Вы находитесь здесь:
Использование неструктурированных данных в Data 360
Используйте неструктурированные данные в Data 360, чтобы заземлить агентов Agentforce, генерирующий искусственный интеллект, аналитику и сценарии использования автоматизации с бизнес-данными, которые предоставляют более глубокие важные данные для пользователей и клиентов.
Неструктурированные данные бывают разными. Рассмотрим распространенные примеры ниже.
| Тип данных | Примеры |
|---|---|
| Текстовые документы | Примечания к обращениям, отчеты, внутренние уведомления, собственноручные примечания, счета, визитки и электронные сообщения, содержащие подробные описания или разговоры |
| Мультимедийные файлы | Аудиофайлы из звонков в службу поддержки, подкастов, видеозаписей с обучающих сеансов, учебных пособий, встреч, изображений из обзоров продуктов, инфографики, отсканированных документов и медицинских изображений |
| Содержимое социальных сетей | Комментарии, сообщения или сообщения, содержащие отзывы, мнения или мнения клиентов |
| Веб-содержимое | Блоги, статьи и сообщения на форуме, обсуждающие продукты, услуги или взаимодействия с клиентами |
| Журналы чата | Диалоги из службы поддержки Live Chat, часто содержащие нюансы вопросов, жалоб и предпочтений |
| Датчик и данные IoT | Данные с носимых устройств или механизмов, которые не соответствуют стандартному формату, например, исходные данные акселерометра |
| Отзывы клиентов | Ответы на опрос, формы отзывов или отзывы, написанные свободным текстом |
Data 360 поддерживает несколько коннекторов и форматов файлов для неструктурированных данных. См. раздел «Неструктурированные коннекторы данных и ограничения и рекомендации Data 360».
Использование неструктурированных данных в бизнес-процессах на основе искусственного интеллекта, автоматизации и аналитики может помочь вам принимать обоснованные решения и улучшить работу клиентов.
Агенты Agentforce
Data 360 предоставляет данные клиентов, чтобы повысить контекстуальность и осведомленность агентов. Например, когда клиент обращается к агенту обслуживания Agentforce, Data 360 может добавить неструктурированные данные, например, сведения из прошлых электронных сообщений, билетов поддержки, фотографий продуктов или голосовых сообщений, чтобы помочь агенту лучше понять перспективу клиента. Затем гибридный поиск Data 360 может найти соответствующие статьи Knowledge для решения проблемы. Когда обращение об оказании услуги разрешено, Data 360 может помочь агенту выполнить следующие действия, например, автоматизировать дополнительные электронные сообщения или подготовить подробные сводки чата.
Ниже указан пример агента в действии.
Поколенческий искусственный интеллект
Создание дополненного извлечения (RAG) улучшает ответы на основе искусственного интеллекта, основывая их на неструктурированных данных, делая их более актуальными и точными. Дополнительные сведения см. в разделах Использование извлечения дополненного создания и Создание векторного поискового индекса с расширенной настройкой.
В Service Cloud агенты могут использовать скрытые данные в статьях Knowledge для более точного ответа на вопросы клиентов. Работая с Data 360, агенты могут просматривать неструктурированные данные, например, электронные сообщения, билеты поддержки и журналы чатов, чтобы получать дополнительные сведения и писать лучшие ответы, включительно с предложениями по устранению проблем до их возникновения.
В Sales Cloud агенты могут использовать неструктурированные данные, включительно с электронной почтой, транскриптами вызовов и примечаниями, для создания подробных и контекстуально значимых брифингов и сводок по встречам. Эти важные данные улучшают новые сообщения эл. почты с персонализированным содержимым и рекомендациями клиентов, повышая взаимодействие с клиентами и эффективность группы сбыта.
Автоматизация
Агенты могут автоматизировать идентификацию похожих записей, например, обращений, на основе их описаний для обозначения повторов и ускорения решения. Кроме того, агенты могут классифицировать записи путем поиска и использования семантически похожих записей, повышая эффективность и точность.
Analytics
Агенты могут использовать Tableau для получения важных данных из неструктурированных данных, например, классификации тем. Ознакомьтесь с примером в разделе «Улучшение анализа данных посредством векторного поиска в Tableau».
Примеры на основе рабочей группы
Рассмотрите данные сценарии использования для получения сведений о том, как использовать неструктурированные данные в разных функциях.
| Рабочая группа | AI | Автоматизация | Analytics | Поиск |
|---|---|---|---|---|
| Продажи | Подготовка ответов на RFP с использованием предыдущих предложений, контрактов и документации. | Проанализируйте электронные разговоры, чтобы автоматизировать оценку интересов. | Анализируйте записанные вызовы продаж для определения схем в конкурентных важных данных или интересах функций. | Подготовьте вызовы продаж с помощью важных данных из тысяч PDF-файлов и электронных сообщений. |
| Услуга | Оцените ремонт посредством анализа фотографий. | Активно отправляйте рекомендации по ремонту, определяя схемы в активах агентов. | Проанализируйте журналы чатов и продуктов, чтобы определить распространенные проблемы обслуживания. | Получите рекомендации статей Knowledge на основе контекста. |
| Маркетинг | Найдите строки темы, работающие над похожими шаблонами эл. почты. | Автоматизируйте последующие действия по кампаниям на основе определенных интересов продукта, обнаруженных в чатах поддержки. | Определяйте тенденции на основе отзывов клиентов на веб-сайтах. | Поиск отзывов из опросов для создания более гибких кампаний. |
