Skip to main content
Join the Agentforce Hackathon on Nov. 18-19 to compete for a $20,000 Grand Prize. Sign up now. Terms apply.

了解 Einstein Discovery

学习目标

完成本单元后,您将能够:

  • 描述 Einstein Discovery 功能。
  • 解释 Einstein Discovery 针对的用例类型。

什么是 Einstein Discovery?

Einstein Discovery 在无需代码的快速迭代环境中,通过统计建模和有监督的机器学习,让您能够增强您的商业智能。使用 Einstein Discovery 模型可以呈现业务数据见解,并且可以预测未来的结果。部署 Einstein Discovery 模型,在整个组织中注入基于机器学习的建议。例如,在您的工作流中使用 Einstein Discovery 预测,或将 Einstein Discovery 预测添加到 Salesforce 页面,让 Einstein 提出改进预测结果的方法。有关 Einstein Discovery 可为您的组织做的所有事情的概述,请查看 Einstein Discovery:快速浏览。 

注意:Einstein Discovery 需要 CRM Analytics Plus 许可证或 Einstein 预测许可证,这两者都需要额外付费。

Einstein Discovery 可以帮助哪些类型的用例?

Einstein Discovery 支持这些常见的业务成果用例。 

用例

应用

回归

回归用于定量数据(度量)的数值结果,例如货币、计数或任何其他数量。例如,Einstein Discovery 可以帮助您了解业务机会的货币价值。

二元分类

二元结果,用于只有两种可能结果的文本数据。这些通常是用商业术语表达的是/否问题。例如,Einstein Discovery 可以帮助您赢得业务机会。

多类分类

包含 3 到 10 个可能结果的结果,表示为文本数据。例如,多类模型可以帮助您预测一个业务机会最有可能的下一阶段:是进入下一阶段,还是回到前一阶段,甚至跳过一个阶段。

插图以业务机会为例,显示了三个受支持的用例。

您想改善哪些业务成果?

成功之旅从迈出第一步开始。对于 Einstein Discovery 解决方案,第一步是选择您要解决的业务问题。在您的业务中,调查可以从部署 Einstein Discovery 支持的解决方案中获益最多的关键绩效指标 (KPI)。业务成果必须符合支持的用例之一:回归、二元分类或多类分类。

在本模块中,我们将探索一个示例场景,其中的目标是最大限度地赢得业务机会。业务结果非赢即输。因此,我们使用 Einstein Discovery 来解决二元分类问题。

您如何实施 Einstein Discovery 解决方案?

插图显示了要在此模块中完成的任务顺序。

本模块将引导您完成实施 Einstein Discovery 解决方案通常遵循的步骤。每个单元都针对流程中的一个不同步骤,从构建 CRM Analytics 数据集到探索数据见解以及预测和改进结果。

随着您熟悉每个步骤所涉及的任务,您开始了解实施成功的 Einstein Discovery 解决方案的迭代性质。Einstein Discovery 专为快速探索、实验和迭代改进而设计。 

进步是累积的,而不是线性的。您将边走边学。每一步,您都使用内置反馈来检查您的结果、审查您的假设、提出新问题、进行调整,然后再试。清理数据,在数据集中添加或删除列。应用筛选器和转换。调整模型阈值。以此类推。随着您对方法的调优,每项改进都可以帮助您更接近更好的运营成果。

资源

在 Salesforce 帮助中分享 Trailhead 反馈

我们很想听听您使用 Trailhead 的经验——您现在可以随时从 Salesforce 帮助网站访问新的反馈表单。

了解更多 继续分享反馈