Introdução ao Einstein Next Best Action
Objetivos de aprendizagem
Após concluir esta unidade, você estará apto a:
- Explicar o que é o Einstein Next Best Action e os problemas que ele resolve.
- Descrever os benefícios do Einstein Next Best Action.
- Explicar os muitos casos de uso que podem ser aplicados ao Einstein Next Best Action.
Ascensão da Business Intelligence
Hoje em dia, as empresas têm acesso a mais insights sobre clientes do que nunca. Gerenciar esse manancial de informações e transformá-lo em decisões empresariais voltadas para o futuro é crucial não só para sobreviver, mas também para prosperar em qualquer setor. Vamos dar uma olhada em como chegamos aqui; como as empresas vêm consumindo insights nos últimos 40 anos.
Na década de 80, quando os mainframes começaram a se tornar mainstream, eles quase não tinham capacidade. Para que uma empresa possa analisar seus dados cruciais, os mainframes precisam criar um relatório que possa ser consumido pelos funcionários pelo menos uma vez por mês. Esses relatórios inspiraram o termo Business Intelligence e incluíam KPIs importantes, como a receita total gerada, o número de negócios fechados no mês e muito mais para ajudar líderes a entender o que estava acontecendo em seus negócios. Dos anos 90 até o início dos anos 2000, os relatórios começaram a ficar mais robustos. As empresas passaram a poder ver os relatórios digitalmente, e os painéis para visualizar dados estavam se tornando populares.
Perto de 2010, as empresas estavam combinando business intelligence com modelos preditivos para não só entender o que estava acontecendo em seus negócios, mas por que isso estava acontecendo. Com modelos preditivos, as empresas também puderam prever como se sairiam em determinadas áreas (por exemplo, cotas de vendas por setor) para que os gerentes pudessem munir a equipe com os melhores recursos.
Hoje, a inteligência é onipresente. Muitas empresas se especializam em business intelligence ou em modelos preditivos para cada linha de negócios, setor ou segmento. As empresas também desenvolvem inteligência internamente com equipes de cientistas de dados ou analistas de negócios. Estamos rodeados de dados, insights e conhecimentos que podem ser consumidos praticamente na mesma hora. O gráfico fornece alguns exemplos das fontes de insights que temos na Salesforce e em nosso ecossistema de parceiros.
|
Salesforce |
Ecossistema de parceiros |
| Marketing Cloud Engagement Personalization |
IBM Watson |
| Einstein Prediction Builder |
Conga |
| Einstein Discovery |
Cogito |
| Commerce Cloud Einstein |
nCino |
| Commerce Cloud B2B |
Google BigQuery |
As fontes de insight também podem incluir suas regras, táticas e estratégias comerciais para agir em situações diferentes. Por exemplo, como uma empresa, você pode ser obrigado a restringir a oferta de determinado desconto aos clientes dependendo de onde eles residem, por exemplo, na Costa Oeste ou na Califórnia.
Um manancial de insights traz um novo conjunto de desafios
Com tantas fontes de insights, podem surgir desafios. Os desafios incluem:
- Integração: como incorporar todas as minhas fontes de insights em um só modo de exibição?
- Entrega: como cada insight pode ser compartilhado com a pessoa certa na hora certa e no contexto que eles possam entender melhor?
- Ativação: quando uma pessoa recebe um insight, como ela pode atuar sobre esse insight rapidamente?
Melhores recomendações com o Einstein Next Best Action
Para liderar o mercado, você precisa de um hub unificado para suas fontes de insight; um olho que tudo vê em vendas, serviços, marketing e outros departamentos que geram receita. Você precisa de um processo decisório claro sobre o que recomendar, quando e em quais canais, e o Einstein Next Best Action oferece exatamente isso.
Imagine que você é um representante de uma empresa de telecomunicações. Você recebe uma chamada de um de seus clientes de longa data, Anna Van Loan, e abre a página de contato dela. Você responde à pergunta e registra a atualização na página de contato. Mas antes de desligar, no lado direito da sua página de contato, você nota um componente do Einstein Prediction Builder incorporado dizendo que Anna tem uma alta probabilidade de atrito. Por causa dessa previsão, você vê outro componente do Einstein Next Best Action que recomenda configurá-la no plano de renovação automática. Em seguida, você pergunta se ela está interessada no plano de renovação automática porque pode economizar 20% da conta de telefone a cada mês. Anna fica felicíssima e aceita imediatamente. Você clica em Aceitar na recomendação e envia uma confirmação para o email de Anna. Ela aceita e o plano de renovação automática é configurado para ela. Você verifica isso recarregando a página de contato dela; o campo de renovação automática é marcado automaticamente.
Parabéns, você acabou de tornar uma cliente muito mais feliz e manteve o negócio com ela!
