Skip to main content

Bonifica dei dati Salesforce per Agentforce: guida oggetto per oggetto

Un playbook di bonifica dei dati Salesforce a livello di campo per Agentforce. Quali oggetti e campi pulire per primi per gli agenti di servizio e di vendita, mappati su DQS.

Aggiornato

Bonifica dei dati Salesforce per Agentforce: guida oggetto per oggetto

Quali oggetti Salesforce pulire per primi dipende da quali agenti distribuite. Gli agenti di servizio leggono Case e Knowledge; gli agenti di vendita leggono Lead, Opportunity, Account e Contact. Questa guida copre il dove della bonifica dei dati Salesforce per Agentforce — gli oggetti e i campi specifici da pulire, la dimensione a rischio per ciascuno e le azioni di pulizia da eseguire.

Per il quando — la tempistica in quattro fasi che circonda questo lavoro — consultate Qualità dei dati per Agentforce: preparare i dati Salesforce per l’AI. Questo articolo si colloca all’interno della Fase 2 di quella tempistica, in cui si bonifica oggetto per oggetto. Eseguite una scansione DQS su ogni oggetto prima di iniziare, così da sapere quali campi falliscono davvero, anziché pulire campi che vanno già bene.

La bonifica a questo livello non è un lavoro preparatorio opzionale. Nella ricerca di Salesforce State of Data and Analytics, l’84% dei leader di dati e analytics ha dichiarato che la propria strategia di dati necessita un rinnovamento completo prima che i propri ambizioni di IA possano avere successo. La bonifica oggetto per oggetto è il modo in cui quel rinnovamento si manifesta nella pratica all’interno di un CRM.

Account

Gli agenti di vendita leggono Account per fondare le risposte sul settore, sulla posizione e sulla relazione di un cliente. Quando l’agente risponde a «cosa sappiamo di questo account», attinge da questi campi.

Campo prioritario Dimensione a rischio Cosa fanno i dati errati all’agente
Name Unicità Account duplicati frammentano la storia, così l’agente recupera un record parziale
Industry Coerenza «Tech», «Technology» e «IT» vengono letti come tre segmenti, compromettendo le risposte fondate
BillingCountry Coerenza «US», «USA», «United States» frammentano il contesto geografico
Phone / Website ValiditĂ  Valori malformati producono dettagli di contatto inutilizzabili nelle risposte

Azioni di pulizia:

  • Eseguite una scansione di UnicitĂ  per trovare gli Account duplicati prima del deployment. I duplicati insegnano all’agente fatti contraddittori sullo stesso cliente. Vedere UnicitĂ .
  • Utilizzate Importa da campo su Industry e BillingCountry per scoprire ogni variante esistente, poi definite i valori canonici nel Definition Builder e normalizzate.
  • Eseguite una scansione di ValiditĂ  su Phone e Website per individuare le voci malformate. Concentratevi sui campi in cui il tasso di validitĂ  scende sotto il 90%.

Contact

Gli agenti leggono Contact per identificare con chi hanno a che fare e come raggiungerlo. Un agente di vendita che redige un messaggio di contatto estrae da qui il nome, il titolo e l’email.

Campo prioritario Dimensione a rischio Cosa fanno i dati errati all’agente
Email Validità Indirizzi non validi fanno fallire il contatto suggerito dall’agente
Phone ValiditĂ  Numeri malformati emergono come dettagli di contatto inutilizzabili
Title Completezza Titoli vuoti rimuovono il contesto di ruolo che l’agente usa per personalizzare
MailingCountry Coerenza Valori di paese incoerenti instradano male le risposte specifiche per regione

Azioni di pulizia:

  • Eseguite una scansione di ValiditĂ  su Email e Phone. Questi sono i campi su cui un agente agisce, quindi gli errori di formato si trasformano in azioni fallite. Vedere ValiditĂ .
  • Eseguite una scansione di Completezza su Title e misurate il tasso di completezza. Titoli mancanti privano l’agente del contesto di ruolo di cui ha bisogno per adattare un messaggio.
  • Standardizzate MailingCountry con Importa da campo, facendolo corrispondere all’elenco canonico definito su Account, così i due oggetti concordano.

Case

Gli agenti di servizio lavorano principalmente a partire da Case. L’agente legge Subject e Description per comprendere il problema, poi fonda la propria risposta su quel contesto. Questo è l’oggetto a più alta leva per un deployment di servizio.

Campo prioritario Dimensione a rischio Cosa fanno i dati errati all’agente
Description Completezza Un campo Description vuoto lascia l’agente senza contesto, così restituisce una risposta generica
Subject Completezza Subject mancanti indeboliscono la classificazione e l’instradamento dei case
Status / Origin Coerenza Valori variabili frammentano la visione dell’agente sullo stato e sul canale del case
Description / Comments Rilevamento PII SSN e numeri di carta incollati dalle email entrano nel contesto AI

Azioni di pulizia:

  • Eseguite una scansione di Completezza su Description. La completezza della Description equivale al contesto dell’agente; un campo vuoto è il motivo piĂą comune per cui un agente di servizio risponde in modo vago. Vedere Completezza.
  • Standardizzate Status e Origin utilizzando Importa da campo per far emergere ogni valore esistente, poi normalizzate sul vostro picklist canonico.
  • Eseguite una scansione PII su Description e sui Comments dei Case. L’email-to-case cattura messaggi dei clienti che contengono PII, e l’agente può portare alla luce quel PII in una risposta. Vedere Rilevamento PII e la guida alla conformitĂ  PII di Agentforce.

