Skip to main content

Salesforce-Datenbereinigung für Agentforce: Leitfaden Objekt für Objekt

Ein feldbezogenes Playbook zur Salesforce-Datenbereinigung für Agentforce. Welche Objekte und Felder Sie für Service- und Sales-Agenten zuerst bereinigen, zugeordnet zu DQS.

Aktualisiert

Salesforce-Datenbereinigung für Agentforce: Leitfaden Objekt für Objekt

Welche Salesforce-Objekte Sie zuerst bereinigen, hängt davon ab, welche Agenten Sie deployen. Service-Agenten lesen Case und Knowledge; Sales-Agenten lesen Lead, Opportunity, Account und Contact. Dieser Leitfaden behandelt das Wo der Salesforce-Datenbereinigung für Agentforce — die konkreten Objekte und Felder, die zu bereinigen sind, die jeweils gefährdete Dimension und die durchzuführenden Bereinigungsaktionen.

Das Wann — den vierphasigen Zeitplan, der diese Arbeit umgibt — finden Sie unter Agentforce-Datenqualität: Salesforce-Daten für KI vorbereiten. Dieser Artikel fügt sich in Phase 2 jenes Zeitplans ein, in der Sie Objekt für Objekt bereinigen. Führen Sie einen DQS-Scan auf jedem Objekt durch, bevor Sie beginnen, damit Sie wissen, welche Felder tatsächlich durchfallen, anstatt Felder zu bereinigen, die bereits in Ordnung sind.

Bereinigung auf dieser Ebene ist keine optionale Vorarbeit. In Salesforce’s State of Data and Analytics Research sagten 84 % der Daten- und Analytics-Führungskräfte, dass ihre Datenstrategie einer kompletten Überholung bedarf, bevor ihre KI-Ambitionen Erfolg haben können. Die Sanierung Objekt für Objekt ist, wie dieses Overhaul in der Praxis innerhalb eines CRM aussieht.

Account

Sales-Agenten lesen Account, um Antworten über die Branche, den Standort und die Beziehung eines Kunden zu verankern. Wenn der Agent „Was wissen wir über diesen Account“ beantwortet, schöpft er aus diesen Feldern.

Prioritätsfeld Gefährdete Dimension Was schlechte Daten dem Agenten antun
Name Eindeutigkeit Doppelte Accounts teilen die Historie, sodass der Agent einen unvollständigen Datensatz abruft
Industry Konsistenz „Tech“, „Technology“ und „IT“ lesen sich als drei Segmente und brechen verankerte Antworten
BillingCountry Konsistenz „US“, „USA“, „United States“ fragmentieren den geografischen Kontext
Phone / Website Gültigkeit Fehlerhafte Werte erzeugen unbrauchbare Kontaktdetails in Antworten

Bereinigungsaktionen:

  • Führen Sie einen Uniqueness-Scan aus, um doppelte Accounts vor dem Deployment zu finden. Duplikate lehren den Agenten widersprüchliche Fakten über denselben Kunden. Siehe Eindeutigkeit.
  • Nutzen Sie Import from Field bei Industry und BillingCountry, um jede vorhandene Variante zu entdecken, definieren Sie dann kanonische Werte im Definition Builder und normalisieren Sie.
  • Führen Sie einen Validity-Scan bei Phone und Website aus, um fehlerhafte Einträge zu erfassen. Zielen Sie auf Felder, deren Validity Rate unter 90 % liegt.

Contact

Agenten lesen Contact, um zu erkennen, mit wem sie es zu tun haben und wie sie ihn erreichen. Ein Sales-Agent, der eine Outreach-Nachricht verfasst, zieht Name, Title und E-Mail von hier.

