美国银行已经部署了Salesforce Einstein功能，包括Predictive Lead Scoring和Einstein Analytics（之前的Wave），用于客户流失分析和保留。此外它还采用了Einstein Discovery（之前的BeyondCore），以更好地了解客户行为和交叉销售机会。该银行预计将把Salesforce Einstein推广给全公司2000名面向客户的财务顾问，希望能够“大规模提供个性化服务”以及“创造具有差异化的客户体验”。

 

Einstein Analytics4大功能

大规模个性化正是这次Salesforce Dreamforce大会上公布的两项“myEinstein”能力背后的理念。此外公布的还有两项Einstein Analytics功能。所有这四个功能都将于明年在产品组合中提供，承诺将为企业提供：

 

Einstein Prediction Builder：有很多Salesforce客户正在使用或者考虑使用基于机器学习的Einstein功能。但是在Dreamforce 2017大会上，我们听说，在Salesforce客户数据中有80%是与自定义（客户定义）字段和对象捆绑在一起的。毫不意外，Salesforce客户呼声非常高的就是可定制的、预构建的Einstein洞察、预测和建议功能。

 

Salesforce Einstein Prediction Builder是一个无代码功能，旨在让非数据科学家的人也能使用自定义字段来开发预测功能。用途也是没有限制的，但是主要的使用实例可能包括交叉销售/追加销售、客户流失、CSAT和倾向性升级分析。Prediction Builder同样是以机器学习数据通道为驱动的，这个数据通道每天可处理Einstein的数百万条预测，但是对于Salesforce中的自定义字段和对象是开放的，从二月发布的测试版开始，可能会在6月全面提供。定价还没有最终确定。

 

Einstein Bots：Salesforce通过今年收购的MetaMind获得强大的自然语言理解和自然语言翻译功能。Einstein Bots是myEinstein的第二个功能，将把这些语言能力与Salesforce数据以及Salesforce工作流引擎结合起来，为自动的客户服务助理提供支撑。这背后的理念是处理大量简单的、频繁的服务案例（例如用户密码重置），把大量复杂的、频率低的服务请求交给人类代理。

 

与Prediction Builder一样，Einstein Bots开发也定位为无代码的。它始于点击式选择和工作流设置、把示例客户服务交互文本的电子表格上传以便训练语言模型。测试版预计将在2月发布，全面提供将会是在6月，届时也将公布定价信息，但我预计这将取决于在特定时间内处理的案例数量。Einstein Bots将从基于文本的交互开始，但是未来还会增加基于语音的交互。

 

Einstein Data Insights：这个新的Einstein Analytics（之前的Wave）功能提供了对来自Salesforce Sales Cloud、Service Cloud以及其他云的标准Salesforce报告更深入的洞察。Einstein Data Insights背后采用了与Einstein Discovery相同的引擎，将自动找出标准报告中的重要趋势、异常值、随时间的变更、甚至是数据质量问题，同时以可视化和文本解释的形式呈现。用户按下嵌入标准报告的按钮，可视化和文本解释就会出现在屏幕右侧（见图）。预计这项功能也将在2月发布测试版、6月全面提供。定价模式目前尚未确定。

 

Einstein数据浏览器功能：这个功能将包含在Einstein Analytics中，让你“与你的数据交流”，Salesforce这样说，你可以用简单的英语输入问题。在这背后，以关键字为驱动的解释将帮助你深入了解仪表板和可视化，以便更好地了解发生了什么、为什么发生。你可以分析总数，例如，输入“产品数量”，或者你可以分析性能，输入“产品丢单”。预计这项功能将在2月全面提供。

 

关于Salesforce Einstein发展的预测

即将到来的Salesforce Einstein功能越来越有吸引力，很多客户脑海中有一个大大的问号“价格多少？”看起来我们仍然处于鸡和蛋的阶段，Salesforce和客户都在试图衡量Einstein功能价值几何。不同类型的预测和建议有不同的价值，取决于云和触发此操作的类型。客户的规模和特性也增加了复杂性，大型企业有时候更喜欢无限量的交易。与此同时，Salesforce需要有明确的收入预期，让投资者和华尔街满意。创新的同时也带有挑战。

 

考虑到目前大数据和开源软件定价的趋势，有一种可能的定价方法，就是免费提供Einstein开发工具以及有限数量的预测或者建议，这样企业可以知道他们能做什么。一旦部署了这个能力，Salesforce可运用基于批量数据的预测或者按推荐收费。这样，费用就与提供给客户的价值是挂钩的，尽管不同的客户肯定会对价值有不同的理解，所以可能很难提出一个“一刀切”的定价方案。

 

客户在Dreamforce上感到困惑的一件事是Einstein和Einstein Analytics（之前的Wave Analytics）之间的区别。Dreamforce上两个独立的主题演讲，并且这两个Einstein功能背后有两个独立的团队。但这两个功能都是一个产品组合的一部分，从描述性分析和诊断性分析再到预测分析和规范性建议及操作（高级语言和视觉能力，以及针对人类交互型应用的API）角度来说又是一个连续统一体。在你触及到预测和规范部分之前，你需要有好的数据和报告功能。

 

美国银行正在使用这些Einstein能力，Bill Hoffman在主题演讲中被问及建议的时候说，你必须从数据质量着手，你必须从一开始就让关键利益相关者、风险管理和合规合作伙伴参与进来。简而言之，不要期待着在没有解决数据管理的基本问题、基础的报告和分析之前就试图利用“AI”。

 

这次Dreamforce大会上没有得到太过关注的未对外公告中，有一个重新编写的Einstein Analytics引擎，数据接收和查询时间减少了30%。每个客户的可用数据容量也翻了一番达到10亿行。

 

为了更轻松地从加载来自外部来源的数据，Salesforce增加了针对AWS Redshift、Google BigQuery和Microsoft Dynamics的开箱即用型数据连接器，未来6个月还将增加超过20个额外的预构建连接器。

 

这些更新并不“性感”，但是是日常生产力的改进，将有助于让客户接受在Salesforce中处理分析，升级到使用Einstein预测和建议功能。Smart Data Prep的数据配置、自动集群、异常检测、过滤和转换建议也得到了增强。