消費預測最佳作法
檢閱主要原則以充分利用以耗用量為基礎的預測。
必要版本
| 提供版本：Lightning Experience |
| 提供版本：Enterprise、Unlimited with Sales 及 Agentforce 1 Sales Edition |
績效考量事項
- 如果標準與自訂物件的記錄超過 1 千 4 百萬筆,您會產生更高的資料信用成本,且頁面載入速度會變慢。
- 較頻繁的並列頁面造訪會導致成本和延遲較高。
- 在深度使用者階層中,較高層級的使用者會存取更多資料,這會造成不同的執行階段和效能。
- 將銷售階段對應至預測種類。若要提高預測準確度，請根據歷程記錄資料調整結束可能性。
- 冷快取也會影響效能。
- 若要將存取的資料量最小化,請選取最小預測期間,例如 3 或 6 個月,而非較長的持續期間,例如 12、18 或 24 個月。
資料量與物件管理
- 若要改善預測效能,請依參與種類分割物件度量,並包含事件日期欄位。
- 若要避免不必要的資料載入,請為大型預測建立多個「資料湖物件」(DLO) 或「資料模型物件」(DMO)。我們建議您將 DLO 以特定產品為基礎,並針對每個預測類型使用一個 DMO。
- 從 CRM 資料串流或非 CRM 資料串流來源每個 DMO。
- 若要避免資料錯誤和不明確,請避免在相同的 DMO 中結合 CRM 和非 CRM 資料串流。
- 若要將每日或每週資料合併為每月一個項目,請使用 Data 360 轉換將原始資料分組,進而減少資料量。
- 若要進一步最佳化資料量,請盡可能將多個度量合併為一個項目。
- 若要維護精簡資料足跡,請僅將您需要的資料保留在主要 DMO 上,並定期將舊資料儲存在不同的 DMO 中。
- 若要最佳化 Data Cloud One 設定中的資料處理,請針對不同的功能使用個別的資料空間。
此文章是否解決您的問題？
請讓我們知道，以便我們改進！