Prioritätsfeld Gefährdete Dimension Was schlechte Daten dem Agenten antun
Email Gültigkeit Ungültige Adressen lassen vom Agenten vorgeschlagene Outreach fehlschlagen
Phone Gültigkeit Fehlerhafte Nummern erscheinen als defekte Kontaktdetails
Title Vollständigkeit Leere Titel nehmen den Rollenkontext weg, den der Agent zur Personalisierung nutzt
MailingCountry Konsistenz Inkonsistente Länderwerte leiten regionsspezifische Antworten falsch

Bereinigungsaktionen:

  • Führen Sie einen Validity-Scan bei Email und Phone aus. Dies sind die Felder, auf die ein Agent handelt, sodass Formatfehler zu fehlgeschlagenen Aktionen werden. Siehe Gültigkeit.
  • Führen Sie einen Completeness-Scan bei Title aus und messen Sie die Completeness Rate. Fehlende Titel berauben den Agenten des Rollenkontexts, den er braucht, um eine Nachricht zuzuschneiden.
  • Standardisieren Sie MailingCountry mit Import from Field, abgestimmt auf die kanonische Liste, die Sie bei Account definiert haben, damit die beiden Objekte übereinstimmen.

Case

Service-Agenten arbeiten in erster Linie mit Case. Der Agent liest Subject und Description, um das Anliegen zu verstehen, und verankert seine Antwort dann in diesem Kontext. Dies ist das Objekt mit der größten Hebelwirkung für ein Service-Deployment.

Prioritätsfeld Gefährdete Dimension Was schlechte Daten dem Agenten antun
Description Vollständigkeit Eine leere Description lässt dem Agenten keinen Kontext, sodass er eine generische Antwort gibt
Subject Vollständigkeit Fehlende Subjects schwächen die Case-Klassifizierung und das Routing
Status / Origin Konsistenz Variantenwerte fragmentieren die Sicht des Agenten auf Case-Status und -Kanal
Description / Comments PII Detection Per E-Mail eingefügte SSNs und Kartennummern gelangen in den KI-Kontext

Bereinigungsaktionen:

  • Führen Sie einen Completeness-Scan bei Description aus. Description-Vollständigkeit ist gleich Agentenkontext; ein leeres Feld ist der häufigste Grund, warum ein Service-Agent vage antwortet. Siehe Vollständigkeit.
  • Standardisieren Sie Status und Origin mit Import from Field, um jeden vorhandenen Wert sichtbar zu machen, und normalisieren Sie dann auf Ihre kanonische Picklist.
  • Führen Sie einen PII-Scan bei Description und Case Comments aus. Email-to-Case erfasst Kundennachrichten, die PII enthalten, und der Agent kann diese PII in einer Antwort offenlegen. Siehe PII Detection und den Leitfaden zur Agentforce-PII-Compliance.

Lead

Sales-Agenten lesen Lead, um eingehendes Interesse zu qualifizieren und zu routen. Der Agent entscheidet die nächsten Aktionen anhand von Company, Source und Status, sodass Lücken hier Leads auf den falschen Weg schicken.

Prioritätsfeld Gefährdete Dimension Was schlechte Daten dem Agenten antun
Email Gültigkeit Ungültige Adressen brechen das agentengesteuerte Follow-up
Company Vollständigkeit Fehlende Unternehmensdaten blockieren die Qualifizierungslogik
LeadSource Konsistenz Inkonsistente Quellen verzerren die Routing-Entscheidungen des Agenten
Status Konsistenz Variantenstatus verwirren, wo der Lead im Funnel steht

Bereinigungsaktionen:

  • Führen Sie einen Validity-Scan bei Email und einen Completeness-Scan bei Company aus. Diese beiden Felder bestimmen, ob der Agent überhaupt auf einen Lead handeln kann.
  • Nutzen Sie Import from Field bei LeadSource und Status, um Abweichungen zu finden, und beschränken Sie dann auf einen definierten Wertesatz. Siehe Konsistenz.
  • Führen Sie einen PII-Scan bei allen Notiz- oder Description-Feldern aus, in die Mitarbeiter unbearbeitete eingehende Nachrichten einfügen.

Opportunity

Sales-Agenten lesen Opportunity, um Pipeline- und Forecast-Fragen zu beantworten. Eine veraltete Stage oder ein fehlender Betrag erzeugt eine selbstbewusst falsche Antwort über den Deal-Status.

