進行状況の追跡を始めよう
Trailhead のホーム
Trailhead のホーム

Einstein プラットフォームの使用

学習の目的

この単元を完了すると、次のことができるようになります。

  • Einstein プラットフォームでシステム管理者や開発者が独自のスマートアシスタントをどのように構築できるかを説明する。
  • 各 Einstein プラットフォーム商品を挙げる。

独自のスマートアシスタントの構築

前の単元で学習したように、リリースされた Einstein には各 Salesforce クラウドで有効になる標準機能が付属しています。ただし、企業が固有の方法で顧客とやりとりできるように、Salesforce システム管理者や開発者が Salesforce インスタンスをカスタマイズしていることは誰でも知っています。Salesforce のカスタマイズには多くの方法が用意されていますが、Salesforce Einstein のカスタマイズについてはどうでしょうか?

Einstein プラットフォームでは、すべてのシステム管理者や開発者が独自の AI 搭載アシスタントを広範なユースケースに合わせて構築できます。ポイント & クリック操作とプログラム機能を使用して、Salesforce にあるオブジェクトに関する予測を行うアプリケーションを作成できます。 

すべての Einstein プラットフォーム商品には、単元 1 で説明したスマートアシスタントコンポーネントが 1 つ以上含まれています。以降では、独自のスマートアシスタントを構築できるプラットフォーム商品について説明します。

Einstein ボット

Einstein ボットでは、チャット、メッセージング、音声など、「顧客」のお気に入りのチャネルにスマートアシスタントを構築できます。Einstein ボットは自然言語処理 (NLP) を使用して一般的な質問に回答したり、適切な情報を収集したりして顧客に即座にヘルプを提供し、質問やケースが複雑な場合はエージェントに会話をシームレスに引き継ぎます。 

ある E コマース企業では、サービスチームが複数の異なるチャネルから大量の問い合わせを受けています。Einstein ボットを使用すると、ビジネス用のチャットボットを作成して、顧客からの特定のよくある質問 (パスワードの更新や注文状況の更新など) にすぐに答えることができます。これにより、サービスエージェントは複雑で微妙なケースに取り組む時間を増やすことができ、顧客はすばやく答えを得て時間を節約できます。その時点で Einstein ボットに答えがなければ、顧客のチャットウィンドウには直ちにブランド設定された歓迎の挨拶が表示されて、適切なエージェントにすぐ転送されます。顧客は瞬間的でモバイルな Web 主導の世界で生活しているため、1 対 1 のサービスが即座に提供されることを期待しています。速やかに応答を得られなければ、ブランドのことをあまり考えなくなります。Einstein ボットはこのストレスをなくします。

Einstein ボットのしくみについての対応するビジュアル

Einstein Voice

メモ

メモ

Einstein Voice は、特定の契約条件への同意が必要なパイロットプログラムを通じて一部のお客様に提供されています。Einstein Voice は変更される可能性があり、Salesforce がドキュメント、プレスリリース、または公式声明で正式リリースを発表しない限り、正式リリースされません。特定期間内の正式リリースあるいはリリースの有無は保証できません。現在正式にリリースされている商品および機能に基づいて購入をご決定ください。

Einstein Voice を使用すると、すべてのユーザがどのデバイスからでも Salesforce に話しかけることができます。Einstein Voice は、話しかけることができるスマートアシスタントを、組織が使用できるようにする機能 (Einstein Voice アシスタント) と、顧客が使用できるようにする機能 (Einstein Voice ボット) の 2 つのバケットで構成されます。

Einstein Voice アシスタント

Einstein Voice アシスタントを使用すると、組織のユーザは声で Salesforce を操作できます。

成績優秀な営業組織があるとします。営業担当は、商品の紹介、顧客との交渉、商談の成立で忙しくしていますか、まだ目標に達していません。どうすれば、この組織により早く商談を成立させて目標を達成するための力を与えることができるでしょうか?

