위치:
고객 매출 극대화 모델 템플릿
마지막 365일에 기반하여 세일즈 증가로 이어지는 계정 유형을 분석합니다. 선형 회귀 모델을 사용하여 추가 매출을 가져올 수 있는 계정을 예측합니다.
노트 이제 Einstein Discovery 스토리가 모델입니다. 어디에서든 이름을 쉽게 업데이트할 수 있다면 좋겠지만, 이름을 업데이트하는 동안 변경이 완료되기 전까지는 몇몇 장소에서 이전 이름이 사용될 수 있습니다.
사용 사례
전제 조건
Einstein Discovery가 조직을 검사하여 Salesforce 조직이 이 템플릿에서 앱을 생성하기 위한 요구 사항을 충족하는지 확인합니다. 가장 최근에 마감된 기회를 찾고 그 이전 연도의 데이터를 사용하여 모델 교육 데이터 집합을 생성합니다.
| 확인 사항 | 필수 항목 |
|---|---|
| 최소 요구 사항 | 이전 연도의 첫 6개월 이내에 마감 수주 기회가 있는 고유 계정 400개 이상 |
| 옵션 개체 |
|
| 개체 및 필드 액세스 | 통합 사용자 및 로그인한 사용자는 템플릿에서 앱 구축에 필요한 개체 및 필드에 액세스할 수 있음
|
생성된 자산
Einstein Discovery는 다음 자산을 포함하는 앱을 생성합니다.
| 자산 | 기본 이름 | 설명 |
|---|---|---|
| 모델 | 고객 매출 극대화 | 계정의 고객 매출을 극대화하는 동인을 설명하고 결과를 개선하는 방법에 대한 권장 사항을 제시합니다. 초기 모델은 좋은 예측 신호를 제공할 수 있고 명백한 데이터 누출을 방지해야 하는 필드에 중점을 둡니다. |
| CRM Analytics 데이터 집합 | 계정 교육 데이터 집합 | 기계 학습 모델을 교육하는 데 사용되는 데이터 집합입니다. |
| CRM Analytics Data Prep 레시피 | appName_recipe | 관련 계정 정보를 Salesforce에서 가져와 기계 학습 모델을 교육하는 데 사용되는 데이터 집합을 생성하는 Data Prep 레시피입니다. 디자인은 모범 사례 기능 엔지니어링 및 데이터 필터를 기반으로 합니다. |
| 대시보드 | 이 스토리 정보 |
|
| 예측 정의, 모델 | 예측 고객 매출, 예측 매출 | 자동으로 배포됩니다. |
Salesforce 개체
- 계정
- 기회
- 제품
- 리드
모델 결과 변수 및 파생 변수
생성된 데이터 집합에는 다음 데이터가 포함됩니다. 전체 목록을 보려면 데이터 집합 또는 모델을 참조하십시오.
| 변수 이름 | 데이터 유형 | 설명 |
|---|---|---|
| 매출 총액(결과) | 숫자 | 지난 3년 동안 각 계정에 대해 수주로 마감된 모든 기회의 합계 |
| # Leads Converted | 숫자 | 지난 일수 동안 각 계정에 대해 전환된 리드 수 |
| # Won Deals | 숫자 | 총 매출액을 계산하는 데 사용된 시간 범위를 기반으로 계정당 수주 총 거래 |
| 집계.FirstDealDate | 날짜 | 매출 총액을 계산하는 데 사용되는 시간 범위를 기반으로 각 계정에 대해 첫 번째로 마감된 수주 기회의 마감 일자 |
| AvgDealAge | 숫자 | 매출 총액을 계산하는 데 사용된 시간 범위를 기반으로 계정당 거래가 마감되기까지의 평균 시간 |
| AvgDealSize | 숫자 | 매출 총액을 계산하는 데 사용된 시간 범위를 기반으로 하는 계정당 평균 거래 규모 |
| Top Product Family | 텍스트 | 총액이 가장 큰 기회 행 항목을 기반으로 하는 각 기회와 연결된 상위 제품군 |
| Top Product Name | 텍스트 | 총액이 가장 큰 기회 행 항목을 기반으로 하는 각 기회와 연결된 상위 제품 |
다음 사항도 참조:
이 기사를 통해 문제를 해결했습니까?
개선을 위한 의견을 보내주세요.
