Salesforce 조직의 예측 데이터 업데이트
Einstein Discovery 예측을 사용하여 방문 권장 사항을 생성합니다. 출력 연결을 만들어 Salesforce 조직에 예측을 매핑한 다음, 출력 연결에 매출 예측 데이터를 작성할 레시피를 만들면 방문 권장 사항을 생성할 수 있습니다. 레시피의 출력 노드에는 출력 커넥터, 사용자 정의 개체, 데이터 집합에서 Salesforce 개체로의 매핑이 포함됩니다.
필수 Edition
| 지원 제품: Consumer Goods Cloud가 활성화된 Professional, Enterprise, Unlimited Edition |
사용자 정의 개체를 사용하여 Salesforce 조직에 예측을 매핑하는 경우 다음 사용자 정의 필드에 데이터를 매핑하십시오.
| 사용자 정의 필드 이름 | 설명 | API 이름 | 사용자 정의 필드 유형 |
|---|---|---|---|
| ID | AI 방문 권장 사항 이유에 인사이트를 로드하려면 Next Best Action 전략의 맵 로드에서 EDInsightsId 필드에 레코드 ID를 매핑합니다. | ||
| model_score | 모델의 점수가 포함됩니다. 예: start_date 및 end_date(둘 모두 포함) 간 간격에 대한 Retail_store의 매출 증가 점수 | model_score__c | 숫자 |
| predictor1 | model_score에 대한 최상위 공동작업자 값이 포함됩니다. | predictor1__c | 텍스트 |
| predictor2 | model_score에 대한 두 번째로 높은 공동작업자 값이 포함됩니다. | predictor2__c | 텍스트 |
| predictor3 | model_score에 대한 세 번째로 높은 공동작업자 값이 포함됩니다. | predictor3__c | 텍스트 |
| impact1 | model_score에 대한 최상위 공동작업자 영향이 포함됩니다. | impact1__c | 숫자 |
| impact2 | model_score에 대한 두 번째로 높은 공동작업자 영향이 포함됩니다. | impact2__c | 숫자 |
| impact3 | model_score에 대한 세 번째로 높은 공동작업자 영향이 포함됩니다. | impact3__c | 숫자 |
| start_date | model_score가 유효한 yyyy-mm-dd 형식의 간격 시작 일자가 포함됩니다. | start_date__c | 날짜 |
| end_date | model_score가 유효한 yyyy-mm-dd 형식의 간격 종료 일자가 포함됩니다. | end_date__c | 날짜 |
| retail_store | model_score를 적용할 수 있는 리테일 매장 ID가 포함됩니다. | retail_store__c | ID 또는 텍스트 |
팁 방문 권장 사항 개체를 통해 적절한 예측이 표시되도록 하려는 경우 출력 노드에서 모델 점수, 상위 예측 변수 세 개, 상위 영향 세 개, 리테일 매장을 구성합니다.
이 기사를 통해 문제를 해결했습니까?
개선을 위한 의견을 보내주세요.
