こんにちは！マーケティングデザインの原です。
弊社の関連会社マックスヒルズは現在、
SalesforceのAI予測分析「Einstein予測ビルダー」のパイオニアプログラムに参加しております。
日本ではまだまだ数少ない、活用事例への取り組みです。
今回は【活用ステップ・準備編】です！
◆目次◆
SalesforceのEinstein予測ビルダーをご存知でしょうか？
『Salesforceにあるデータから機械学習の予測モデルを作ることができる』機能となります！
下記は詳しいEinstein予測ビルダー、実はノンコーディングで既存のデータを分析し予測をすることが出来ます。
こちらはアウプットの一例です。予測スコアの活用はそれぞれだと思いますが、イメージ例として予測スコア（ex:顧客の離脱予測）を算出した後、このように離脱しそうな取引先を、取引先タブのコンポーネントに表示することが出来きます！
『営業担当者にフォローアップをお願いし、離脱を未然に防いでもらう』ということが可能となります。
Einstein予測ビルダーとは？
・誰もが簡単にSalesforceにあるデータから機械学習の予測モデルを作ることができる
・専門的な知識は不要でマウス操作のみで作れる
・はい/いいえの ２択の質問項目と、数値項目を予測することができる
★AIを使ったカスタムの予測モデルがノーコードで構築 Einstein予測ビルダーを提供開始
★Trailheadで予測ビルダーについて詳しく見る
Einstein予測ビルダーの活用ステップを簡単に紹介していきたいと思います。
組織構造や目的によっては、STEPが前後することがあるかもしれませんが、おおよそこのように手順を踏むのが良いでしょう。
★１０のステップ概要★【準備編】 👈今回はここを解説！
①予測の目的・活用ゴールを決める
②関連するオブジェクト項目・運用状況の確認
③予測における条件設定を定義する
④不足する条件の項目をカスタム項目で作成
【作成編】
⑤予測モデル設定
⑥予測モデルの比較
【活用編】
⑦スコアの表示・レポート出力
⑧実際のアクションへの誘導（例：NextBestActionの作成）
【ブラッシュアップ編】
⑨フィードバック・効果測定
⑩モデル、アクション通知の改善へ
ちなみに、今回私がボトルネックとなったはSTEP②です。
Salesforceシステム管理者として、運用レベルで動作を全把握していた訳ではなかったので、個人的には、このステップに７、８割くらいの労力を使いました。
何がしたいか、何の効果を出したいか「目的」と「活用ゴール」を社内でしっかり議論して下さい。
その上で、そもそもEinsteinが必要かどうか考えることが大切です。
実際に予測モデルを作ること自体は、難しいコーディングや設定などはほとんど必要ないので、誰でも簡単にEinstein予測ビルダーを使うことが出来ます。
Einstein予測ビルダーを使うことが目的にならないように注意です！！
◆POINTS
◆設定目的・弊社事例
今回のステップ例では、第１目的『離脱スコア』に基づいて説明していきますね。
例が２つ存在すると説明が混乱してしまうといけませんので、クロスセル編は別でブログにUP出来るようにする予定です。
このフェーズが意外と時間がかかりました。
『離脱スコア（第１目的）』を算出する際に、取引先オブジェクトの項目を条件に入れるのですが、古いものを合わせてカスタム項目だけで、130個以上、存在しました。
10年以上Salesforceを使っている、かつ、システム管理者が何度か変更になっていた為、そのように増えてしまったと思います。まず一旦、全部の項目をリスト化し、他部署の営業担当者に現状の運用状況を確認する必要があり、とても骨の折れる作業となりました。
余談ですが、当時のシステム管理者が、必ずしも「備考欄」に説明を丁寧に書いてくれる訳ではありません。
また古い項目は、担当者依存でネーミングもまちまちな場合も。とにかく、データ探偵のような作業が続きました。
大切なのは、項目の使用ステータスと運用状況を把握すること！
使ってない項目（謎項目）を条件に入れても、良くも悪くもEinsteinのモデルは作れてしまいます…
そして、信頼できないデータを基にイマイチなアウトプットが出てきてしまう、その点が注意ですね。
こちらもぜひ併せてご参考下さい👉【AI予測の時代】Einstein予測ビルダーを導入する前の注意点
②を乗り越えたら、次の関所は③です。
上記のシート内のポジティブ例、ネガティブ例、スコアリングする該当レコードの対象等を決めていきます。
こちらをベースにして、Einstein予測モデルの設定をしていくので、とても大事な箇所になります。
今回弊社が設定した『離脱スコアモデル』は下記条件になります。
★離脱スコア算出の条件例【Dataset】
：対象となるデータセット
取引先（対象オブジェクト）
【Segment】
：Einstein予測分析の基となるサンプルデータ（学習元データ）
商談が存在する取引先のみ
（取引先ステージの「未取引」を除く）
【Positive Example】
：Einstein予測分析において「スコアが高い」と認識させる「プラス」の例
既に離脱している
（離脱期間が240日以上）
※注意：離脱スコアの場合は、離脱例をポジティブの条件にいれます。
【Negative Example】
：Einstein予測分析において「スコアが低い」と認識させる「マイナス」の例
離脱をせず、長期で契約が続いている
（契約期間が１年以上、かつ離脱期間が240日未満）
【Record to score】
：Einstein予測分析において、スコアリング対象となるレコード
まだ離脱をしていないが、契約期間が短く今後が心配されるもの
（離脱期間が240日未満、契約期間が１年未満）
STEP③の条件で不足する項目がある場合は、カスタム項目でEinstein予測ビルダー計算用に作成する必要があります。
③で例として上がっている、「取引先ステージ」「離脱期間」「契約期間」は全てカスタム項目です。
既存の項目で設定出来れば１番良いですが、難しければカスタム項目を作成しましょう。
取引先ステージについてはこちらをぜひ参考に👇
ロイヤル顧客をどう増やす？Salesforceの機能「Einstein Analytics」を使ってCPM分析をしよう
「【AI予測の時代】Einstein予測ビルダーの活用の１０ステップ ～準備編～」如何でしたでしょうか？
Einstein予測ビルダーはまだまだ事例が少なく、中々思った通りに進まないことが多いと思いますが、今回このブログが役立ちましたら幸いです！
何事も最初の準備が大切ですので、ぜひこの準備編と前回の導入前の注意点ブログも参考にしながら、活用を検討してみて下さい。
マーケティングデザインでは、Einstein活用のご相談も受け付けておりますので、ぜひ気軽にご連絡下さい。
★6/3 Einsteinイベントのご案内★