Einstein Next Best Action 入门
学习目标
完成本单元后，您将能够：
- 说明 Einstein Next Best Action 是什么以及它解决的问题。
- 描述 Einstein Next Best Action 的优点
- 说明可以应用到 Einstein Next Best Action 的许多用例。
商业情报的兴起
当今的公司可以获得比以往任何时候都多的客户情报。管理这笔信息财富并把它转化为前瞻性的商业决策不仅事关生存，而且事关在任何行业蓬勃发展。我们来简单回顾一下我们是如何走到今天的——过去四十年企业如何利用情报。
20 世纪 80 年代，当主机开始成为主流时，几乎没有任何容量。为了让企业分析其重要数据，主机生成了一份员工大约每月使用一次的报表。这些报表启发了如今商业情报一词，包含一些重要的 KPI，比如产生的总收入、当月成交数量等等，帮助领导们了解他们的业务在发生什么。从 20 世纪 90 年代到 21 世纪初，报表开始变得越来越强大。企业可以数字化查看报表，将数据可视化的仪表板变得流行起来。
临近 2010 年的时候，企业将商业情报与预测模型相结合，不仅可以知道他们的业务在发生什么，而且知道为什么它会发生。通过预测模型，企业还能预测他们在某些领域的表现，比如各行业的销售指标，这样经理们可以做到最佳人员配备。
如今，情报无处不在。许多公司专门为每条业务线、每个行业或每个部门提供商业情报或预测模型。企业还通过数据科学家或业务分析师团队开发内部情报。我们被几乎可以即时使用的数据、情报和知识包围。这张图列示我们在 Salesforce 以及合作伙伴生态系统中拥有的情报来源的一些例子。
|
Salesforce |
合作伙伴生态系统 |
| Marketing Cloud Engagement 个性化 |
IBM Watson |
| Einstein 预测生成器 |
Conga |
| Einstein Discovery |
Cogito |
| Commerce Cloud Einstein |
nCino |
| Commerce Cloud B2B |
Google BigQuery |
情报来源还可能包括您的业务规则、战术和战略，指导在不同的情境下采取行动。比如，作为一家企业，您可能会给居住在东海岸或加州的客户提供特殊的折扣，以吸引客户。
丰富的情报带来新的挑战
伴随着如此多的情报来源，可能会出现一系列挑战。这些挑战包括：
- 整合：我如何把我的所有情报来源整合到一张视图中？
- 交付：如何在合适的时间与合适的人在他们能够最好地理解的情况下分享每一条情报？
- 激活：某个人获得了某一条情报后，她或他如何快速按照那条情报采取行动？
通过 Einstein Next Best Action 给出更好的建议
要想引领市场，您需要一个统一的情报来源中心——销售、服务、营销以及其他贡献收入的部门的情况一览无余。您需要明确地决定推荐什么、什么时候、在什么渠道上推荐，而 Einstein Next Best Action 正好可以做到这些。
假设您是一家电信公司的客服人员。您接到一个老客户 Anna Van Loan 的电话，把她的联系人页面拉出来了。您回答她的问题并且在联系人页面上记录更新信息。挂掉电话之前，您在联系人页面的右侧，注意到一个嵌入式 Einstein 预测生成器组件提示 Anna 的流失几率很高。由于那条预测，您看到 Einstein Next Best Action 的另一个组件建议为她登记自动续约计划。于是您问她对自动续约计划是否有兴趣，因为这个计划每月可以为她节省 20% 的电话费。Anna 很高兴，立即接受了。您在这条建议上单击接受，并且发出一封确认函到 Anna 的邮箱。她接受并加入了自动续约计划。您重新加载她的联系人页面来确认，“自动续约”字段自动打勾了。
恭喜，您刚刚提高了一位客户的满意度并且留住了她！
统一的情报来源
对于第一个挑战整合，通过 Einstein Next Best Action，您可以把 Salesforce 和非 Salesforce 数据、业务规则、操作策略、战术、预测模型以及更多商业情报整合在一个地方。您再也不需要打开数据分析师创建的预测模型 Excel 电子表格，将它与 Salesforce 中的仪表板进行并排比较。
展示可操作的情报
对于第二个挑战交付，您还需要一种方法快速把每一条情报送到合适的人手中，并且是以那个人可以使用的格式。
Einstein Next Best Action 让您可以定义建议，方便不同人群就在他们工作的地方直接使用。建议可以包含任何东西，从提醒服务代表每次通话结束时向美国客户说“Thank you”，向墨西哥客户说“Gracias”，到建议续约客服人员给可能购买增值服务的客户发送优惠信息。
连接建议与自动化
某位同事或员工收到一条建议后，他们需要一种方法快速根据建议采取行动。
回到向 Anna Van Loan 推荐自动续约的例子，如果没有 Einstein Next Best Action，客服人员将不得不完成一个手动流程来给她这个优惠。有了它，客服人员只需要点击“接受”即可。Lightning Flow（Salesforce 的内置功能）将自动打包并把优惠信息通过电子邮件发给 Anna，这样客服人员不需要离开联系人页面，从而节省时间，停留在语境之中。
针对不同业务线的应用
下面是您可以展现的不同类型建议的一些例子。
|
销售 |
服务 |
市场营销 |
商务 |
| 给合同即将到期的客户发送通知 |
给刚刚来电的客户发送 CSAT 调查 |
根据预测的糟糕表现暂停一项市场活动 |
给参与度低的客户发送邮件，详细介绍最值得推荐的产品 |
| 向符合要求的客户追加销售产品或服务 |
向符合要求的客户追加销售产品或服务 |
根据参与几率给客户发送自定义优惠信息 |
根据平均订单价值给不同客户群体发送不同的优惠信息 |
| 根据销售预测建议如何分配资源 |
给流失风险高的客户发送优惠信息 |
给在社交媒体上提升品牌美誉度的客户发送优惠信息 |
根据购买数据把捆绑的产品推荐打包在一起 |
| 如果有一个新的热门潜在客户或者某个客户有希望跟进，给予提醒 |
如果产品很有可能需要维修，给客户发送检验通知 |
给在网站上放弃购物车的客户发送折扣券 |
根据退货几率给客户发送恰当的协议 |
| 根据签约几率给潜在客户发送自定义提案 |
给很有可能把个案升级到社交媒体的客户发送自定义协议/消息 |
建议把某个客户添加到某项市场活动 |
根据在网站上的逗留时长建议联系客户 |
独立软件厂商 (ISV)，大部分属于我们的 Appexchange 生态系统，可以在 Einstein Next Best Action 的基础上展现专门针对其客户的业务线的建议。下面是一些例子。
|
Salesforce ISV/合作伙伴 |
Einstein Next Best Action 用例 |
| nCino |
专门为金融服务客户打造，推荐任何东西，从定期贷款到与某个客户打高尔夫的提醒，依据的是从 Einstein Discovery 创建的预测模型。 |
| Cogito |
客服电话过程中的语音分析，监测客户情绪，向服务代表提供实时建议如何最好地与这个客户打交道。 |
| Conga |
筛选客户合同，向合同经理提供关键建议，以确保恰当地表述语言、口授和条款。 |
我如何得到 Einstein Next Best Action？
您可以试用 Einstein Next Best Action，看看它可以带来多大的变化。只需打开“设置”页面，单击左边的流程自动化下拉菜单，然后单击 Einstein Next Best Action。
在下一个单元，我们将一窥幕后，看看 Einstein Next Best Action 是如何运转的。