米国南東地域のシニアアカウントエグゼクティブである Sandra の例を見てみましょう。Sandra は毎朝、起きるとメールを開き、その日に最も注意を払う必要がある取引先、商談、およびミーティングに優先順位を付けています。もし何を優先すべきか教えてもらえるとしたらどうなるでしょうか?

Einstein Voice アシスタントは、毎朝 (自宅でベッドに寝たままメールを読んでいる) Sandra に、何を優先して注意を払うべきかを教えることができます。自分で考えなくてもすむため、その分の時間、早起きをして、それらのミーティングに向けた用意をし、1 日の準備ができます。

3 時間後、Einstein Voice アシスタントは、見込み客 Sharper Fish, LLC とのミーティングについて伝えます。このミーティングはうまく行きました。商談はまもなく成立しそうですが、その前に、ある商品マネージャに商品の機能について確認する必要があります。通常、Sandra はメモとアクション項目を書き出すか、入力します。それには時間がかかるだけでなく、デスクのどこかに紛れ込んでなくなることもあります。Einstein Voice アシスタントを使用すると、Sandra はミーティングからの帰りに運転しながら自分のスマートフォンを使用して Salesforce に声でメモを記録できます。Einstein は、アクション項目を理解し、それを実施するように通知し、Sandra に代わってフォローアップミーティングをスケジュールします。 

Einstein Voice アシスタントを利用して、Sandra は商品の機能に関する質問の答えをすぐに得て、Sharper Fish, LLC との商談を成立させることができました。次週、Sandra はマネージャと先月の案件の進捗状況と、パイプに残っている案件に関するミーティングを行います。日中は営業活動で忙しいため、通常、こうしたミーティング中に時間をかけてレコードを検索し、ダッシュボードを操作しています。ここでも、Sandra とマネージャは時間を節約できる可能性があります。Einstein Voice アシスタントを使用すると、Sandra は声で Salesforce の操作 (ダッシュボードの作成やナビゲーション、レコードの取得など) をすべてリアルタイムで行うことができます。 

Einstein Voice アシスタントの機能のグラフィック

Einstein Voice ボット

Einstein Voice ボットを使用すると、顧客は声でブランドとやりとりできます。

財布を販売する E コマース企業に、顧客から注文の最新状況に関する問い合わせが大量に寄せられているとします。Einstein Voice ボットを使用して、ブランド設定されたエクスペリエンスを宣言的に構築できるようになりました。顧客は、電話をかけたり、ポータルにログインしたりしなくても、スマートスピーカーに話しかけて最新の注文状況を確認できます。Voice アシスタントは Salesforce に統合されているため、顧客は (たとえば注文状況に関する) 質問をし、Einstein Voice ボットが Salesforce で検索を行い、答えを見つけて顧客に音声で返します。これにより、顧客は探している応答を一層簡単に取得でき、サービスエージェントはケースの解決を早め、より複雑で微妙なケースに対応できます。 

Einstein Voice ボットの機能のグラフィック

Einstein 予測ビルダー

Einstein 予測ビルダーは、シンプルなポイント & クリック操作のウィザードで、暗号化されていない Salesforce データに関するカスタム予測をすばやく作成できます。営業、サービス、マーケティング、コマース、IT、財務、さらに人事まで企業のどの部門に対しても、コードではなくクリック操作で予測を作成できます。 

予測ビルダーをビジネスにどう適用するかを理解するには、どのオブジェクト項目について予測したいか自問してください。

  • 「はい/いいえ」で答える質問への回答を予測する必要があるか? (バイナリ分類)
    • この郵便番号は自分のビジネスにとってよい商談か?
    • この顧客離反するか?
    • 新しい従業員に特定の種類のトレーニングが必要か?
    • ライト時間どおりに到着するか?
    • 顧客支払は遅れるか?
  • 金額を予測する必要があるか? (リグレッション — ベータ)
    • このをどれくらいの価格で販売できるか?