Lead

Gli agenti di vendita leggono Lead per qualificare e instradare l’interesse in entrata. L’agente decide le azioni successive a partire dall’azienda, dalla fonte e dallo stato, quindi le lacune qui mandano i lead lungo il percorso sbagliato.

Campo prioritario Dimensione a rischio Cosa fanno i dati errati all’agente
Email Validità Indirizzi non validi interrompono il follow-up guidato dall’agente
Company Completezza Dati aziendali mancanti bloccano la logica di qualificazione
LeadSource Coerenza Fonti incoerenti distorcono le decisioni di instradamento dell’agente
Status Coerenza Stati variabili confondono dove si colloca il lead nel funnel

Azioni di pulizia:

  • Eseguite una scansione di ValiditĂ  su Email e una scansione di Completezza su Company. Questi due campi determinano se l’agente può agire affatto su un lead.
  • Utilizzate Importa da campo su LeadSource e Status per individuare la deriva, poi vincolate a un insieme di valori definito. Vedere Coerenza.
  • Eseguite una scansione PII su qualsiasi campo note o descrizione in cui i rappresentanti incollano messaggi in entrata grezzi.

Opportunity

Gli agenti di vendita leggono Opportunity per rispondere a domande su pipeline e previsioni. Uno stadio obsoleto o un importo mancante producono una risposta sicura ma sbagliata sullo stato di una trattativa.

Campo prioritario Dimensione a rischio Cosa fanno i dati errati all’agente
StageName Coerenza Stadi non standard rappresentano male a che punto sono le trattative
CloseDate Tempestività Date di chiusura passate su trattative aperte insegnano all’agente fatti di pipeline obsoleti
Amount Completezza Importi mancanti distorcono qualsiasi previsione riportata dall’agente

Azioni di pulizia:

  • Eseguite una scansione di TempestivitĂ  per segnalare le Opportunity aperte con CloseDate nel passato. Date obsolete fanno sì che l’agente riporti una pipeline che non esiste piĂą. Vedere TempestivitĂ .
  • Eseguite una scansione di Completezza su Amount. Un agente che riassume il valore della pipeline non può farlo in modo affidabile quando gli importi sono vuoti.
  • Confermate che StageName corrisponda al vostro processo di vendita definito con una scansione di Coerenza.

Knowledge

Gli agenti di servizio fondano le risposte sugli articoli Knowledge. L’agente recupera un articolo e ne presenta il contenuto come risposta autorevole, quindi un articolo obsoleto o scarno diventa una risposta sbagliata fornita con sicurezza.

Campo prioritario Dimensione a rischio Cosa fanno i dati errati all’agente
Data ultima modifica Tempestività Articoli obsoleti producono risposte non aggiornate che l’agente presenta come attuali
Title / Summary Completezza Metadati scarni indeboliscono il recupero, così l’agente cita l’articolo sbagliato
Corpo dell’articolo Rilevamento PII Dati dei clienti incorporati possono trapelare in una risposta generata

Azioni di pulizia:

  • Eseguite una scansione di TempestivitĂ  sulla data di ultima modifica per far emergere gli articoli oltre la vostra soglia di aggiornamento. Gli articoli non aggiornati sono la principale fonte di risposte di servizio sicure ma sbagliate.
  • Eseguite una scansione di Completezza su Title e Summary. L’agente li utilizza per il recupero, quindi metadati deboli lo conducono alla fonte sbagliata.
  • Eseguite una scansione PII sul corpo dell’articolo per confermare che nessun dato specifico di un cliente sia stato incollato in un articolo pubblicato.

Quali oggetti dovreste pulire per primi?

Pulite gli oggetti che i vostri agenti leggono davvero, nell’ordine in cui le loro risposte dipendono da essi. La matrice seguente mappa la priorità di pulizia sul tipo di agente.

Oggetto Agente di servizio Agente di vendita Agente per i dipendenti
Case PrioritĂ  1 Bassa Media
Knowledge PrioritĂ  1 Bassa PrioritĂ  1
Account Media PrioritĂ  1 Media
Contact Media PrioritĂ  1 Media
Lead Bassa PrioritĂ  1 Bassa
Opportunity Bassa PrioritĂ  2 Media

Per un deployment di servizio, iniziate dalla completezza della Description dei Case e dalla tempestività di Knowledge, perché questi due campi determinano se l’agente ha il contesto corretto da cui rispondere. Per un deployment di vendita, iniziate da Account e Contact, poi passate a Lead e Opportunity. In ogni tipo di agente, eseguite prima le scansioni PII sui campi di testo che l’agente legge, poiché un risultato PII è un problema di conformità più che di qualità. La checklist di preparazione dei dati per Agentforce elenca le soglie pre-deployment da raggiungere su ogni oggetto.

Prossimi passi