Einstein Next Best Actionを拡張してみた

こんにちは。

今回は、Spring '19 にて正式リリースされた
Einstein Next Best Actionを更に効果的に活用できる機能を紹介いたします。
※細かい設定方法は別の機会でご紹介できればと思います。

なんとなく便利なイメージはあるけど
実務ではあまりEinstein機能を活用できていない方もいらっしゃるのではないでしょうか？

本ブログをきっかけに、Einstein機能を使用して業務を効率化していただければ幸いです。

レコード情報によって、最適解となるおすすめ情報を表示する機能です。

詳しくは、下記の記事が参考になります。

一例ではありますが、下記の場面で活用が可能です。
・お客様からのお問い合わせに対して、最適なトークスクリプトを表示する
・お問い合わせ後に​必要な事務処理作業を表示する
・お客様からの要望に対して、最適な商品を表示する

今回は、[お客様からの要望に対して、最適な商品を表示する]ができるように設定してみました。
オブジェクト：商談
項目：説明

要件①[説明]項目の値に'勤怠管理'が含まれていればmitocoを表示する

要件②[説明]項目の値に'お問い合わせ'が含まれていればOMLINE-Iを表示する

要件③おすすめの[商品追加]を押下後、おすすめの商品を商談商品に追加する
※[商品追加]を押下後の挙動は画面フローで実現しています。

Einstein Next Best ActionはEinstein機能ではありますが、AI機能は組み込まれていません。

それに伴い、下記の問題点が浮かび上がります。

①戦略作成の作業量が膨大になる
[Strategy Builder]で〇〇の場合、〇〇をおすすめとして表示するという挙動を実装しますが
おすすめとして表示したいレコードが多い程、作業のボリュームが増えてしまいます。
仮に商品が1万レコード存在する場合、現実逃避してしまうのではないでしょうか。


②ニーズの変化に伴う、おすすめ表示の条件変更が手動対応
時代のニーズや流行によって[おすすめ]されるレコードと顧客の要望に乖離が生まれ始めている。
とユーザが感じても、今まで通りのパターンに沿って表示をすることしか出来ません。
修正したい場合には、手動で[Strategy Builder]変更する必要があります。
仮に商品が1万レコード存在する場合、且つニーズが激変した場合、現実逃避してしまうのではないでしょうか。


③予測を立てることができず、本当の意味で最適解のおすすめが表示されない
例えば、[顧客離脱の可能性が高い取引先に対して事前フォローを入れておきたい]という要望があったとします。
実現するために[Strategy Builder]で戦略を作成することになりますが、下記の通り問題は山積みです。
・顧客離脱の要因は取引先によって変わる
・顧客離脱率の判断＝[戦略]作成者or営業責任者の主観が介入する
・担当者が把握していない別の顧客離脱要因がある


上記課題の解決手段となる機能を紹介いたします。
■Einsteinレコメンデーションビルダー
■Einstein予測ビルダー

Einsteinレコメンデーションビルダーは、AIが過去のレコードを分析し、最適なおすすめレコードを判断する機能です。​
※単体では使用できません。Next Best Actionと組み合わせる機能となります

設定時、3つのオブジェクトを指定する必要があります。

①おすすめ項目オブジェクト(送信)
Next Best Actionに表示したいレコードのオブジェクト

②受信オブジェクト
Next Best Actionを使用するオブジェクト

③インタラクションオブジェクト(中間)
インタラクションオブジェクトのレコードがAIの判断材料となります。
※[送信]と[受信]の中間オブジェクト

一例ではありますが、下記の場面で活用ができます。
・進行中の[商談]に対して、過去の傾向からアップセルの可能性が高い[商品]を表示する
・[求職者]に対して、過去の[商談]の傾向からマッチングしやすい[求人]を表示する

今回、実装方法の詳細は割愛しますが、
Einsteinレコメンデーションビルダーを使用することで、上記で挙げていた課題を解決することが可能です。

①戦略作成の作業量が膨大になる
おすすめ表示を自動判断することで[Strategy Builder]で戦略を作成/メンテナンスの作業が大幅に削減できます。

②ニーズの変化に伴う、おすすめ表示の条件変更が手動対応
実績に基づいた判断をAIが下すため、表示条件の修正作業が必要なくなります。
※実績データの日付範囲を絞るなど工夫が必要になる場面はあります。

Einstein予測ビルダーは、『蓄積されたデータ』から学習して、下記2点の予測モデルを作成する機能です。
①[はい]/[いいえ]　二択の質問項目
②数値項目
※カスタム項目に予測結果を表示 or コンポーネントとしてLEXページに配置することで使用できます

​

一例ではありますが、下記の場面で活用ができます。
・顧客満足度調査で★５が貰えるか予測(2択)
・顧客離脱率を数値化
・リードから商談へ移行の確立を数値化

今回は、[離脱の可能性が高い取引先に対して事前フォローを入れる]ができるように設定してみました。

オブジェクト：取引先
項目：説明

要件①Einstein予測で[顧客離脱率]を数値化
Einstein予測ビルダーを使用して、取引先の項目情報から[顧客離脱率]を割り出しています。

要件②顧客離脱率が20%以上であれば、フォローアップのタスクを[Next Best Action]で表示
アプリケーションビルダーの[コンポーネントの表示を設定]で実現しています。
閾値が低いことには目をつぶってください。

いかがでしたか？

Einstein機能は奥が深く、設定で戸惑う箇所も多いですが設定してしまえば、日々の業務効率化に貢献できる機能が多いです。

今回紹介した機能は日本での実例は少ないですが、AI(人工知能)機能はSalesforce社でも力を入れている分野のため利用例は増えていくものだと思われます。

ご興味のある方は是非試してみてください。