breadcrumbDescription
Forberedelse til Einstein-klassificeringsapps
Før du opsætter Einstein-sagsklassificeringsapps, skal du gennemse datakravene, håndtere dataproblemer tidligt og finde ud af, hvordan du introducerer disse funktioner til dit supportteam.
EditionsHeading
| Vis understøttede versioner. |
Få kendskab til datakravene
For at kunne forudsige værdier på sagsfelter nøjagtigt skal Einstein have mange lukkede sager at lære fra. Du skal opfylde følgende minimumdatakravene, men jo flere lukkede sager, du har, desto bedre!
- Hvis du vil opbygge en klassificeringsmodel, skal Einstein have mindst 400 lukkede sager, men 10.000 er mere ideelt. Lukkede sager betyder alle lukkede sager, der har en oprettelsesdato fra de sidste 6 måneder og inkluderer mindst et strengtypefelt.
- Hvis du tilføjer filterkriterier for at begrænse, hvilke sager Einstein lærer fra, tæller Einstein kun de lukkede sager med, der matcher dine kriterier.
- For at forudsige et felts værdi skal Einstein have mindst 400 lukkede sager med en værdi i dette felt og mindst 2 entydige værdier på tværs af felter.
- Einstein understøtter kun krypterede tekstfelter til uddannelse. Lær mere om feltkryptering.
Einstein-sagsafslutning fungerer kun med LiveChat, så aktiver Chat, hvis det ikke allerede er aktiveret. Selvom du kan begynde at bruge Einstein-sagsafslutning uden chatafskrifter på dine tidligere sager, er Einsteins anbefalinger mere nøjagtige, når dine sager har dem. Men tag det helt roligt, hvis dit indledende batch af lukkede sager ikke indeholder chatsamtaler. Einstein lærer, mens dine servicemedarbejdere lukker chatsager.
Håndter dataproblemer tidligt
Under opsætning får du mulighed for at beslutte, hvilke lukkede sager Einstein analyserer og lærer fra. Einstein kan lære fra alle senest lukkede sager eller fra et delsæt af sager, som du definerer ved brug af filtre. Her er der mere om dette. Disse sager tjener som Einsteins lærebog og oplyser om hver feltværdiforudsigelse. Det er vigtigt, at de konsekvent og nøjagtigt repræsenterer dine forretningspraksisser.
Disse problemer kan skade kvaliteten af de sagsdata, som Einstein analyserer, og gøre din opsætningsproces langsommere. Overvej dem, når du opsætter din forudsigelsesmodel.
| Dataproblemer | Beskrivelse | Sådan håndteres de |
|---|---|---|
| Utilstrækkelige udfyldte felter til uddannelse | Hvis de sagsfelter, som du valgte som input til uddannelse, ikke indeholder nok oplysninger til, at en servicemedarbejder kan klassificere sagen, kan Einstein sandsynligvis ikke klassificere den. |
|
| Dubletsager | Einstein antager, at dine lukkede sager er udfyldt korrekt. Hvis Sag 1 og Sag 2 er dubletter, vil eventuelle forskelle mellem deres feltværdier sende Einstein blandede meddelelser om korrekte datamønstre. |
|
| Ukorrekt udfyldte felter | Sager, hvis felter ikke udfyldes korrekt, gør det vanskeligt for Einstein at vide, hvad der er korrekt. |
|
| Overlappende feltværdier | Når et pluklistefelts værdier er for ensartede eller generiske, er det vanskeligt for servicemedarbejdere – og derfor for Einstein – at vide, hvilken værdi der er korrekt. F.eks. kan værdier som "Generel" eller "Andet" blive brugt for ofte, eller overlappende værdier som "Mobil" kontra "Mobilapplikation" udvande dine data. |
|
| For mange feltværdier | Hvis et pluklistefelt, der er inkluderet i din model, har flere end 100 værdier, skader det modellens nøjagtighed. Her er årsagen:
|
|
Understøttede sprog
Med Einstein kan du opbygge en model til at klassificere sager i: Kinesisk (forenklet), Kinesisk (traditionelt), Tjekkisk, Dansk, Hollandsk, Engelsk (USA), Finsk, Fransk, Græsk, Ungarsk, Indonesisk, Indiskonesisk, Italiensk, Japansk, Koreansk, Norsk, Polsk, Portugisisk (Brasilien), Rumænsk, Russisk, Spansk, Tyrsk, Thai, Tyrkisk, Ukrainsk, Ukrainsk og Spansk.
Prøv Einstein-klassificeringsapps i en testkørsel
Selvom det er fint at prøve Einstein-sagsklassificeringsapps i en sandbox-organisation, kan du ikke kopiere din Einstein-konfiguration mellem sandbox- og produktionsorganisationer. Af denne årsag anbefaler vi, at du aktiverer det i din produktionsorganisation og giver en lille gruppe servicemedarbejdere adgang til funktionen. Denne tilgang giver dig mulighed for at indsamle feedback og sammenligne produktiviteten af servicemedarbejdere, der bruger og ikke bruger disse Einstein. Når du er tryg ved den måde, disse apps fungerer på, kan du åbne dem for hele dit team.
Hvis du vil prøve Einstein-sagsklassificering og -sagsafslutning i en sandbox-organisation, skal du følge disse trin.
- Synkroniser licenser med din produktionsorganisation ved at opdatere din sandbox. Hvis det ikke er muligt at opdatere din sandbox-organisation, kan du prøve at matche produktionslicenser.
- Kopier et tilstrækkeligt antal lukkede sager til sandbox-organisationen for at opfylde de tidligere beskrevne datakrav. Vælg sager, der repræsenterer dine generelle sagsdata – du kan bruge et tilfældigt valg eller bruge alle sager fra en bestemt tidsperiode.
- Tildel Einstein-brugertilladelsessæt til sandbox-brugere.
- Opsæt Einstein-sagsklassificeringsapps i sandboxen.
Prøv Einstein giver dig mulighed for at opbygge en model for hver app for at anbefale feltværdier til dine servicemedarbejdere. For denne version af Einstein-sagsklassificering kan du ikke automatisere felter: Einstein kan vælge den bedste værdi for et felt, men kan ikke automatisk opdatere sagen eller få Einstein til at tildele den til den rigtige servicemedarbejder.
Betalingsversionen af Einstein-sagsklassificering og -sagsafslutning er tilgængelig med Service Cloud Einstein-tilføjelseslicensen. Denne licens tillader fem modeller pr. app. For Einstein-sagsklassificering inkluderer den også automatiske feltopdateringer og Einstein-sagsdistribution. Tal med din Salesforce-kontoansvarlige for at opgradere.