Unificar fontes de insight
Para o primeiro desafio da integração, com o Einstein Next Best Action, você pode integrar dados do Salesforce e externos, regras comerciais, estratégias de ação, táticas, modelos preditivos e outros de seus insights de negócios em um só lugar. Você nunca mais vai ter que usar uma planilha do Excel dos modelos preditivos que seu analista de dados criou e compará-la lado a lado com um painel no Salesforce.
Revelar inteligência acionável
Para o segundo desafio de entrega, você também precisa de uma maneira de repassar cada insight para as pessoas certas rapidamente e em um formato que possa ser consumido por essas pessoas.
O Einstein Next Best Action permite definir recomendações de maneira a facilitar o consumo por diferentes conjuntos de pessoas, exatamente onde elas estão trabalhando. As recomendações podem incluir desde lembrar seu representante de atendimento para dizer "obrigado" aos clientes no Brasil ou "gracias" aos clientes na Argentina no final de cada chamada até recomendar que o representante de renovações envie uma oferta a um cliente que provavelmente comprará um serviço de complemento.
Conectar as recomendações à automação
Quando um colega de trabalho ou funcionário recebe uma recomendação, ele precisa ser capaz de agir rapidamente.
Voltando ao exemplo de oferecer renovação automática a Anna Van Loan, sem o Einstein Next Best Action, o agente teria que concluir um processo manual para ela obter a oferta. Com ele, tudo o que o agente precisa fazer é clicar em Aceitar. O Lightning Flow (um recurso no Salesforce) empacotará e enviará automaticamente o email da oferta para Anna e, assim, o agente nunca precisará sair do página de contato, economizando tempo e permanecendo no contexto.
Aplicativos para diferentes linhas de negócio
Veja alguns exemplos dos tipos de recomendações que você pode revelar.
|
Vendas |
Serviço |
Marketing |
Comércio |
| Enviar uma notificação ao cliente de que o contrato vai vencer |
Enviar pesquisa do CSAT para o cliente que acabou de ligar |
Colocar uma campanha em espera com base no mau desempenho previsto |
Enviar a um cliente com pouca interação um email detalhando os produtos mais recomendados |
| Fazer upselling de produto ou serviço a um cliente que atenda aos requisitos |
Fazer upselling de produto ou serviço a um cliente que atenda aos requisitos |
Enviar uma oferta personalizada ao cliente com base na probabilidade de interação |
Enviar ofertas diferentes para diferentes grupos de clientes com base no valor médio do pedido |
| Recomendar como alocar recursos com base nas previsões de vendas |
Enviar uma oferta a um cliente com alto risco de atrito |
Enviar ofertas a clientes que representam bem a marca nas redes sociais |
Recomendações de produtos empacotados com base em dados de compra |
| Lembrete sobre um novo lead interessante ou uma promessa de acompanhamento com um cliente |
Enviar um aviso de inspeção a um cliente se os itens tiverem grande probabilidade de necessidade de reparos |
Enviar desconto a um cliente que abandonou o carrinho no site |
Enviar a interação adequada ao cliente com base na probabilidade de devolução de um item |
| Enviar uma proposta personalizada a um cliente potencial com base na probabilidade de interação |
Enviar interação/mensagem personalizada ao cliente com alta chance de escalar o caso para as redes sociais |
Recomendar a adição de determinado cliente a uma campanha específica |
Recomendar a interação com o cliente com base no tempo passado no site |
Fornecedores de software independentes (ISVs), cuja maioria faz parte de nosso ecossistema do AppExchange, também podem criar com base no Einstein Next Best Action para revelar recomendações direcionadas às linhas de negócios de seus clientes. Veja alguns exemplos.
|
ISV/parceiro do Salesforce |
Caso de uso do Einstein Next Best Action |
| nCino |
Criado para clientes de serviços financeiros e recomenda desde empréstimos de longo prazo a lembretes para jogar golfe com uma conta, com base em modelos preditivos criados pelo Einstein Discovery. |
| Cogito |
Análise de voz durante uma chamada de atendimento ao cliente para detectar o sentimento do cliente e fornecer recomendações em tempo real ao representante de serviço sobre como interagir melhor com o cliente. |
| Conga |
Analisa os contratos com os clientes e oferece recomendações essenciais aos gerentes de contrato para fazer com que a linguagem, o ditado e os termos sejam transmitidos adequadamente. |
Como posso obter o Einstein Next Best Action?
Você pode experimentar o Einstein Next Best Action facilmente e ver a diferença que ele pode fazer. Basta ir para a sua página de configuração, clicar na lista suspensa Automação de processos à esquerda e clicar em Einstein Next Best Action.
Na próxima unidade, vamos dar uma olhada nos bastidores para ver como o Einstein Next Best Action funciona.