. As respostas são registadas para que a aceitação e a rejeição possam ser reportadas.
Qual é a diferença entre Einstein Next Best Action e Agentforce?
Einstein Next Best Action recomenda: ele classifica um conjunto de registos de recomendação predefinidos e mostra os melhores a um humano, que aceita ou rejeita. O Agentforce atua: ele executa workflows agentivos sobre a estrutura do Salesforce com as suas próprias instruções e ferramentas. Nenhum classifica pela margem incremental esperada ou reserva um holdout aleatório por decisão, então ambos precisam de um score de uplift externo se o KPI for receita incremental.

Recursos relacionados

Ver no produto

Isto funciona em Markin hoje.

Os mesmos loops que esta nota descreve são executados 24 horas por dia, 7 dias por semana, na sua base de clientes. Veja o espaço de trabalho decidir, experimentar e executar 1:1.