美國銀行已經部署了Salesforce Einstein功能，包括Predictive Lead Scoring和Einstein Analytics（之前的Wave），用于客戶流失分析和保留。此外它還采用了Einstein Discovery（之前的BeyondCore），以更好地了解客戶行為和交叉銷售機會。該銀行預計將把Salesforce Einstein推廣給全公司2000名面向客戶的財務顧問，希望能夠“大規模提供個性化服務”以及“創造具有差異化的客戶體驗”。

 

Einstein Analytics4大功能

大規模個性化正是這次Salesforce Dreamforce大會上公布的兩項“myEinstein”能力背后的理念。此外公布的還有兩項Einstein Analytics功能。所有這四個功能都將于明年在產品組合中提供，承諾將為企業提供：

 

Einstein Prediction Builder：有很多Salesforce客戶正在使用或者考慮使用基于機器學習的Einstein功能。但是在Dreamforce 2017大會上，我們聽說，在Salesforce客戶數據中有80%是與自定義（客戶定義）字段和對象捆綁在一起的。毫不意外，Salesforce客戶呼聲非常高的就是可定制的、預構建的Einstein洞察、預測和建議功能。

 

Salesforce Einstein Prediction Builder是一個無代碼功能，旨在讓非數據科學家的人也能使用自定義字段來開發預測功能。用途也是沒有限制的，但是主要的使用實例可能包括交叉銷售/追加銷售、客戶流失、CSAT和傾向性升級分析。Prediction Builder同樣是以機器學習數據通道為驅動的，這個數據通道每天可處理Einstein的數百萬條預測，但是對于Salesforce中的自定義字段和對象是開放的，從二月發布的測試版開始，可能會在6月全面提供。定價還沒有最終確定。

 

Einstein Bots：Salesforce通過今年收購的MetaMind獲得強大的自然語言理解和自然語言翻譯功能。Einstein Bots是myEinstein的第二個功能，將把這些語言能力與Salesforce數據以及Salesforce工作流引擎結合起來，為自動的客戶服務助理提供支撐。這背后的理念是處理大量簡單的、頻繁的服務案例（例如用戶密碼重置），把大量復雜的、頻率低的服務請求交給人類代理。

 

與Prediction Builder一樣，Einstein Bots開發也定位為無代碼的。它始于點擊式選擇和工作流設置、把示例客戶服務交互文本的電子表格上傳以便訓練語言模型。測試版預計將在2月發布，全面提供將會是在6月，屆時也將公布定價信息，但我預計這將取決于在特定時間內處理的案例數量。Einstein Bots將從基于文本的交互開始，但是未來還會增加基于語音的交互。

 

Einstein Data Insights：這個新的Einstein Analytics（之前的Wave）功能提供了對來自Salesforce Sales Cloud、Service Cloud以及其他云的標準Salesforce報告更深入的洞察。Einstein Data Insights背后采用了與Einstein Discovery相同的引擎，將自動找出標準報告中的重要趨勢、異常值、隨時間的變更、甚至是數據質量問題，同時以可視化和文本解釋的形式呈現。用戶按下嵌入標準報告的按鈕，可視化和文本解釋就會出現在屏幕右側（見圖）。預計這項功能也將在2月發布測試版、6月全面提供。定價模式目前尚未確定。

 

Einstein數據瀏覽器功能：這個功能將包含在Einstein Analytics中，讓你“與你的數據交流”，Salesforce這樣說，你可以用簡單的英語輸入問題。在這背后，以關鍵字為驅動的解釋將幫助你深入了解儀表板和可視化，以便更好地了解發生了什么、為什么發生。你可以分析總數，例如，輸入“產品數量”，或者你可以分析性能，輸入“產品丟單”。預計這項功能將在2月全面提供。

 

關于Salesforce Einstein發展的預測

即將到來的Salesforce Einstein功能越來越有吸引力，很多客戶腦海中有一個大大的問號“價格多少？”看起來我們仍然處于雞和蛋的階段，Salesforce和客戶都在試圖衡量Einstein功能價值幾何。不同類型的預測和建議有不同的價值，取決于云和觸發此操作的類型。客戶的規模和特性也增加了復雜性，大型企業有時候更喜歡無限量的交易。與此同時，Salesforce需要有明確的收入預期，讓投資者和華爾街滿意。創新的同時也帶有挑戰。

 

考慮到目前大數據和開源軟件定價的趨勢，有一種可能的定價方法，就是免費提供Einstein開發工具以及有限數量的預測或者建議，這樣企業可以知道他們能做什么。一旦部署了這個能力，Salesforce可運用基于批量數據的預測或者按推薦收費。這樣，費用就與提供給客戶的價值是掛鉤的，盡管不同的客戶肯定會對價值有不同的理解，所以可能很難提出一個“一刀切”的定價方案。

 

客戶在Dreamforce上感到困惑的一件事是Einstein和Einstein Analytics（之前的Wave Analytics）之間的區別。Dreamforce上兩個獨立的主題演講，并且這兩個Einstein功能背后有兩個獨立的團隊。但這兩個功能都是一個產品組合的一部分，從描述性分析和診斷性分析再到預測分析和規范性建議及操作（高級語言和視覺能力，以及針對人類交互型應用的API）角度來說又是一個連續統一體。在你觸及到預測和規范部分之前，你需要有好的數據和報告功能。

 

美國銀行正在使用這些Einstein能力，Bill Hoffman在主題演講中被問及建議的時候說，你必須從數據質量著手，你必須從一開始就讓關鍵利益相關者、風險管理和合規合作伙伴參與進來。簡而言之，不要期待著在沒有解決數據管理的基本問題、基礎的報告和分析之前就試圖利用“AI”。

 

這次Dreamforce大會上沒有得到太過關注的未對外公告中，有一個重新編寫的Einstein Analytics引擎，數據接收和查詢時間減少了30%。每個客戶的可用數據容量也翻了一番達到10億行。

 

為了更輕松地從加載來自外部來源的數據，Salesforce增加了針對AWS Redshift、Google BigQuery和Microsoft Dynamics的開箱即用型數據連接器，未來6個月還將增加超過20個額外的預構建連接器。

 

這些更新并不“性感”，但是是日常生產力的改進，將有助于讓客戶接受在Salesforce中處理分析，升級到使用Einstein預測和建議功能。Smart Data Prep的數據配置、自動集群、異常檢測、過濾和轉換建議也得到了增強。