# Salesforce-datastädning för Agentforce: en guide objekt för objekt > En städningsplan på fältnivå för Salesforce-data inför Agentforce. Vilka objekt och fält du städar först för service- och säljagenter, kopplat till DQS. Source: https://dataqualitysense.com/sv/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/ Last updated: 2026-07-15 --- Vilka Salesforce-objekt du städar först beror på vilka agenter du driftsätter. Serviceagenter läser Case och Knowledge; säljagenter läser Lead, Opportunity, Account och Contact. Den här guiden täcker var i Salesforce-datastädningen för Agentforce — de specifika objekt och fält du ska städa, dimensionen som är i fara på varje, och de städningsåtgärder du ska köra. För när — den fyrfasiga tidslinjen som omger det här arbetet — se [Agentforce-datakvalitet: förbereda Salesforce-data för AI](/sv/resources/ai-readiness/agentforce-preparation/). Den här artikeln passar in i Fas 2 av den tidslinjen, där du åtgärdar objekt för objekt. Kör en [DQS-genomsökning](/sv/resources/using-dqs/running-scans/) på varje objekt innan du börjar så att du vet vilka fält som faktiskt underkänns, i stället för att städa fält som redan är i sin ordning. Städning på denna nivå är inte valfri förberedelse. I [Salesforces State of Data and Analytics-forskning](https://www.salesforce.com/news/stories/data-analytics-trends/) sa 84 % av data- och analysöverledare att deras datastrategi behöver en total omarbetning innan deras AI-ambitioner kan lyckas. Objekt-för-objekt-åtgärder är vad denna omarbetning ser ut som i praktiken inuti en CRM. ## Account Säljagenter läser Account för att grunda svar om en kunds bransch, plats och relation. När agenten svarar "vad vet vi om det här kontot" hämtar den från de här fälten. | Prioriterat fält | Dimension i fara | Vad dålig data gör med agenten | |---|---|---| | `Name` | Unikhet | Dubblerade konton splittrar historik, så agenten hämtar en partiell post | | `Industry` | Konsekvens | "Tech", "Technology" och "IT" läses som tre segment och bryter grundade svar | | `BillingCountry` | Konsekvens | "US", "USA", "United States" fragmenterar geografiskt sammanhang | | `Phone` / `Website` | Giltighet | Felformaterade värden ger oanvändbara kontaktuppgifter i svar | Städningsåtgärder: - Kör en Unikhet-genomsökning för att hitta dubblerade Accounts före driftsättning. Dubbletter lär agenten motsägelsefulla fakta om samma kund. Se [Unikhet](/sv/resources/data-quality/uniqueness/). - Använd Importera från fält på `Industry` och `BillingCountry` för att upptäcka varje variant som finns, definiera sedan kanoniska värden i [Definition Builder](/sv/resources/using-dqs/definition-builder/) och normalisera. - Kör en Giltighet-genomsökning på `Phone` och `Website` för att fånga felformaterade poster. Rikta in dig på fält där Giltighetsgraden faller under 90 %. ## Contact Agenter läser Contact för att identifiera vem de har att göra med och hur de når dem. En säljagent som utformar ett utåtriktat meddelande hämtar namnet, titeln och e-posten härifrån. | Prioriterat fält | Dimension i fara | Vad dålig data gör med agenten | |---|---|---| | `Email` | Giltighet | Ogiltiga adresser gör att agentföreslagen kontakt misslyckas | | `Phone` | Giltighet | Felformaterade nummer dyker upp som trasiga kontaktuppgifter | | `Title` | Fullständighet | Tomma titlar tar bort det rollsammanhang agenten använder för att personifiera | | `MailingCountry` | Konsekvens | Inkonsekventa landsvärden dirigerar regionsspecifika svar fel | Städningsåtgärder: - Kör en Giltighet-genomsökning på `Email` och `Phone`. Det här är fälten en agent agerar på, så formatfel förvandlas