Använd den färdigbyggda konfigurationsmallen för ramverk för betyg för att installera och konfigurera betygsappen. Denna app skapar och utbildar den prediktiva AI-modellen för att projektera fakturarisknivåer.
Skapa och konfigurera betygsättning av fakturarisk:
Administratör för AI-aktiverare OCH betygsramverk
Anteckning Betygsättning av fakturarisk är en pilot- eller betatjänst som lyder under villkoren för betatjänster i avtal - Salesforce.com eller ett skriftligt enhetligt pilotavtal om det utförs av kunden, och tillämpliga villkor i produktvillkorskatalogen. Användning av denna pilot- eller betatjänst sker efter kundens eget gottfinnande.
I Inställningar, använd rutan Snabbsökning för att hitta och välja Betygsramverk.
Klicka på Ny mallkonfiguration.
Välj Betyg för fakturarisk som mallkonfigurationstyp.
Ange en etikett för mallkonfigurationen.
Välj modellläget Utbilda och distribuera för att börja betygsätta öppna fakturor direkt.
Spara ändringarna.
Löste denna artikel ditt problem?
Berätta för oss vad vi kan förbättra!
Laddar
Salesforce Help | Article
Cookie Consent Manager
Cookie Consent Manager
General Information
Required Cookies
Functional Cookies
Advertising Cookies
General Information
We use three kinds of cookies on our websites: required, functional, and advertising. You can choose whether functional and advertising cookies apply. Click on the different cookie categories to find out more about each category and to change the default settings.
Privacy Statement
Required Cookies
Always Active
Required cookies are necessary for basic website functionality. Some examples include: session cookies needed to transmit the website, authentication cookies, and security cookies.
Functional Cookies
Functional cookies enhance functions, performance, and services on the website. Some examples include: cookies used to analyze site traffic, cookies used for market research, and cookies used to display advertising that is not directed to a particular individual.
Advertising Cookies
Advertising cookies track activity across websites in order to understand a viewer’s interests, and direct them specific marketing. Some examples include: cookies used for remarketing, or interest-based advertising.