Einstein Lead Scoring

Disponible avec : Lightning Experience et Salesforce Classic

Disponible avec Sales Cloud Einstein, qui est inclus avec les éditions Performance et Unlimited, et disponible moyennant un coût supplémentaire avec l'édition Enterprise

Le Score des pistes Einstein utilise la science des données et l’apprentissage machine pour découvrir les modèles de conversion de piste de votre activité. En fonction de vos modèles, Einstein prédit vos pistes actuelles à traiter en priorité. En utilisant l’apprentissage machine, Einstein Lead Scoring offre une solution plus simple, plus rapide et plus précise que les traditionnelles approches de score de piste basées sur des règles.

Einstein analyse vos pistes passées afin d'identifier les pistes actuelles les plus proches des pistes déjà converties. Par défaut, Einstein calcule le score de vos pistes en utilisant la plupart des champs de pistes. Si votre administrateur détermine qu'un champ n'affecte pas la qualité des pistes, il peut demander à Einstein de ne pas l'inclure.

Einstein crée également des catégories internes pour certains champs de texte de piste qui peuvent inclure des valeurs différentes ayant une signification similaire. Par exemple, les entreprises utilisent différents noms pour désigner des fonctions identiques. En utilisant le titre de la piste, Einstein associe chaque piste à un Niveau de responsabilité et à un Service. Si le titre de la piste est PDG, Einstein attribue le niveau de responsabilité Dirigeant. En associant des pistes à une plus petite liste de niveaux de responsabilité et de services, Einstein peut trouver plus facilement des modèles dans vos données.

En fonction de cette analyse des données, Einstein crée un modèle prédictif pour votre organisation. Einstein renouvelle l'analyse des données de vos pistes tous les 10 jours et actualise vos scores. Si de nouvelles tendances émergent, Einstein ne passe pas à côté.

Lorsque vous calculez le score de toutes les pistes sans créer de segments et que les données de conversion des pistes sont insuffisantes pour élaborer votre modèle prédictif, Einstein utilise un modèle global. Le modèle global utilise des données anonymes provenant de nombreux clients de Salesforce. Lorsque vous avez suffisamment de données de pistes, Einstein élabore un modèle de score avec vos données et utilise ce modèle pour générer les meilleurs résultats.

Einstein Lead Scoring ajoute un champ Score de la piste. Ce champ permet aux commerciaux de classer les pistes par priorité en fonction de leurs similitudes avec les pistes converties par le passé. Les pistes actuelles qui obtiennent le score le plus élevé sont les plus proches des pistes déjà converties.

Le score de piste est affiché dans le composant Score Einstein, dans les pages de détail de piste. Le composant indique également aux commerciaux les champs de la piste dont l'influence est la plus importante sur son score (1). Selon la piste, les champs avec des influences positives ou négatives sont affichés. Les champs non répertoriés dans le composant Score Einstein influencent toujours le score, mais moins que les champs répertoriés.

Lorsque vous ou vos utilisateurs ajoutez le champ Score Einstein aux vues de liste, le survol d'un score (1) affiche les principaux facteurs (2) qui contribuent au score. En observant les pistes qui obtiennent le meilleur score, les commerciaux peuvent augmenter le taux de conversion. Le verrou (3) indique que le score est en lecture seule.

Einstein Lead Scoring inclut un tableau de bord avec des rapports qui affichent les métriques de score de piste importantes pour votre organisation.

• Score de piste moyen par source de piste
• Taux de conversion par score de piste
• Répartition des scores de piste : opportunités converties et perdues