EngX Code Review: начни писать код еще лучше и построй эффективный процесс код-ревью.

Что такое Salesforce Service Cloud Einstein и как с ним работать: обзор основных функций интеллектуального ассистента

Автор статьи — Associate Director Salesforce Practice в EPAM Джолин Уайт.

Что-то на айтишном12 октября 2023время чтения: 3 мин

Введение

В недавно опубликованном 5-м издании отчета Salesforce State of Service отмечается смещение фокуса на повышение эффективности и отклонение обращений (англ. case deflection), наряду с другими стандартными ключевыми показателями эффективности обслуживания. Service Cloud Einstein — это интеллектуальный ассистент, объединяющий важные функции, которые помогают автоматизировать работу службы поддержки путем отклонения обращений и снижения занятости операторов. Разобравшись в Service Cloud Einstein, вы сможете оценить, какие функции лучше всего подходят для решения задач вашей компании.

Конечно, хотелось бы просто нажать волшебную кнопку и наблюдать за результатом со стороны, но не все так просто. Хорошая новость: при определенном планировании и анализе вы очень скоро сможете удивить ваших специалистов службы поддержки. В таблицах ниже — обзор конкретных деталей:

Salesforce Service Cloud Einstein обзор

Service Cloud Einstein KPI

Функции Service Cloud Einstein

К основным функциям можно отнести:

  • Einstein Bots*

  • Einstein Case Classification

  • Einstein Case Wrap-up*

  • Einstein Case Routing

  • Einstein Article Recommendations (примечание: используется вместо Suggested Articles)

  • Einstein Reply Recommendation*

  • Service Analytics

*Функция требует настройки Salesforce Chat.

Вспомогательные функции, технически не входящие в Service Cloud Einstein:

  • Einstein Next Best Action

  • Einstein Recommendation Builder

Большинство функций требует дополнительных лицензий, однако несколько из них доступны для использования с реализацией в Service Cloud без чата:

  • Einstein Case Classification

  • Einstein Article Recommendations

  • Next Best Action и Einstein Recommendation Builder

Сколько данных нужно? Как модель обучается после начального запуска?

В процессе настройки Salesforce просканирует рабочую среду, чтобы убедиться, есть ли у вас достаточно данных, и сообщит результат. После начальной настройки может потребоваться до 24 часов на обучение и тестирование модели.

Это зависит от функций и от того, будет ли переобучение выполняться вручную или автоматически. Несмотря на то, что модель постоянно обновляется, нужно контролировать актуальность и корректность, чтобы работа сервисной команды была максимально эффективной.

Как создаются, тестируются и разворачиваются функции?

Поскольку Einstein находит паттерны в конкретном наборе данных среды, большинство функций должны быть созданы непосредственно на проде. Однако вы можете провести тестовый запуск создания функции в песочнице; при этом ни один доступный метод не поможет перенести ее на прод — вам придется перестроить ее.

Чтобы пользователи не видели новые функции, предоставьте им набор разрешений и видимость компонентов только тогда, когда вы готовы.

Как оценить результативность Service Cloud Einstein?

Следить за эффективностью моделей и функций Service Cloud Einstein можно четырьмя способами:

  • Setup

  • Standard Reports / Dashboards

  • Service Analytics + Tableau

  • App Exchange Dashboard / Reports

Оценка эффективности моделей и функций Service Cloud Einstein

С чего начать?

1. Начните с функций, уже включенных в вашу лицензию Service Cloud.

2. Чтобы выбрать правильный инструмент, определите, на какие KPI вы хотите повлиять.

3. Прежде чем перейти к следующим функциям, для начала эффективно реализуйте одну выбранную функцию.

4. Пересмотрите и очистите существующие данные обращений и статей, чтобы Einstein выдал наиболее релевантную информацию.

5. Вовлеките конечных пользователей в процесс. Это поможет наладить рабочие отношения и запустить естественный цикл обратной связи.

6. Создайте отдельную команду для рецензирования, написания и создания статей.

7. Назначьте небольшую команду, которая будет продолжать наблюдать за моделями после создания и совершенствовать их, чтобы получить максимальную пользу от имплементации. Обязательно выделяйте на это время каждый месяц, чтобы постепенно улучшать обратную связь конечных пользователей и сами модели. Имплементация и постоянное обслуживание этих функций никогда не переходят в статус done, но зато они позволяют достигать значимых результатов по воздействию на KPI.

8. Добавьте в свой план успехи, которые будете отмечать с командой и конечными пользователями в процессе использования ассистента Einstein.

Материалы по теме
Следи за новостями на любимых платформах