Trailheadモジュール「Einstein Case Classification」覚え書き
本記事は、Trailheadモジュール「Einstein Case Classification」の覚え書きです。
予測インテリジェンスでケースデータを改善し、サポートエージェントの時間を節約する。Einstein Case Classificationを使用する際の前提条件とか注意事項とかベストプラクティスが記載されています。 Einstein Case Classification の精度を確認できるダッシュボードがあるので、いつ自動化へ踏み切るかの判断もできる。
Learn About Einstein Case Classification
- 顧客の62%がAIを使用して企業の経験を向上させている。
- Einstein Case Classificationを使用すると、新しいケース作成時に過去のデータを元にフィールドに推奨値を入れてくれる。使用方法にオプションがある(お勧めするだけから、推奨値を自動で保存まで)
- Einstein Case Classification の精度は、組織のクローズしたケースに依存。つまり人間に依存する。
- Einstein Case Classification のメリット:エージェントの時間を節約、データ品質の改善、ケースの迅速な解決、より良い顧客サービス
- 正しいケースフィールド、ケース通知、ケース割り当てルール、ケースルーティングプロセスが実装されていない場合、あまり意味がない。
Prepare Your Data for Case Classification
- ケースのフィールド値を予測するには、そもそもの教師データとなるクローズしたケースが正確であることが絶対条件。
- 有用なフィールド:存続期間中(作成されたからcloseするまで)に値が変化するのはダメ。Statusとか。
- 予測対象のフィールドに空欄が入っているデータはダメ。
- あるフィールドのある値を設定するために、予測モデルの作成に使用するデータ数が100以下はダメ。
- 人間が分類できないものは、Einsteinも無理。
- ケース数は10000件が望ましい。
- 測定バイアス(人によるデータのつけ間違え)に気を付ける、データセットの設計プロセスは多様な参加者を含める。
Turn On Einstein Case Classification
- Trailhead のプレイグラウンドでは「Einstein Case Classification」は利用できない。(それでも学習しますとか、無茶振りを求めてきたぞ。
- 「Einsteinの推奨事項を確認」できるようになるには権限セット「Einstein Case Classification User」にユーザを割り当てなければならない。
- Einstein Case Classificationが正しく機能しているかどうか確認できるダッシュボードが存在する。これを見て、自動割り当てへの移行を考える。
「予測インテリジェンスでケースデータを改善し、サポートエージェントの時間を節約する。」ということで、多分、読み手の心が温まる話ではなかっただろうか、多分。 後、最後のモジュールのクイズ1問目が意図が読み取れなかった・・・。