Die Agentforce-Plattform ist auf genaue, aktuelle Kundendaten angewiesen, um intelligente Entscheidungen zu treffen, sei es bei Automatisierungs- oder KI-Anwendungsfällen. Derzeit sind viele Kundeninformationen über verschiedene Systeme verstreut CRM, Martech-Stack, Kundendienstunterlagen, Transaktionsaufzeichnungen ohne ein einheitliches Datensystem für Aktivierung und Segmentierung. Dies führt zu verpassten Chancen bei Einblicken, Personalisierung und der Effektivität von KI.
Salesforce Data Cloud wurde entwickelt, um diese Herausforderung zu lösen – die Vereinheitlichung von Kundendaten damit Agentforce mit einheitlichen Kundenprofilen und verbundenen Datenpunkten arbeiten kann.
Warum wir Data Cloud und Agentforce zusammen betrachten müssen:
1. Datenfragmentierung
Kundendaten können in Silos liegen Servicehistorie in einem System, Kaufaufzeichnungen in einem anderen und Kundeninteraktionen im CRM. Servicemitarbeiter wechseln in der Regel zwischen verschiedenen Tools.
2. Mangel an einheitlichen Profilen
Ohne eine einzelne Kundenakte hat ein CSM oder Servicemitarbeiter möglicherweise nicht alle Berührungspunkte mit dem Kunden, weiß nicht, wie der Kunde innerhalb der Organisation segmentiert ist, und welche KPIs den Kunden beeinflussen.
3. Wir brauchen sowohl Predictive AI als auch autonome KI-Agenten
Wir haben immer noch Anwendungsfälle, die Predictive Analytics erfordern, um neben einem autonomen Agenten zu funktionieren. Außerdem sind nicht alle Anwendungsfälle autonomer Agenten rein KI-bezogen. Viele von ihnen sind Automatisierungen. Wir müssen unsere Anwendungsfälle für Predictive AI, Generative AI und autonome Agenten prüfen.
Kontext & Inhalt:
KI ist sehr gut bei Inhalten, aber wir müssen ihr Kontext geben.
Kontext stellt sicher, dass der richtige Inhalt für die richtige Person im richtigen Moment ausgewählt wird. Agentforce erhält den Kontext aus Salesforce Data Cloud, sodass KI-Antworten nicht generisch sind – sie sind personalisiert und basieren auf Kundendaten.
- Inhalt: Eine Hotelbuchung über die Website für Platinmitglieder.
- Kontext: Der Kunde wurde Platinmitglied und versuchte, eine Reise zu buchen.
Kassette: Ein realer Anwendungsfall von Verlängerungen, Abwanderung und Customer Success.
Kundenprofil:
- Große Hotel- & Resortkette mit Loyalitätsprogramm.
- Global tätig, mit Tausenden von Mitgliedern auf verschiedenen Ebenen.
- Nutzt mehrere Systeme für Reservierungen, CRM, Treuepunkte, Kundenfeedback und Marketing.
Das Problem
- Verlängerungsrisiko: Viele Loyalitätsmitgliedschaften laufen ab, ohne erneuert zu werden.
- Übersehene Abwanderungsindikatoren: Kunden, die seit Monaten nicht gebucht oder negative Bewertungen abgegeben haben, werden nicht proaktiv kontaktiert.
- Fragmentierte Daten: Buchungshistorie in einem System, Loyalitätsstatus in einem anderen, Feedback in einem weiteren — Agenten können das Gesamtbild nicht in Echtzeit sehen.
Die Data Cloud + Agentforce Lösung
1. Datenvereinheitlichung:
- Data Cloud übernimmt Buchungshistorie, Loyalitätsstatus, Service-Feedback und Interaktionsdaten in ein einziges Profil.
- Die Identitätsauflösung stellt sicher, dass mehrere Buchungen, Konten und E-Mails dem gleichen Kunden zugeordnet werden.
2. Erstellung eines Abwanderungsmodells für die Abwanderungswahrscheinlichkeit:
- Data Cloud Einstein Studio erstellt ein Abwanderungsmodell unter Berücksichtigung der folgenden Faktoren:
- Kundendauer
- Verlängerungsdatum
- Falldaten
- Kontogesundheit
- Aktivitätsdaten
- Engagement-Daten
- Das Abwanderungsmodell erstellt ein Propensitätsmodell mit Fokus auf folgende Punkte:
- Wird der Kunde abwandern
- Wann wird er abwandern (innerhalb von 6 Monaten, 6–12 Monate, nach 12 Monaten)
- Konfidenzwert für jede Wahrscheinlichkeit
Personalisierte Agenteninteraktion:
- Agentforce nutzt diesen Echtzeit-Kontext, um den richtigen Inhalt für Agenten bereitzustellen, damit diese Angebote machen und die nächsten besten Gesprächsdaten liefern können, um die Loyalität zurückzugewinnen.
- Agenten sehen den vollständigen Kontext: letzten Aufenthalt, bevorzugte Reiseziele, typische Buchungsmuster, frühere Servicebeschwerden.
4. Segmentieren und Aktivieren:
- Kunden mit den Daten des Abwanderungsmodells segmentieren
- Diese Segmente in CRM, Marketing und Analytik aktivieren.
- Das Modell kontinuierlich mit neuen Daten anreichern und den Feedback-Loop schließen, sobald die Daten für Aktionen aktiviert sind.
Möchtest du sehen, wie dein Unternehmen mit dem Tempo des Wandels Schritt halten und KI für deine Teams nutzbar machen kann?
Kontaktiere OSF Digital, um herauszufinden, wie wir deinem Unternehmen helfen können, KI, autonome Agenten und Next-Gen-Technologielösungen zu implementieren, um die Leistung zu steigern und der Entwicklung einen Schritt voraus zu sein.
