Skip to main content
Build the future with Agentforce at TDX in San Francisco or on Salesforce+ on March 5–6. Register now.

了解机器学习预测

学习目标

完成本单元后,您将能够:

  • 了解机器学习可以为您的 CRM 数据做些什么。
  • 确定使用机器学习预测的方法。

解锁数据的力量 

现如今已有千万亿兆字节的数据。作为人工智能 (AI) 时代的公司,您拥有的数据可以预测未来的结果并推动决策。但根据 Salesforce 未开发数据研究,尽管五分之四 (80%) 的商业领袖表示数据对决策至关重要,但大多数公司都没有利用其数据潜力。 

使用一种称为机器学习 (ML) 的 AI,您可以将历史数据转换为预测性见解。这种称为预测型 AI,与生成式 AI 不同。 

  • 预测型 AI 揭示,使用现有数据发现有关数据的新内容。例如,预测型 AI 预估损耗或欺诈的可能性。
  • 生成式 AI 协助,使用现有数据创建类似于现有数据的新数据。例如,生成式 AI 会创建新文本和图片。

要了解有关预测型 AI 与生成式 AI 的更多信息,请查看 AI 的数据基础知识中的探索 AI 技术和应用单元。 

将机器学习融入您的业务

机器学习的预测性见解使业务用户能够更快做出更好的决策。使用机器学习中的预测型 AI 来推动整个组织的创新、效率和战略决策。以下是预测性见解的一些主要用例(但还有很多)。

团队

用例

销售

  • 提高转化率
  • 提高胜率
  • 缩短交易时间
  • 增加回头客
  • 提高终身价值
  • 折扣影响
  • 预测预期收入
  • 智能空白
  • 交叉销售

服务 

  • 升级可能性
  • 流失风险
  • 提高 CSAT/NPS
  • 减少处理时间

财务

  • 预测收入
  • 减少逾期付款
  • 提高发票完成率
  • 利润最大化
  • 降低成本
  • 减少磨合
  • 降低合规风险
  • 预测长期价值 (LTV)

分析

  • 对数据进行分类
  • 对数据进行评分

人力资源

  • 个性化优势
  • 提高团队生产力
  • 减少磨合
  • 为潜在客户评分
  • 雇佣可能性
  • 提高候选人目标
  • 确定最佳表现者

市场营销

  • 提高媒体花费
  • 提高广告 ROI
  • 察觉市场变化
  • 提高转化率

运营

  • 改进库存管理
  • 提高网络利用率
  • 提高准时交货
  • 降低成本
  • 优化资源
  • 采用可能性

机器学习的优势,无需数据科学经验

您不需要成为数据科学家即可利用机器学习。虽然数据科学家经常参与训练和完善 ML 模型,但模型的见解是为业务用户准备的。据哈佛商业评论报道,数据科学家很难传达 ML 见解的价值,并将“决策者未使用的结果”列为最大挑战之一。 

将 ML 添加到 Salesforce 可以缩小数据科学家和业务部门之间的差距。在 Salesforce 中,用户可以根据 ML 见解做出决策并采取行动,无需阅读数据科学报告。

您可以使用 Einstein 将历史数据转化为对组织有意义的见解。

  1. Einstein Studio:将 Data Cloud 中 ML 驱动的见解与已连接的模型数据科学团队结合使用,方法是连接到该团队并将模型见解引入 Salesforce。您可以将模型保留在原处(如 AWS SageMaker),并在 Salesforce 中利用其 ML 驱动的见解。
  2. Einstein Discovery:在 Einstein 的指导下,在 CRM Analytics 中从头开始构建自己的 ML 模型。依靠 Einstein 引导您在 Data Cloud 中构建、训练、评估和激活 ML 模型。

现在,您了解了机器学习可以为您的数据做些什么,并可以确定您的组织可以从 ML 驱动的预测中受益的方式。 

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