Salesforce annonce la fin des données clients inexploitées
Publié par Jérôme Pouponnot le - mis à jour à
Salesforce a rendu disponible la solution Data Cloud Vector Database, une nouveauté qui rend possible l'unification et l'exploitation des 90 % de données clients non structurées contenues dans les PDF, e-mails, transcriptions et autres formats de données.
Grâce à la nouvelle fonctionnalité de Data Cloud, n'importe quelle entreprise pourra tirer parti de ce type de données afin de mieux connaître ses clients, et sans avoir à s'appuyer sur des solutions coûteuses. Les organisations peuvent désormais intégrer les données issues de transcriptions d'appels, d'avis en ligne ou de tickets de support client à leurs profils clients. Ces profils enrichis servent ensuite à planifier de manière proactive des rendez-vous de service client, aident les commerciaux à accélérer leurs ventes, et dopent les technologies d'IA générative afin de personnaliser davantage les campagnes d'e-mailing, les réponses des équipes de service client et les recommandations produits.Data Cloud exploite de manière unique la puissance des métadonnées Salesforce hébergées sur la plateforme Einstein 1 en unifiant les données structurées et non structurées. Les analystes peuvent désormais explorer et visualiser toutes ces informations directement dans Tableau. De leur côté, les développeurs peuvent créer des automatisations Salesforce Flow, et les équipes métiers peuvent ancrer les prompts envoyés à l'IA générative pour des réponses plus précises et pertinentes. Cette nouveauté rend également le fine tuning des grands modèles de langage (LLM) moins essentiel, tout en renforçant l'exactitude des résultats fournis par Einstein Copilot, l'assistant d'IA conversationnelle de Salesforce destiné aux entreprises.
Une exploration approfondie des données
Intégré à la plateforme Einstein 1, Data Cloud Vector Database ingère, stocke, unifie, indexe les données non structurées pour permettre d'effectuer des requêtes sémantiques et de tirer parti des informations qui se trouvent dans toutes les applications métiers.Data Cloud est désormais capable d'ingérer une variété de contenus non structurés issus d'interactions menées avec les clients sur une multitude de points de contact, notamment les sites Web, les réseaux sociaux et les canaux de distribution, tout cela à grande échelle. La plateforme utilise ensuite la puissance de l'IA générative pour intégrer les données non structurées indexées dans la base de données vectorielle. Les entreprises peuvent également choisir d'inclure des attributs structurés pertinents, et de formuler des requêtes sémantiques dans la base de données vectorielle. Grâce à cette capacité améliorée de récupération des données, les prompts et les assistants d'IA fournissent ainsi des résultats plus pertinents, fiables et à jour.
Développer plus rapidement les pipelines de vente et conclure de nouveaux contrats
Grâce aux capacités de Data Cloud Vector Database, les clients peuvent identifier de nouvelles opportunités commerciales et de service client :
Améliorer la prospection : les commerciaux veulent pouvoir choisir les meilleures opportunités à poursuivre, établir des plans de vente personnalisés et identifier de manière proactive les risques d'attrition. Cependant, les processus traditionnels de notation des leads et des opportunités commerciales se basent sur des données historiques disponibles uniquement dans Salesforce, et donnent donc une image incomplète des prospects. Avec Data Cloud Vector Database, les critères pris en compte dans la notation des prospects incluent l'adéquation entre les besoins clients et les produits, leurs achats précédents, les notations des comptes, leurs interactions avec le service client, leurs habitudes et leurs interactions en ligne. Résultat : la qualité des leads s'améliore, et les commerciaux peuvent ainsi se concentrer sur les opportunités les plus prometteuses.
Répondre plus rapidement aux appels d'offres : les commerciaux souhaitent utiliser Einstein Copilot pour élaborer des réponses à des appels d'offres et remporter des contrats potentiels dans les délais impartis. Toutefois, les recommandations actuelles ne tiennent pas compte des capacités figurant dans la documentation des fournisseurs. Avec Data Cloud Vector Database, Einstein Copilot exploite les appels d'offres précédents, ainsi que d'autres données sur les fournisseurs issues d'articles de bases de connaissances et de livres blancs, afin de fournir des réponses précises mettant en valeur leurs points forts.
Personnaliser les campagnes marketing : les commerciaux veulent créer des campagnes marketing personnalisées. Pourtant, les interactions et comportements des clients ne sont pas pleinement pris en compte lors de la création de ces campagnes. Einstein Copilot s'appuie sur Data Cloud Vector Database, et utilise des articles de bases de connaissances, des PDF, des historiques de comptes et d'autres données non structurées pour rédiger des e-mails personnalisés pour chaque client, augmentant ainsi les chances de concrétiser des ventes.
