Loading
Configuration et gestion de Retail Execution
Table des matières
Filtrer par (0)Ajouter
Sélectionner des filtres

          Aucun résultat
          Aucun résultat
          Voici quelques conseils de recherche

          Vérifiez l'orthographe de vos mots-clés.
          Utilisez des termes de recherche plus généraux.
          Sélectionnez moins de filtres pour élargir votre recherche.

            Recherchez dans toute l’aide de Salesforce
            Recherchez dans toute l’aide de Salesforce
            Mise à jour des données de prédiction dans une organisation Salesforce

            Vous êtes ici :

            1. Aide de Salesforce
            2. Documents
            3. Configuration et gestion de Retail Execution

            Mise à jour des données de prédiction dans une organisation Salesforce

            Utilisez les prédictions Einstein Discovery pour générer des recommandations de visite. Pour cela, créez une connexion de sortie afin de mapper les prédictions avec votre organisation Salesforce, puis créez une recette qui écrit les données de prédiction de chiffre d'affaires dans la connexion de sortie. Le nœud de sortie de la recette contient le connecteur de sortie, un objet personnalisé et le mappage du jeu de données avec l'objet Salesforce.

            Éditions requises

            Disponible avec : éditions Professional, Enterprise et Unlimited dans lesquelles Consumer Goods Cloud est activé.

            Lorsque vous utilisez des objets personnalisés pour mapper des prédictions avec une organisation Salesforce, mappez toujours les données avec les champs personnalisés ci-dessous.

            Nom du champ personnalisé Description Nom d'API Type de champ personnalisé
            Id Pour charger des connaissances dans le motif Recommandation de visite IA, dans le nœud Map de la stratégie Next Best Action, mappez Record Id avec le champ EDInsightsId.    
            model_score Contient le score du modèle. Par exemple, le score d'augmentation du chiffre d'affaires de retail_store pour l'intervalle entre start_date et end_date (incluses). model_score__c Numérique
            predictor1 Contient la valeur du premier contributeur au model_score. predictor1__c Texte
            predictor2 Contient la valeur du deuxième contributeur au model_score. predictor2__c Texte
            predictor3 Contient la valeur du troisième contributeur au model_score. predictor3__c Texte
            impact1 Contient l'impact du premier contributeur au model_score. impact1__c Numérique
            impact2 Contient l'impact du deuxième contributeur au model_score. impact2__c Numérique
            impact3 Contient l'impact du troisième contributeur au model_score. impact3__c Numérique
            start_date Contient la date de début de l'intervalle au format aaaa-mm-jj à laquelle model_score est valide. start_date__c Date
            end_date Contient la date de fin de l'intervalle au format aaaa-mm-jj à laquelle model_score est valide. end_date__c Date
            retail_store Contient l'ID du magasin de détail auquel model_score est applicable. retail_store__c ID ou Texte
            Conseil
            Conseil Si vous souhaitez que l'objet Recommandation de visite affiche les prédictions appropriées, configurez le score du modèle, trois principaux prédicteurs, trois principaux impacts et le magasin de détail dans le nœud de sortie.
             
            Chargement
            Salesforce Help | Article