till misslyckade åtgärder. Se [Giltighet](/sv/resources/data-quality/validity/). - Kör en Fullständighet-genomsökning på `Title` och mät Fullständighetsgrad. Saknade titlar berövar agenten det rollsammanhang den behöver för att skräddarsy ett meddelande. - Standardisera `MailingCountry` med Importera från fält, så att det matchar den kanoniska lista du definierade på Account så att de två objekten stämmer överens. ## Case Serviceagenter arbetar främst utifrån Case. Agenten läser Subject och Description för att förstå ärendet, och grundar sedan sitt svar i det sammanhanget. Det här är objektet med störst hävstång för en servicedriftsättning. | Prioriterat fält | Dimension i fara | Vad dålig data gör med agenten | |---|---|---| | `Description` | Fullständighet | En tom Description lämnar agenten utan sammanhang, så den returnerar ett generiskt svar | | `Subject` | Fullständighet | Saknade ämnen försvagar klassificering och dirigering av ärenden | | `Status` / `Origin` | Konsekvens | Variantvärden fragmenterar agentens bild av ärendets tillstånd och kanal | | `Description` / Comments | PII-identifiering | Personnummer och kortnummer inklistrade från e-post hamnar i AI-sammanhanget | Städningsåtgärder: - Kör en Fullständighet-genomsökning på `Description`. Fullständighet i Description är lika med agentens sammanhang; ett tomt fält är den vanligaste orsaken till att en serviceagent svarar vagt. Se [Fullständighet](/sv/resources/data-quality/completeness/). - Standardisera `Status` och `Origin` med Importera från fält för att avslöja varje befintligt värde, normalisera sedan till din kanoniska picklist. - Kör en PII-genomsökning på `Description` och Case Comments. E-post-till-ärende fångar kundmeddelanden som innehåller PII, och agenten kan visa den PII i ett svar. Se [PII-identifiering](/sv/resources/ai-readiness/pii-detection/) och [guiden för Agentforce och PII-efterlevnad](/sv/resources/ai-readiness/agentforce-pii-compliance/). ## Lead Säljagenter läser Lead för att kvalificera och dirigera inkommande intresse. Agenten beslutar nästa åtgärder utifrån företaget, källan och statusen, så luckor här skickar leads ner i fel spår. | Prioriterat fält | Dimension i fara | Vad dålig data gör med agenten | |---|---|---| | `Email` | Giltighet | Ogiltiga adresser bryter agentdriven uppföljning | | `Company` | Fullständighet | Saknade företagsdata blockerar kvalificeringslogik | | `LeadSource` | Konsekvens | Inkonsekventa källor förvränger agentens dirigeringsbeslut | | `Status` | Konsekvens | Variantstatusar förvirrar var leaden befinner sig i tratten | Städningsåtgärder: - Kör en Giltighet-genomsökning på `Email` och en Fullständighet-genomsökning på `Company`. De här två fälten avgör om agenten kan agera på en lead över huvud taget. - Använd Importera från fält på `LeadSource` och `Status` för att hitta avdrift, begränsa sedan till en definierad värdeuppsättning. Se [Konsekvens](/sv/resources/data-quality/consistency/). - Kör en PII-genomsökning på alla antecknings- eller beskrivningsfält där säljare klistrar in råa inkommande meddelanden. ## Opportunity Säljagenter läser Opportunity för att besvara frågor om pipeline och prognos. Ett inaktuellt stadium eller ett saknat belopp ger ett självsäkert felaktigt svar om affärsstatus. | Prioriterat fält | Dimension i fara | Vad dålig data gör med agenten | |---|---|---| | `StageName` | Konsekvens | Icke-standardiserade stadier ger en felaktig bild av var affärer står | | `CloseDate` | Aktualitet | Passerade close dates på öppna affärer lär agenten föråldrade pipelinefakta | | `Amount` | Fullständighet | Saknade belopp förvränger varje