Einstein レコメンデーションビルダーを知る
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 レコメンデーションビルダーとは何か、どのような問題を解決できるかを説明する。
- Einstein レコメンデーションビルダーの利点を説明する。
- Einstein レコメンデーションビルダーが役立つユースケースを挙げる。
おすすめは AI の時代に突入
おすすめ。それはあらゆる場所に登場します。
ランニングシューズを勧める靴店の店員。最新の探偵シリーズを提案する動画ストリーミングサービス。もっと野菜を食べてピザを控えるように指示する医師。
ただしすべてのおすすめが同等ではありません。次のシナリオを考えてみてください。あなたはデートで食事に行き、ウェイターにチーズの盛り合わせのおすすめを尋ねます。まず勧められた盛り合わせは素晴らしいチーズばかりでしたが、値段が $100 ドルと高く、デートの相手のハートを溶かすようなデザートのための予算が減ってしまいます。2 つ目のおすすめは $10 ドルのベーシックな盛り合わせでした。残念なことにそのチーズはぱっとせず、これを選んでしまうと自分のセンスが疑われそうです。
どちらのおすすめにも良い点がありますが、どちらも素晴らしいおすすめともいえません。
では、このウェイターがおすすめの基準となる人口統計比較データなどの情報の宝庫にアクセスできたらどうでしょうか? または、あなたのデートの相手がいつもどんなチーズを注文しているか、どのチーズが人気があるか、お客様から送り返されたことがあるチーズはどれかなどを知っていたらどうでしょうか?
彼が Einstein レコメンデーションビルダーにアクセスできたらどうでしょうか?
Einstein の世界に生きている私たち
Einstein レコメンデーションビルダーでは AI の力とビッグデータの有用性を組み合わせることで、単におすすめを作成するだけではなく、最良のおすすめを作成できます。
Einstein レコメンデーションビルダーは Salesforce CRM に保存されたデータにアクセスすることで機能します。Einstein はデータからの何千ものデータポイントや属性 (収益や業種など) を分析することで類似する対象 (同等の取引先や類似する顧客など) を特定し、インテリジェントなおすすめを生成します。
2 つの Salesforce オブジェクトを接続することで、あらゆるもの (おすすめ項目) をあらゆる人 (受信者) に推奨できます。接続できるのは任意の 2 つの標準またはカスタム Salesforce オブジェクト (管理パッケージオブジェクトを含む) です。
次に例を示します。お客様からの作業指示があったが、そこにお客様の問題を解決するための適切な商品の部品が含まれていないとします。Einstein レコメンデーションビルダーを使用すれば、過去に類似する作業指示を解決するためにどの部品が使用されたかを調べることができます。
- 推奨する Salesforce オブジェクト (おすすめ項目オブジェクト) を選択します。この場合は、部品情報が含まれている [商品] オブジェクトです。
- 次に受信者オブジェクトを選択します。これはおすすめを受信するオブジェクトです。この場合は、[作業指示] オブジェクトです。
- 最後にインタラクションオブジェクトを選択します。このオブジェクトには上記の 2 つのオブジェクト間の過去のインタラクションが保存されています。この場合は、[使用された商品] オブジェクトです。
- おすすめに名前を付け、[保存] をクリックします。Einstein レコメンデーションビルダーで処理が開始され、類似する商品と作業指示の履歴を使用してこの作業に適した部品が推奨されます。
Einstein レコメンデーションビルダーのその他の使用例を示します。(オブジェクトは異なる場合があります)
| シナリオ | おすすめ項目オブジェクト | 受信者オブジェクト |
| 既存のお客様に新しい商品を推奨する | 商品 | 取引先責任者または取引先 |
| 雇用を受け入れる可能性が最も高い関連応募者を推奨する | Job Posting (求人掲載) | Candidate (候補者) |
| 平均商談規模を大きくするために見積で関連商品を推奨する | 商品 | 見積 |
| お客様の問題に対する最善のソリューションを推奨する | 解決 | ケース |