Optimiser le service client
Personnaliser l'engagement client : les équipes de service client s'efforcent d'identifier les préférences de leurs clients, d'anticiper leurs besoins, et de leur offrir des services taillés sur mesure. Cependant, les profils actuels n'incluent généralement que des détails de base tels que leur nom, des informations sur leur compte et leurs précédents tickets de support client. Avec Data Cloud Vector Database, ces profils seront enrichis à l'aide de données sur leurs comportements, préférences et historiques d'achat, permettant ainsi aux équipes de leur offrir un service client hyperpersonnalisé.
Gérer efficacement les connaissances : les agents et chatbots de service client doivent fournir des réponses plus rapides et personnalisées. Néanmoins, l'essentiel de leur temps est consacré à rechercher un article pertinent dans la base de connaissances pour trouver la bonne solution. De son côté, Data Cloud Vector Database comprend le contexte, les connexions entre articles et tickets de support client, ainsi que l'historique des clients. Les agents et bots peuvent ainsi trouver rapidement et précisément les conseils les plus pertinents.
Optimiser les recommandations de ventes croisées et incitatives : la plupart des équipes de service client veulent tisser des liens plus étroits avec leurs clients, et augmenter les revenus en leur proposant des suggestions produits personnalisés. Cependant, les suggestions produits négligent souvent les besoins et les préférences des clients. Data Cloud Vector Database permet à l'IA de suggérer des recommandations de ventes croisées et de ventes incitatives, en fonction des préférences des clients, de leurs interactions sur des sites web et sur les réseaux sociaux, et autres historiques de commandes.
Résoudre pro activement les problèmes : les équipes de service client font de leur mieux pour identifier les problèmes potentiels avant qu'ils ne s'aggravent. Malheureusement, elles ne parviennent pas toujours à repérer les schémas indicatifs de problèmes émergents, de dysfonctionnements et autres perturbations imminentes. Data Cloud Vector Database est capable de gérer pro activement les équipements et les actifs, tout en tenant compte d'une variété de détails (ex. : âge, utilisation, historique des interactions de service client) pour calculer un Asset Health Score. La solution peut ensuite planifier automatiquement un rendez-vous de service client, identifier et corriger des problèmes, et recommander des mises à niveau des équipements vieillissants.
« Les équipes métiers peuvent pour la toute première fois utiliser 90 % de leurs données jusqu'ici inexploitées et non structurées dans leurs processus », explique Rahul Auradkar, vice-président exécutif et directeur général, Uni?ed Data Services & Einstein chez Salesforce. « Grâce à cette innovation, les entreprises ont désormais l'opportunité de se développer de façon rentable en proposant des expériences clients révolutionnaires et intégrées, que ce soit dans le cadre de la gestion des ventes, du service client, du marketing, de l'IA, de l'automatisation ou de l'analytique. »
De nouvelles fonctionnalités permettant de tirer davantage parti de l'IA et de Data Cloud
Actuellement en phase pilote, la recherche hybride offre une meilleure précision en combinant des capacités de recherche sémantique et des recherches traditionnelles par mots-clés. Capable de comprendre les similitudes sémantiques et le contexte d'une requête, tout en reconnaissant les mots et concepts spécifiques à une entreprise, cette fonctionnalité permet aux clients d'optimiser la découverte d'informations et de proposer des résultats de recherche plus pertinents et personnalisés à partir d'une vaste base de données structurées et non structurées.
Disponible en version bêta ouverte d'ici la fin du mois, l'accessibilité de Data Cloud in Sandbox Environments permettra aux équipes informatiques de configurer et de tester les innovations de Data Cloud au sein de sandbox Salesforce existantes avant de les déployer. Toutes les métadonnées de Data Cloud, y compris les flux de données, les connaissances calculées, les intégrations zéro copie et les index de recherche, peuvent être personnalisées en fonction de configurations et de workflows Salesforce existants. En outre, Salesforce DevOps Center offrira la prise en charge en version bêta de Data Cloud à partir du mois de juillet, en l'intégrant au processus existant de gestion du cycle de vie des applications.
La disponibilité de Data Cloud sur Hyperforce au Royaume-Uni à compter du 31 juillet permettra aux entreprises de se développer à l'échelle mondiale et de servir leurs clients au niveau local. Les entreprises pourront stocker des données en toute sécurité dans le pays, mieux respecter les standards réglementaires mondiaux, tout en pouvant offrir des parcours clients en temps réel et à grande échelle.
Pour plus d'informations :
Découvrez l'impact des innovations de Data Cloud sur les ventes et le service client
Cliquez ici pour en savoir plus sur le fonctionnement de Data Cloud Vector Database
Cliquez ici pour découvrir comment créer un socle de données commerciales