小売店に商品を卸している消費財企業で、最近、一部の店舗が商品の仕入れを打ち切るという大きな問題が起きています。そのため、小売店が離反するかどうかの予測をサービス担当に提供する必要があります。予測ビルダーを使用すると、どのオブジェクト (この場合は「小売店」) に対してどの項目 (この場合は「離反」) の予測を行うかを選択できます。次に、小売店向けの品目すべてと、小売店が離反しているかどうかどうか、さらに小売店に関する他の特性のすべてを含むデータセットを用意すると、AutoML がバックエンドで処理を行います。 

最後に、予測ビルダーが、顧客が離反するかどうかの確率 ([離反] 項目が空白の顧客すべてが対象) と、予測に関する最も肯定的および否定的な特性を提供します。

Salesforce コンソールに表示された予測の例

サービス担当は、この貴重な情報を入手でき、どの顧客とエンゲージすればよいかを把握し、さらに離反を防止するにはどうエンゲージすればよいかをより深く理解できるようになりました。最終的に、これが商談の不成立の減少や、ビジネスの収益増加につながります。

Einstein Next Best Action

Einstein Next Best Action (NBA) では、ルールベースの予測モデルを使用して、企業のユーザにインテリジェントでコンテキストに沿ったおすすめとオファーを提供できます。アクションは、最大の影響がある瞬間に提供され、Salesforce 内に直接インサイトが表示されます。

再び同じシナリオを使用しましょう。企業は顧客離反に苦労しており、サービス担当向けに、どの顧客が他の顧客と比べて離反しそうかを示す予測モデルをすでに作成しています。では、顧客が離反しないように提案する適切なおすすめをサービス担当に提供できるとしたらどうでしょうか?

次善アクションを使用すると、予測と結果に基づいてルールまたは提案を作成し、顧客に推奨できる最適なおすすめをサービス担当に提供できます。たとえば、離反の可能性が 80% 以上の顧客に対し、2 年間の契約延長で 10% 値引きを推奨する提案を作成したとします。サービス担当がそのカテゴリに当てはまる顧客の予測を見つけると、Lightning コンソールで直接、それらの顧客をフォローアップし、10% 値引きを送信することが推奨され、そのアクションを即座にすべて Salesforce 内から実行できます。

Salesforce コンソール内で提案を作成

離反の可能性が低い顧客を除外する戦略の作成例

このように、すべてのビジネスについてさまざまなシナリオに対応する多種多様なフォローアップ戦略の組み合わせを作成することで、Salesforce で提案がユーザに直接、自動的に表示され、日々の作業から当て推量をなくすことができます。

Salesforce コンソールでのおすすめの例

Einstein Discovery

Einstein 予測ビルダーと同様、Einstein Discovery でも、独自のデータサイエンティストを必要とせずに成果を予測できます。

予測ビルダーの顧客離反の問題に戻りましょう。ある消費財企業には何人かのアナリストがいて、さまざまなチームと協力して業務を最適化しています。この企業では、厳格なデータ要件で収集した多くのデータが Salesforce 内に保管されています。Salesforce インスタンスには、顧客離反を予測するのに役立つ重要な項目があります。サービス担当は、Lightning サービスコンソールで予測ビルダーから予測を受信していますが、いくつかの顧客が離反の危機にあることに気付き始めました。予測ビルダーには概要レベルの理由がいくつか表示されますが、サービス担当は問題の根底を知る必要があります。 

Einstein Discovery を使用すると、暗号化の有無に関係なく、誰もが会社のすべてのデータに対して関連するパターンを詳細に把握して顧客離反に関する予測ができます。また、予測モデルに投入するデータを詳細にコントロールして、より深い予測とインサイトを得ることもできます。 

たとえば、Einstein 予測ビルダーではサービス担当に、最後の購入が 3 か月前なので顧客が離反しそうだと示します。さらに、その店舗が商品に高い需要のある地域ではないことも理由となります。そのインサイトを使用して、サービス担当はどう対応すればよいのでしょうか? どのインサイトが他のインサイトより重要なのでしょうか? Einstein Discovery はそれに答えることができます。特定の小売地域にある消費者の需要がより重要であると告げられたらどうでしょうか? そのインサイトを使用して、サービスチームは営業、マーケティング、および商品チームと協力し、その地域の需要を満たす商品を設計したり、それらの地域でのマーケティングを強化して商品の認知度を高めたりできます。

