更新 Salesforce 组织中的预测数据
使用 Einstein Discovery 预测生成走访频率建议。为此，您可以创建输出连接，将预测映射到您的 Salesforce 组织，然后创建模式，将访问频率预测数据写入输出连接。模式中的输出节点包含输出连接器、自定义对象以及从数据集到 Salesforce 对象的映射。
所需的 Edition
| 适用于：启用 Consumer Goods Cloud 的 Professional、Enterprise 和 Unlimited Edition。 |
当您使用自定义对象将预测映射到 Salesforce 组织时，请始终将数据映射到这些自定义字段。
| 自定义字段名称 | 描述 | API 名称 | 自定义字段类型 |
|---|---|---|---|
| ID | 要将见解加载到 AI 访问建议原因中，请在 Next Best Action 策略的“映射”节点中，将“记录 ID ”映射到 EDInsightsId 字段。 | ||
| model_score | 包含来自模型的分数。例如，retail_store 在 start_date 和 end_date（包括这两个日期）之间的收入提升分数。 | model_score__c | 数字 |
| 预测因素 1 | 包含 model_score 最大贡献者的值。 | predictor1__c | 文本 |
| 预测因素 2 | 包含 model_score 第二大贡献者的值。 | predictor2__c | 文本 |
| 预测因素 3 | 包含 model_score 第三大贡献者的值。 | predictor3__c | 文本 |
| 影响 1 | 包含 model_score 最大贡献者的影响。 | impact1__c | 数字 |
| 影响 2 | 包含 model_score 第二大贡献者的影响。 | impact2__c | 数字 |
| 影响 3 | 包含 model_score 第三大贡献者的影响。 | impact3__c | 数字 |
| start_date | 包含 model_score 对其有效的时间间隔的开始日期（yyyy-mm-dd 格式）。 | start_date__c | 日期 |
| end_date | 包含 model_score 对其有效的时间间隔的结束日期（yyyy-mm-dd 格式）。 | end_date__c | 日期 |
| retail_store | 包含适用 model_score 的零售店 ID。 | retail_store__c | ID 或文本 |
提示 如果希望走访频率建议对象显示适当的预测，请在输出节点中配置模型分数、前三个预测因素、前三个影响以及零售店。
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
