breadcrumbDescription
Forbered dig på Einstein-artikelanbefalinger
Hvis du vil opnå de bedste resultater fra Einstein-artikelanbefalinger, skal du gennemse deres datakrav og få tips til test af funktionen.
EditionsHeading
| Vis understøttede versioner. |
Sørg for, at du har nok data
Planter har brug for vand, supportrepræsentanter har brug for omfavnelser, og Einstein har brug for data! Uden historiske data i høj kvalitet, man kan lære fra, kan Einstein ikke oprette nøjagtige anbefalinger. Her er, hvad du skal bruge.
| Det, du skal bruge | Påkrævet eller anbefalet? | Detaljer |
|---|---|---|
| Tre eller flere udgivne Knowledge | obligatorisk | Når din Salesforce Knowledge-artikeldækning er omfattende og håndterer almindelige kundespørgsmål, kan Einstein oprette mere nyttige anbefalinger. Artikler skal ikke have særlige tags, datakategorier eller metadata for at blive anbefalet. Senest udgivne eller overskrevne artikler gennemgår automatisk en analyse af udtryk inden for en dag, før de kommer i betragtning til anbefaling. Hvis der er flere versioner af en artikel, anbefales kun den mest aktuelle aktive version. Einstein anbefaler kun artikler, der er lagret i din Salesforce Knowledge-base. Artikler, der hostes i et eksternt system, tæller ikke med. |
Hvis du ønsker at vise anbefalinger på flere understøttede sprog, skal du kun bruge tre eller flere Knowledge-artikler på et af sprogene.
Prøv Einstein-artikelanbefaling i en testkørsel
Vi er over flere versioner ved at indfase artikelanbefalinger som aktive i organisationer med Knowledge. Hvis vi sætter det op for dig, leverer vi en model, der er trænet på forhånd, som bruger generiske data og standardfelt- og sprogindstillinger. Hvis din forretning bruger andre felter, kan dine servicemedarbejdere se mere nøjagtige anbefalinger, når du accepterer vilkårene i Opsætning, vælger de rigtige felter og opdaterer modellen, så Einstein lærer af din organisations lukkede sagsdata.
Selvom du kan opsætte Einstein-artikelanbefalinger i en sandbox-organisation, er anbefalingerne forskellige i en sandbox- og en produktionsorganisation på grund af underliggende dataforskelle. Da de samme resultater ikke er garanteret, anbefaler vi, at du aktiverer det i din produktionsorganisation og giver en lille gruppe servicemedarbejdere adgang til artikelanbefalinger. Når du er tryg ved den måde, anbefalinger fungerer på, kan du åbne dem for hele dit team.
Hvis du beslutter at bruge artikelanbefalinger i en sandbox-organisation, skal du følge disse bedste fremgangsmåder:
- Match dine sandbox-licenser med dine produktionslicenser.
- Hvis du vil opfylde datakravene og garantere realistiske anbefalinger, skal du sørge for, at din sandbox-organisations artikel- og sagsdata har samme kvalitet og kvantitet som dataene din produktionsorganisation.
