Salesforce：数据云和Agentforce的应用与落地实践会议纪要

本次电话会议由 $Salesforce(CRM)$ 举办，主题聚焦于 Data Cloud 与 Agentforce 的应用与落地实践。公司管理层分享了如何通过 Data Cloud 构建统一的客户视图、推动业务数据激活，并结合 Agentforce 提升企业的自动化与智能化能力。

下面是这个会议的纪要：

1. Data Cloud 与 Agentforce 的定位

– Data Cloud 是 Salesforce 平台的核心数据基础，支持 Customer 360 和 Agentforce。

– 提供三大核心价值：

a. 构建统一的客户360视图（整合结构化与非结构化数据）。

b. 将可信赖的上下文数据交付给 Agentforce。

c. 支持实时驱动的自主化行动。

– 通过与 Salesforce 的统一元数据层深度集成，Agentforce 能够“理解并执行”具体业务任务（如更新机会记录）。

2. 实施的五个关键步骤（5 Tips Framework）

1. 组织对齐（Organizational Alignment）

◦ 高层设定愿景与战略。

◦ 建立跨部门的 Center of Excellence（COE），包含 IT、数据、销售、服务、市场等部门。

◦ 打破业务孤岛，确保跨部门协同。

2. 确定业务用例（Pick a Use Case）

◦ 以业务结果为导向，而非仅从技术出发。

◦ 常见用例：销售（提高生产力）、服务（减少流失）、市场（个性化营销）、电商（提升转化率）。

◦ 示例：交叉销售与追加销售（通过服务场景转化为收入机会）。

3. 定义成功标准（Define Success Metrics）

◦ 六大指标类别：

◦ 数据质量与整合度（准确性、重复率、延迟）。

◦ 采用度与用户体验。

◦ 业务KPI（客户生命周期价值、留存率、服务工单解决时长）。

◦ 运营效率（查询时间、成本节约）。

◦ 营销指标（ROI、转化率）。

◦ 合规与安全指标。

4. 能力与架构框架（Capability & Architecture Framework）

◦ 从单一客户视图出发，逐步扩展。

◦ 示例客户案例：

◦ 整合 Salesforce 内部数据、Snowflake 外部数据、Amazon Kinesis 流式数据以及知识库的非结构化数据。

◦ 通过 Data Cloud 的向量数据库与 RAG 能力支持 Agentforce 智能搜索和自动应答。

5. 制定路线图（Build a Roadmap）

◦ 思维模式：Think big, Start small, Move fast。

◦ 分阶段：

◦ Crawl：POC 与初步验证，获取 quick wins。

◦ Walk：扩展更多数据源，引入实时能力，叠加 Agentforce。

◦ Run：预测建模、Tableau 分析、引入生成式 AI 与更高效能。

3. 客户成功案例

– Heathrow：通过统一客户档案降低平均通话处理时间。

– Turtle Bay：实施统一档案后，销售代表客户预订率提升约20%。

4. 资源推荐

– Trailhead 学习平台。

– Data Cloud Starter Bundle（含专业服务支持）。

– Datablazer 社区（用户经验交流）。

分析师 Q&A 环节

1. Data Cloud 如何连接外部数据湖/数据库？

◦ 通过 Zero Copy 架构（与 Snowflake、Databricks 联合），无需物理移动数据，而是查询/联邦访问。

◦ 其他来源可通过200+连接器实现批量或流式接入。

2. Center of Excellence 应包含哪些角色？

◦ 执行赞助人（设定战略/愿景）。

◦ COE Owner（负责日常管理与问责）。

◦ 业务负责人（销售、市场、服务等）。

◦ 技术负责人（Data Cloud、Agentforce、数据湖等）。

◦ 各职能部门代表。

3. 成功指标中最常见的类别？

◦ 数据质量与整合度。

◦ 业务 KPI（如客户生命周期价值）。

◦ 采用度与用户满意度。

4. 常见实施陷阱？

◦ 人员方面：没有明确数据所有权或负责人精力不足。

◦ 数据方面：缺乏统一数据策略与数据字典，导致多组织/多系统数据标准化不足。

5. 知识库文章是否必须进入 Data Cloud？

◦ 是的，非结构化数据必须通过 Data Cloud 的向量数据库处理，才能在 Agentforce 中被激活和检索。

6. 已有 Tableau Cloud，还需要 Data Cloud 吗？

◦ Tableau 更偏向分析与可视化，而 Data Cloud 负责数据整合、建模、洞察与触发业务行动。

◦ 两者互补，Data Cloud 可作为 Tableau 的数据源。

7. Einstein Trust Layer 在哪体现？

◦ 内嵌于 Data Cloud 与 Agentforce 的数据检索和 RAG 过程中，自动处理数据脱敏与合规问题。