Mise à jour des données de prédiction dans une organisation Salesforce

Utilisez les prédictions Einstein Discovery pour générer des recommandations de fréquence. 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 fréquence de visites 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 Si vous souhaitez que l'objet Recommandation de fréquence de visites 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.