Skip to main content

Porządkowanie danych Salesforce dla Agentforce: przewodnik obiekt po obiekcie

Playbook porządkowania danych Salesforce dla Agentforce na poziomie pól. Które obiekty i pola czyścić najpierw dla agentów obsługi i sprzedaży, zmapowane na DQS.

Zaktualizowano

Porządkowanie danych Salesforce dla Agentforce: przewodnik obiekt po obiekcie

To, które obiekty Salesforce czyścisz najpierw, zależy od tego, jakich agentów wdrażasz. Agenci obsługi czytają Case i Knowledge; agenci sprzedaży czytają Lead, Opportunity, Account i Contact. Ten przewodnik obejmuje „gdzie“ porządkowania danych Salesforce dla Agentforce — konkretne obiekty i pola do wyczyszczenia, wymiar zagrożony w każdym z nich oraz działania czyszczące do wykonania.

„Kiedy“ — czteroetapowy harmonogram otaczający tę pracę — znajdziesz w artykule Jakość danych dla Agentforce: przygotowanie danych Salesforce pod AI. Ten artykuł mieści się w Fazie 2 tego harmonogramu, w której naprawiasz dane obiekt po obiekcie. Uruchom skan DQS na każdym obiekcie, zanim zaczniesz, abyś wiedział, które pola faktycznie zawodzą, zamiast czyścić pola, które już są w porządku.

Porządkowanie na tym poziomie nie jest opcjonalne przygotowanie. Według badań Salesforce State of Data and Analytics, 84% liderów ds. danych i analityki stwierdziło, że ich strategia danych wymaga całkowitej przebudowy, zanim ich ambicje AI będą mogły się powieść. Obiekt po obiekcie remediation to jak ta przebudowa wygląda w praktyce wewnątrz CRM.

Account

Agenci sprzedaży czytają Account, aby oprzeć odpowiedzi na branży, lokalizacji i relacji klienta. Gdy agent odpowiada na pytanie „co wiemy o tym koncie“, czerpie z tych pól.

Pole priorytetowe Zagrożony wymiar Co złe dane robią agentowi
Name Unikalność Zduplikowane konta rozbijają historię, więc agent pobiera częściowy rekord
Industry Spójność „Tech“, „Technology“ i „IT“ są czytane jako trzy segmenty, psując oparte na danych odpowiedzi
BillingCountry Spójność „US“, „USA“, „United States“ fragmentują kontekst geograficzny
Phone / Website Poprawność Zniekształcone wartości dają bezużyteczne dane kontaktowe w odpowiedziach

Działania czyszczące:

  • Uruchom skan unikalności, aby znaleźć zduplikowane rekordy Accounts przed wdrożeniem. Duplikaty uczą agenta sprzecznych faktów o tym samym kliencie. Zobacz Unikalność.
  • Użyj Import from Field na Industry i BillingCountry, aby odkryć każdy istniejący wariant, a następnie zdefiniuj wartości kanoniczne w Definition Builder i znormalizuj.
  • Uruchom skan poprawności na Phone i Website, aby wychwycić zniekształcone wpisy. Celuj w pola, w których Validity Rate spada poniżej 90%.

Contact

Agenci czytają Contact, aby zidentyfikować, z kim mają do czynienia i jak się skontaktować. Agent sprzedaży redagujący wiadomość outreach pobiera stąd imię, stanowisko i e-mail.

Pole priorytetowe Zagrożony wymiar Co złe dane robią agentowi
Email Poprawność Nieprawidłowe adresy sprawiają, że sugerowany przez agenta kontakt zawodzi
Phone Poprawność Zniekształcone numery pojawiają się jako uszkodzone dane kontaktowe
Title Kompletność Puste stanowiska usuwają kontekst roli, którego agent używa do personalizacji
MailingCountry Spójność Niespójne wartości kraju źle kierują odpowiedzi specyficzne dla regionu

Działania czyszczące:

  • Uruchom skan poprawności na Email i Phone. To pola, na których agent działa, więc błędy formatu zamieniają się w nieudane działania. Zobacz Poprawność.
  • Uruchom skan kompletności na Title i zmierz Completeness Rate. Brakujące stanowiska pozbawiają agenta kontekstu roli, którego potrzebuje, by dostosować wiadomość.
  • Ustandaryzuj MailingCountry za pomocą Import from Field, dopasowując do listy kanonicznej zdefiniowanej na Account, aby oba obiekty były zgodne.

Case

Agenci obsługi pracują przede wszystkim na Case. Agent czyta Subject i Description, aby zrozumieć problem, a następnie opiera swoją odpowiedź na tym kontekście. To obiekt o największej dźwigni dla wdrożenia obsługi.

Pole priorytetowe Zagrożony wymiar Co złe dane robią agentowi
Description Kompletność Puste pole Description nie daje agentowi kontekstu, więc zwraca generyczną odpowiedź
Subject Kompletność Brakujące tematy osłabiają klasyfikację i kierowanie spraw
Status / Origin Spójność Wariantowe wartości fragmentują widok agenta na stan i kanał sprawy
Description / Comments PII Detection Numery SSN i kart wklejone z e-maila trafiają do kontekstu AI

Działania czyszczące:

  • Uruchom skan kompletności na Description. Kompletność Description równa się kontekstowi agenta; puste pole to najczęstszy powód, dla którego agent obsługi odpowiada ogólnikowo. Zobacz Kompletność.
  • Ustandaryzuj Status i Origin za pomocą Import from Field, aby ujawnić każdą istniejącą wartość, a następnie znormalizuj do swojej kanonicznej picklisty.
  • Uruchom skan PII na Description i Case Comments. Email-to-case przechwytuje wiadomości klientów zawierające PII, a agent może ujawnić to PII w odpowiedzi. Zobacz PII Detection oraz przewodnik po zgodności PII dla Agentforce.