Prioritätsfeld Gefährdete Dimension Was schlechte Daten dem Agenten antun
StageName Konsistenz Nicht standardisierte Stages stellen falsch dar, wo Deals stehen
CloseDate Aktualität Vergangene Close Dates bei offenen Deals lehren den Agenten veraltete Pipeline-Fakten
Amount Vollständigkeit Fehlende Beträge verzerren jeden Forecast, den der Agent meldet

Bereinigungsaktionen:

  • Führen Sie einen Timeliness-Scan aus, um offene Opportunities mit CloseDate in der Vergangenheit zu markieren. Veraltete Daten lassen den Agenten eine Pipeline melden, die nicht mehr existiert. Siehe Aktualität.
  • Führen Sie einen Completeness-Scan bei Amount aus. Ein Agent, der den Pipeline-Wert zusammenfasst, kann dies bei leeren Beträgen nicht zuverlässig tun.
  • Bestätigen Sie mit einem Consistency-Scan, dass StageName Ihrem definierten Sales-Prozess entspricht.

Knowledge

Service-Agenten verankern Antworten in Knowledge-Artikeln. Der Agent ruft einen Artikel ab und präsentiert dessen Inhalt als maßgebliche Antwort, sodass ein veralteter oder dünner Artikel zu einer selbstbewusst gelieferten falschen Antwort wird.

Prioritätsfeld Gefährdete Dimension Was schlechte Daten dem Agenten antun
Last modified date Aktualität Veraltete Artikel erzeugen überholte Antworten, die der Agent als aktuell präsentiert
Title / Summary Vollständigkeit Dünne Metadaten schwächen den Abruf, sodass der Agent den falschen Artikel zitiert
Article body PII Detection Eingebettete Kundendaten können in eine generierte Antwort durchsickern

Bereinigungsaktionen:

  • Führen Sie einen Timeliness-Scan gegen das Last modified date aus, um Artikel jenseits Ihrer Aktualitätsschwelle sichtbar zu machen. Veraltete Artikel sind die führende Quelle selbstbewusst falscher Service-Antworten.
  • Führen Sie einen Completeness-Scan bei Title und Summary aus. Der Agent nutzt diese für den Abruf, sodass schwache Metadaten ihn zur falschen Quelle führen.
  • Führen Sie einen PII-Scan beim Article body aus, um zu bestätigen, dass keine kundenspezifischen Daten in einen veröffentlichten Artikel eingefügt wurden.

Welche Objekte sollten Sie zuerst bereinigen?

Bereinigen Sie die Objekte, die Ihre Agenten tatsächlich lesen, in der Reihenfolge, in der ihre Antworten von ihnen abhängen. Die untenstehende Matrix ordnet die Bereinigungspriorität dem Agententyp zu.

Objekt Service-Agent Sales-Agent Mitarbeiterorientierter Agent
Case Priorität 1 Niedrig Mittel
Knowledge Priorität 1 Niedrig Priorität 1
Account Mittel Priorität 1 Mittel
Contact Mittel Priorität 1 Mittel
Lead Niedrig Priorität 1 Niedrig
Opportunity Niedrig Priorität 2 Mittel

Beginnen Sie bei einem Service-Deployment mit der Description-Vollständigkeit bei Case und der Aktualität bei Knowledge, denn diese beiden Felder bestimmen, ob der Agent über den richtigen Kontext zum Antworten verfügt. Beginnen Sie bei einem Sales-Deployment mit Account und Contact und gehen Sie dann zu Lead und Opportunity über. Führen Sie über jeden Agententyp hinweg zuerst PII-Scans bei den Textfeldern aus, die der Agent liest, da ein PII-Fund ein Compliance-Problem statt eines Qualitätsproblems ist. Die Agentforce-Checkliste zur Datenbereitschaft listet die Schwellenwerte vor dem Deployment auf, die bei jedem Objekt zu erreichen sind.

Nächste Schritte