prognos agenten rapporterar | Städningsåtgärder: - Kör en Aktualitet-genomsökning för att flagga öppna Opportunities med `CloseDate` i det förflutna. Inaktuella datum får agenten att rapportera en pipeline som inte längre finns. Se [Aktualitet](/sv/resources/data-quality/timeliness/). - Kör en Fullständighet-genomsökning på `Amount`. En agent som sammanfattar pipelinevärde kan inte göra det tillförlitligt när belopp är tomma. - Bekräfta att `StageName` matchar din definierade säljprocess med en Konsekvens-genomsökning. ## Knowledge Serviceagenter grundar svar i Knowledge-artiklar. Agenten hämtar en artikel och presenterar dess innehåll som det auktoritativa svaret, så en inaktuell eller tunn artikel blir ett felaktigt svar levererat med självförtroende. | Prioriterat fält | Dimension i fara | Vad dålig data gör med agenten | |---|---|---| | Senast ändrad-datum | Aktualitet | Inaktuella artiklar ger föråldrade svar som agenten presenterar som aktuella | | `Title` / `Summary` | Fullständighet | Tunn metadata försvagar hämtningen, så agenten citerar fel artikel | | Artikeltext | PII-identifiering | Inbäddade kunddata kan läcka in i ett genererat svar | Städningsåtgärder: - Kör en Aktualitet-genomsökning mot senast ändrad-datumet för att avslöja artiklar som passerat din aktualitetströskel. Föråldrade artiklar är den främsta källan till självsäkert felaktiga servicesvar. - Kör en Fullständighet-genomsökning på `Title` och `Summary`. Agenten använder dem för hämtning, så svag metadata leder den till fel källa. - Kör en PII-genomsökning på artikeltexten för att bekräfta att inga kundspecifika data klistrats in i en publicerad artikel. ## Vilka objekt bör du städa först? Städa de objekt dina agenter faktiskt läser, i den ordning deras svar är beroende av dem. Matrisen nedan kopplar städningsprioritet till agenttyp. | Objekt | Serviceagent | Säljagent | Medarbetarvänd agent | |---|---|---|---| | Case | Prioritet 1 | Låg | Medel | | Knowledge | Prioritet 1 | Låg | Prioritet 1 | | Account | Medel | Prioritet 1 | Medel | | Contact | Medel | Prioritet 1 | Medel | | Lead | Låg | Prioritet 1 | Låg | | Opportunity | Låg | Prioritet 2 | Medel | För en servicedriftsättning, börja med fullständighet i Case Description och aktualitet i Knowledge, eftersom de två fälten avgör om agenten har korrekt sammanhang att svara utifrån. För en säljdriftsättning, börja med Account och Contact, gå sedan vidare till Lead och Opportunity. Över varje agenttyp, kör PII-genomsökningar först på de textfält agenten läser, eftersom ett PII-fynd är en efterlevnadsfråga snarare än en kvalitetsfråga. [Checklistan för Agentforce-databeredskap](/sv/resources/ai-readiness/agentforce-data-readiness-checklist/) listar de tröskelvärden inför driftsättning du ska uppnå på varje objekt. ## Nästa steg - [Agentforce-datakvalitet: förbereda Salesforce-data för AI](/sv/resources/ai-readiness/agentforce-preparation/): den fyrfasiga tidslinjen som den här städningen passar in i - [Varför Agentforce-agenter misslyckas](/sv/resources/ai-readiness/why-agentforce-agents-fail/): dataproblemen bakom opålitliga agentsvar - [Checklista för Agentforce-databeredskap](/sv/resources/ai-readiness/agentforce-data-readiness-checklist/): tröskelvärden inför driftsättning per objekt - [Hur du förbättrar datakvalitet i Salesforce](/sv/resources/salesforce/improve-data-quality-in-salesforce/): slingan upptäck, åtgärda, förebygg, övervaka - [Vanliga frågor om Agentforce-datakvalitet](/sv/resources/ai-readiness/agentforce-data-quality-faq/): vanliga frågor besvarade - [AI-beredskapsbedömning](/sv/ai-readiness/): få ditt nuvarande beredskapspoäng