| 見込み客に最適な販売プロモーションを推奨する | Offer (オファー) | リード |
おすすめはさらにアクションにする必要がありますが、それは簡単です。おすすめ戦略を使用して、おすすめを Einstein Next Best Action に渡してアクション (お客様の携帯電話の新しいバージョンに 10% 割引を提示するなど) に変換します。Next Best Action ではビジネスニーズ (この商品のプロモーションをユーザーに提示する前に十分な在庫があることを確認するなど) を満たすように AI のおすすめにビジネスルールを追加できます。おすすめを受け入れると、フロー (お客様へのメールの送信、割引の提示、新しいクレジットカードの申し込み開始など) がトリガーされます。ユーザーのアクション/応答は Salesforce に記録され、Einstein ではこれを使用して今後のおすすめが調整されます。そうです。Einstein レコメンデーションビルダーはさらに賢くなっていきます。
おすすめは商品詳細ページ、コンソールアプリケーション、Salesforce コミュニティ内に表示できます。また、REST API を使用して外部アプリケーションにも表示できます。
Einstein レコメンデーションビルダーを使用する主な理由
Einstein レコメンデーションビルダーを理由する理由はいくつかあります。
最適なおすすめを得られる。Einstein レコメンデーションビルダーは強力です。人間よりもはるかに多くのデータを処理できます。このパワーと洗練された AI によって、高品質なおすすめが提供されます。
自動化されている。ユーザーがお客様の購入履歴、収益源、会社の規模、業種、自動販売機に置かれているポテトチップの種類を調べて計画を立てることは可能ではあります。ただし、Einstein レコメンデーションビルダーにその面倒な作業を任せることができます。
コードではなくクリックを使用する。Einstein レコメンデーションビルダーでおすすめを作成するにはコーディングは不要で、エンドツーエンドのプロセス全体でも必要なコーディングはわずかです。(若干のコーディングが必要になる場合があります。たとえばフローを作成する場合などです。)
総計値の透明性が高く、やり直しが可能。Einstein レコメンデーションビルダーではおすすめの品質とその数値の根拠となる各種数値の説明が表示されます。おすすめの品質に満足できない場合には、セグメント化と項目除外のパラメーターを調整して、もう一度 Einstein レコメンデーションビルダーを実行すれば、新しいおすすめを得られます。
スケーラブルである。現在の商品が 5 個や 10 個であれば、各お客様に最適なものを推奨するように営業担当をトレーニングできます。ただし、商品カタログが大きい場合はどうでしょうか? また、営業担当が増えるにつれて、全員がすべての商品に関して同じ専門知識を習得できるようにトレーニングするのは難しくなります。Einstein レコメンデーションビルダーでは、何千もの選択肢から特に関連性の高い商品が常に選択されるため、拡大するのが容易です。また、先週チームに加わったばかりの新人営業担当にも同じようにうまく機能します。
使用方法
Einstein レコメンデーションビルダーの使用方法については次の単元でさらに詳しく説明しますが、概要は次のとおりです。
古代のガリア人のように、Einstein レコメンデーションビルダーの使用は 3 つに分けられます。(古代ガリア人とは異なり、ローマ軍とケルト族との戦いは起きません。)3 つのステップは次のとおりです。
- 作成Einstein レコメンデーションビルダーを起動し、いずれかの事前設定済みテンプレートを選択するか、カスタムおすすめのために独自のオブジェクトを選択し、おすすめに名前を付け、次に進みます。
- 評価Einstein レコメンデーションビルダーによっておすすめが作成された後に、それをリリースするか、条件を微調整してから Einstein レコメンデーションビルダーをもう一度実行し、おすすめを改善することができます。
- リリース満足できるおすすめができたら、Einstein Next Best Action に渡し、任意の場所 (コンソールアプリケーションなど) に表示します。
Einstein レコメンデーションビルダーについての説明は以上です。シンプルで強力です。
