Skip to main content

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.

Uppdaterad

Salesforce-datastädning för Agentforce: en guide objekt för objekt

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. Den här artikeln passar in i Fas 2 av den tidslinjen, där du åtgärdar objekt för objekt. Kör en DQS-genomsökning 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 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.
  • Använd Importera från fält på Industry och BillingCountry för att upptäcka varje variant som finns, definiera sedan kanoniska värden i 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.
  • 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.
  • 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 och guiden för Agentforce och PII-efterlevnad.

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.
  • 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.
  • 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 listar de tröskelvärden inför driftsättning du ska uppnå på varje objekt.

Nästa steg