Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Den AI-drevne Data Enrichment-funktion hjælper sælgere og ledere med at opretholde nøjagtige og komplette kontakt-, muligheds-, lead- og kontoposter. Ufuldstændige eller forældede understøttede optegnelser kan føre til missede salg, unøjagtige prognoser og ineffektive aftalegennemgange. Den AI-drevne Data Enrichment-funktion løser denne udfordring ved automatisk at analysere nylige e-mailinteraktioner og Teams-mødesamtaler og derefter foreslå eller opdatere understøttede poster. Denne proaktive tilgang reducerer manuel indtastning af data, forbedrer pipelinetilliden og understøtter mere effektive dealgennemgange og prognoser.
Sådan fungerer funktionen AI-drevet databerigelse
Agenten bag den AI-drevne Data Enrichment-funktion følger disse trin for at analysere og berige understøttede poster:
Filtrer understøttede poster: Agenten anvender bruger- og recordudvælgelseskriterierne, som administratoren definerer, for at vælge relevante understøttede records til analyse.
Analyser nylige ændringer: Agenten scanner e-mails udvekslet mellem sælgere og kunder samt Teams-mødeudskrifter og AI-genererede møderesuméer for at indsamle kontekst om udvalgte poster. Den søger efter kontekst og aftalerelaterede oplysninger såsom budget, myndighed, behov og tidsplan, der kan hjælpe med at berige de understøttede poster.
Identificer manglende eller forældede felter: Agenten sammenligner oplysningerne i e-mailsene med de eksisterende understøttede poster for at identificere eventuelle uoverensstemmelser eller huller.
Foreslå opdateringer: Agenten genererer forslag til opdatering af postfelter, såsom estimeret lukkedato og budgetbeløb, samt tilknytning af relevante e-mails. En administrator kan også konfigurere agenten til automatisk at opdatere posterne uden manuel indgriben.
Gennemgå og anvend opdateringer: Sælgere kan gennemgå de foreslåede opdateringer og vælge at anvende dem på de understøttede poster med et enkelt klik. I tilfælde, hvor automatiske opdateringer er aktiveret, kan sælgerne stadig gennemse de ændringer, agenten har foretaget, og gendanne dem, hvis det er nødvendigt.
Berigelsesadfærd efter posttype
Data Enrichment-agenten beriger poster forskelligt afhængigt af posttypen:
| Posttype | Berigelsesadfærd |
|---|---|
| Mulighed | Fuld berigelse: Agenten genererer forslag til feltopdateringer baseret på e-mails og interaktioner med Teams-møder. |
| Leder | Fuld berigelse: Agenten genererer forslag til feltopdateringer baseret på e-mails og interaktioner med Teams-møder. |
| Kontakt | Delvis berigelse: Agenten beriger kun et fast sæt af fem uformelle felter (såsom telefonnummer, jobtitel, e-mailadresse og foretrukne kontaktmetode), når kontakten identificeres som afsender af en e-mail eller arrangør af et møde. |
| Konto | Ingen feltberigelse: Relevante e-mails og møder er automatisk knyttet til kontoens aktivitetstidslinje, men der genereres ingen forslag til feltopdateringer. |
Bemærkning
Identifikation af interessenter (at foreslå kontakter som interessenter) understøttes kun for Opportunity- og Lead-poster.
Sådan konfigurerer og bruger du databerigelse
Afhængigt af din rolle kan du se følgende artikler for at konfigurere og bruge funktionen AI-drevet databerigelse:
| Brugerrolle | Reference |
|---|---|
| Administrator |
Konfigurer AI-drevet databerigelse Rediger ai-drevne indstillinger for databerigelse Ansvarlig AI FAQ om AI-drevet databerigelse |
| Sælger | Gennemse og godkend forslag til databerigelse |
Kapacitetsforbrug
AI-drevet Data Enrichment kører som en baggrundsproces, der overvåger sælgers e-mails og Teams-møder. Den behandler ikke alle e-mails eller møder, men fokuserer på dem, der er relevante for understøttede optegnelser, som sælgerne ejer.
Eksempel: Hvis du antager et scenarie, hvor en sælger modtager omkring 100 mails pr. dag med følgende distribution:
- 35 er interne mails, som agenten springer over.
- 25 er fra eksterne kontakter, der ikke er registreret i systemet, og dermed behandles som personlige og ikke behandles af agenten.
- 15 er allerede knyttet til eksisterende understøttede poster, så agenten behandler dem for potentiel databerigelse.
- 25 er fra eksterne kontakter registreret i systemet, men er ikke knyttet til nogen understøttede optegnelser. Agenten behandler disse e-mails for potentiel registrering og berigelse.
Ud over e-mails behandler agenten også Teams-møder, hvor den primære kontakt, der er knyttet til en understøttet post, var en deltager.
Kreditforbruget afhænger af antallet af e-mails og mødeudskrifter, som agenten behandler for at matche og berige understøttede optegnelser. For at lære mere om opsætning af kapacitet og overvågning af forbrug, se:
Ansvarlig kunstig intelligens
Den AI-drevne funktion til databerigelse er udviklet med ansvarlige AI-principper for øje. Udviklingsteamet har grundigt evalueret funktionen for at sikre, at den lever op til kvalitets- og etiske standarder, og den er designet til at øge produktiviteten. For mere information om ansvarlige AI-praksisser for denne agent, se Responsible AI FAQ om AI-drevet databerigelse.