Einstein Discovery を使用した将来の予測の例と対応するグラフ

Einstein Vision と Einstein Language

AI 対応のアプリケーションの作成は、非構造化データを利用してそこから意味を引き出す必要があるため、簡単ではありません。最初の単元で説明したように、ファイル内には、画像、テキスト、動画、ワード文書、音声ファイルなど、多くの種類の非構造化データがあります。とはいえ、この非構造化データに基づく予測はあらゆる企業にメリットをもたらします。そこで Einstein Vision と Einstein Language が役に立ちます。Einstein Vision と Einstein Language は API とサービスのセットで、Salesforce 開発者はそれらを使用してディープラーニング機能を任意のアプリケーションに追加でき、最終的にはエンドユーザが画像を分類してテキストから意味を抽出できるようになります。

Einstein Vision は、Einstein オブジェクト検出と Einstein Image Classification で構成されます。これらの API は共に画像の非構造化データを利用してそこから意味を引き出し、従業員が大規模にデータを分類できるようにします。たとえば、さまざまな商品のあるカメラ会社を所有しているとします。予想より頻繁に、機器が損傷します。会社の担当者は、機器の写真を撮り、Einstein Image Classification を利用して、機器の部品が故障しているかどうか、どこが故障しているかを把握し、修理費用がどの程度になるかを見積もることができます。これにより、機器の部品を端からすべて調べるという当て推量がなくなり、担当者は多くの時間を節約できます。

Einstein オブジェクト検出は、画像内にあるオブジェクトを抽出し、コンテキスト化します。たとえば、ある会社では倉庫にさまざまな種類の在庫があるとします。チームは在庫の写真を撮り、Einstein オブジェクト検出で特定の品目がいくつあるかを識別できるため、いつ追加注文するかを正確に計画でき、不要な支出をなくすことができます。

Einstein Vision の使用方法に関するグラフィック

Einstein Language は、Einstein Sentiment と Einstein Intent で構成されます。これらの API は共にテキストの非構造化データを利用してそこから意味を引き出し、顧客への理解を深められるようにします。たとえば、あるアパレル企業が新しいスウェットシャツのラインを発売したとします。新しいスウェットシャツのラインについて顧客がどう感じているかをマーケティング担当者が把握できるようにします。Einstein Language を使用すると、スウェットシャツのラインに関する情報 (スウェットシャツのラインの名前、色展開、サイズ展開、素材、販売されている場所など) を取り込むアプリケーションを作成できます。次に、Einstein がソーシャルメディアを通じて、人々がこの商品について投稿しているかどうか、商品について何を発言しているかを明らかにできます。Einstein Sentiment の肯定的および否定的センチメント条件を使用して、マーケティング担当者は、誰がこのスウェットシャツを高/低評価しているか、その理由は何かを把握して、マーケティング戦略を適宜調整できます。Einstein Intent を使用してさまざまなテキストをカテゴリ化すると、マーケティング担当者は、顧客が商品について何を発言しているか、色、質感、耐久性など何を話題にしているかをカテゴリ化できます。これを知ることで、チームの本質的なマーケティングおよび営業能力が向上します。

Einstein Language の使用方法に関するグラフィック

Salesforce Einstein を始める準備は整いましたか?

ここまで、Salesforce Einstein によって実現される内容を見てきました。引き続き次の [リソース] セクションで、関心のあるトピックを確認してください。

リソース

著作権

Rights of ALBERT EINSTEIN are used with permission of The Hebrew University of Jerusalem. (ALBERT EINSTEIN の権利は、ヘブライ大学の許可を受けた上で使用しています。)Represented exclusively by Greenlight. (Greenlight が排他的に代理人を務めています。)