breadcrumbDescription
Minimer tid til at lukke modelskabelon
Forstå de vigtige faktorer, der skaber kortere handelscyklusser uden, at du skal bekymre dig om, hvor du skal begynde.
Bemærk Einstein Discovery-historier er nu modeller. Vi ønsker, at vi kan tage vores finger på at opdatere navnet overalt, men du kan forvente at se det forrige navn nogle få steder, indtil vi erstatter det.
Denne artikel beskriver appen og tilknyttede aktiver, som Einstein Discovery genererer, når du opretter en model ved brug af modelskabelonen Minimer tid til at lukke.
Anvendelsessituation
Forudsætninger
Einstein Discovery kontrollerer din organisation for at bestemme, om den opfylder kravene til generering af en app fra denne skabelon.
| Kontroller for | Hvad der kræves |
|---|---|
| Minimumkrav | Mindst 400 lukkede vundne salgsmuligheder. |
| Valgfrie objekter |
|
| Feltadgang | Den bruger, der er logget ind, har adgang til alle de felter, der er nødvendige for at opbygge en app fra skabelonen. |
| Salesforce-konfiguration | Organisation bruger registreringstyper. |
| Data | 400 vundne salgsmuligheder inden for de sidste tre år (op til 1095 dage). |
Genererede aktiver
Einstein Discovery genererer en app, der indeholder følgende aktiver.
| Aktivtype | Standardnavn | Beskrivelse |
|---|---|---|
| Model | Minimer tid til at lukke | Forklarer de styrende faktorer til minimering af tiden til at lukke for en salgsmulighed samt foreslåede handlinger til at forbedre det forudsagte resultat. Den indledende model fokuserer på felter, der bør give gode forudsigelsessignaler og undgår indlysende datalækage. |
| CRM Analytics-datasæt | Datasættet Salgsmulighedstræning | Datasæt, der bruges til at træne maskinlæringsmodellen. |
| CRM Analytics-dataforberedelsesopskrift | appName_opskrift | Dataforberedelsesopskrift, der trækker relevante kontooplysninger fra Salesforce for at generere et datasæt, der bruges til at træne en maskinlæringsmodel. Design er baseret på bedste fremgangsmåde for funktionsteknik og datafiltre. |
| Dashboard | Om denne historie |
|
| Forudsigelsesdefinition, model | Minimer tid til at lukke, alder | Implementeret automatisk. |
Salesforce-objekter
- Konto
- Salgsmulighed
- Salgsmulighedshistorik
- Produkt
- Prisliste
- Opgave
- Begivenhed
- Bruger
- UserRole
Modelresultatvariabel og afledte variabler
Det genererede datasæt indeholder følgende data. Se datasættet eller historien for at få en komplet liste.
| Variabelnavn | Datatype | Beskrivelse |
|---|---|---|
| Alder (Resultat) | numerisk | Alder for salgsmuligheden baseret på antallet af dage mellem salgsmulighedens oprettelsesdato og lukkedato. |
| # Beløb reduceret | numerisk | Antal gange, salgsmulighedsbeløbet blev reduceret, før det blev lukket. |
| # Beløb øget | numerisk | Antal gange salgsmulighedsbeløbet blev øget, før det blev lukket. |
| # Lukkedato udskudt | numerisk | Antal gange lukkedatoen blev udskudt på salgsmuligheden, før den blev lukket. |
| # Udførte aktiviteter | numerisk | Antal udførte aktiviteter på salgsmuligheden. |
| # Tabte salgsmuligheder på konto | numerisk | Antal tidligere lukkede tabte salgsmuligheder, der er knyttet til en konto, når hver salgsmulighed er lukket. |
| # Antal vundne salgsmuligheder på konto | numerisk | Antal tidligere lukkede vundne salgsmuligheder, der er knyttet til en konto, når hver salgsmulighed er lukket. |
| Kontoperiode | numerisk | Antal dage, hvor kontoen har været en kunde på det tidspunkt, hvor hver salgsmulighed blev oprettet. Beregning: (Oprettelsesdato for salgsmulighed - Første vundne oprettelsesdato for salgsmulighed). |
| ///Owner Tenure | tekst | Hvor længe salgsmulighedsejeren har været en Salesforce-bruger. Beregning: (I dag - oprettelsesdato for bruger). |
| Topproduktfamilie | tekst | Topproduktfamilie, der er knyttet til hver salgsmulighed baseret på den salgsmulighedslinjevare med den højeste samlede pris. |
| Topproduktnavn | tekst | Topprodukt, der er knyttet til hver salgsmulighed baseret på den salgsmulighedslinjevare med den højeste samlede pris. |
Related information html
Løste denne artikel dit problem?
Giv os besked, så vi kan forbedre os!