Lead

Agenci sprzedaży czytają Lead, aby kwalifikować i kierować napływające zainteresowanie. Agent decyduje o kolejnych działaniach na podstawie firmy, źródła i statusu, więc luki tutaj kierują leady na niewłaściwą ścieżkę.

Pole priorytetowe Zagrożony wymiar Co złe dane robią agentowi
Email Poprawność Nieprawidłowe adresy psują napędzane przez agenta follow-upy
Company Kompletność Brakujące dane firmy blokują logikę kwalifikacji
LeadSource Spójność Niespójne źródła zniekształcają decyzje agenta o kierowaniu
Status Spójność Wariantowe statusy mylą, gdzie lead znajduje się w lejku

Działania czyszczące:

  • Uruchom skan poprawności na Email i skan kompletności na Company. Te dwa pola decydują o tym, czy agent w ogóle może działać na leadzie.
  • Użyj Import from Field na LeadSource i Status, aby znaleźć rozbieżności, a następnie ogranicz do zdefiniowanego zbioru wartości. Zobacz Spójność.
  • Uruchom skan PII na wszelkich polach notatek lub description, gdzie przedstawiciele wklejają surowe wiadomości napływające.

Opportunity

Agenci sprzedaży czytają Opportunity, aby odpowiadać na pytania o pipeline i prognozy. Nieaktualny etap lub brakująca kwota daje pewną siebie, lecz błędną odpowiedź o statusie transakcji.

Pole priorytetowe Zagrożony wymiar Co złe dane robią agentowi
StageName Spójność Niestandardowe etapy zniekształcają obraz tego, gdzie stoją transakcje
CloseDate Terminowość Przeszłe daty zamknięcia na otwartych transakcjach uczą agenta nieaktualnych faktów o pipeline
Amount Kompletność Brakujące kwoty zniekształcają każdą prognozę raportowaną przez agenta

Działania czyszczące:

  • Uruchom skan terminowości, aby oznaczyć otwarte Opportunities z CloseDate w przeszłości. Nieaktualne daty sprawiają, że agent raportuje pipeline, który już nie istnieje. Zobacz Terminowość.
  • Uruchom skan kompletności na Amount. Agent podsumowujący wartość pipeline nie może zrobić tego wiarygodnie, gdy kwoty są puste.
  • Potwierdź, że StageName odpowiada Twojemu zdefiniowanemu procesowi sprzedaży za pomocą skanu spójności.

Knowledge

Agenci obsługi opierają odpowiedzi na artykułach Knowledge. Agent pobiera artykuł i przedstawia jego treść jako autorytatywną odpowiedź, więc nieaktualny lub ubogi artykuł staje się błędną odpowiedzią udzieloną z pewnością siebie.

Pole priorytetowe Zagrożony wymiar Co złe dane robią agentowi
Data ostatniej modyfikacji Terminowość Nieaktualne artykuły dają przestarzałe odpowiedzi, które agent przedstawia jako aktualne
Title / Summary Kompletność Uboga metadana osłabia pobieranie, więc agent cytuje niewłaściwy artykuł
Treść artykułu PII Detection Osadzone dane klientów mogą wyciec do wygenerowanej odpowiedzi

Działania czyszczące:

  • Uruchom skan terminowości względem daty ostatniej modyfikacji, aby ujawnić artykuły przekraczające Twój próg aktualności. Nieaktualne artykuły to główne źródło pewnych siebie, lecz błędnych odpowiedzi obsługi.
  • Uruchom skan kompletności na Title i Summary. Agent używa ich do pobierania, więc słaba metadana prowadzi go do niewłaściwego źródła.
  • Uruchom skan PII na treści artykułu, aby potwierdzić, że do opublikowanego artykułu nie wklejono żadnych danych specyficznych dla klienta.

Które obiekty czyścić najpierw?

Czyść obiekty, które Twoi agenci faktycznie czytają, w kolejności, w jakiej ich odpowiedzi od nich zależą. Poniższa macierz mapuje priorytet czyszczenia na typ agenta.

Obiekt Agent obsługi Agent sprzedaży Agent wewnętrzny
Case Priorytet 1 Niski Średni
Knowledge Priorytet 1 Niski Priorytet 1
Account Średni Priorytet 1 Średni
Contact Średni Priorytet 1 Średni
Lead Niski Priorytet 1 Niski
Opportunity Niski Priorytet 2 Średni

Dla wdrożenia obsługi zacznij od kompletności Case Description i terminowości Knowledge, ponieważ te dwa pola decydują o tym, czy agent ma poprawny kontekst, na podstawie którego może odpowiadać. Dla wdrożenia sprzedaży zacznij od Account i Contact, a następnie przejdź do Lead i Opportunity. W każdym typie agenta najpierw uruchamiaj skany PII na polach tekstowych, które agent czyta, ponieważ znalezisko PII to kwestia zgodności, a nie jakości. Lista kontrolna gotowości danych dla Agentforce wymienia progi przed wdrożeniem do osiągnięcia na każdym obiekcie.

Dalsze kroki