Salesforce anuncia a disponibilidade do Data Cloud Vector Database

A Salesforce anunciou a disponibilidade geral do Data Cloud Vector Database para ajudar as empresas a unificar e desbloquear o poder de 90% dos dados de clientes que estão presos em PDFs, e-mails, transcrições e outros formatos não estruturados.

As empresas agora podem integrar fontes de dados não estruturadas — como transcrições de chamadas, avaliações de clientes online e tíquetes de suporte — diretamente nos perfis dos clientes para obter uma compreensão mais profunda de suas necessidades e preferências, sem precisar depender de soluções caras e trabalhosas. Esses perfis enriquecidos permitem que as equipes pesquisem grandes volumes desses dados e apresentem insights e conteúdo que podem ser usados para aprimorar as experiências de vendas, serviços, marketing e comércio. Por exemplo, o Einstein AI pode usar os dados para agendar proativamente chamadas de serviço, ajudar as equipes de vendas a fechar pipelines mais rapidamente e impulsionar campanhas de marketing mais estratégicas.

O Data Cloud aproveita exclusivamente o poder dos metadados do Salesforce na Plataforma Einstein 1, vinculando dados não estruturados e estruturados. Com o poder desses dados combinados, os analistas agora podem explorar e visualizar no Tableau, os desenvolvedores podem criar automações do Salesforce Flow e os usuários corporativos podem fundamentar seus prompts de IA generativa. Ele também reduz a necessidade de ajustar os LLMs (Large Language Models) e, ao mesmo tempo, melhorar a precisão dos resultados fornecidos pelo Einstein Copilot, assistente de IA conversacional do Salesforce para empresas.

Mergulhando mais fundo

Integrado à plataforma Einstein 1, o Data Cloud Vector Database ingere, armazena, unifica, indexa e permite que consultas semânticas de dados não estruturados aproveitem o conhecimento em todos os aplicativos.

O Data Cloud agora pode ingerir conteúdo não estruturado diferente das interações do cliente em vários pontos de contato, incluindo sites, plataformas de mídia social e canais de comércio, em escala. Em seguida, ele usa o poder da IA generativa para criar incorporações em dados não estruturados que são indexados no banco de dados vetorial. Além disso, as empresas podem optar por incluir atributos estruturados relevantes e consultar semanticamente o banco de dados vetorial. Esse recurso aprimorado de recuperação de dados capacita prompts e copilots a fornecer respostas mais relevantes, precisas e atualizadas.

Usando o Data Cloud Vector Database, os clientes podem descobrir novas oportunidades de vendas e serviços, como:

Melhorando a prospecção: as equipes de vendas querem escolher as melhores oportunidades a serem buscadas, fazer planos de vendas personalizados e identificar proativamente os clientes em risco de rotatividade. No entanto, os leads tradicionais e a pontuação de oportunidades com base em dados históricos disponíveis apenas no Salesforce levam a uma imagem incompleta do cliente potencial. Com o Data Cloud Vector Database, os fatores de pontuação incluem adequação ao cliente e ao produto, compras anteriores, pontuações de conta, interações de suporte, padrões de uso e interações online. A qualidade do lead melhora e as equipes de vendas podem se concentrar nas oportunidades mais promissoras.

Respondendo mais rapidamente às RFPs de vendas: as equipes de vendas querem usar o Einstein Copilot para ajudar a criar respostas à solicitação de proposta (RFP) de um cliente potencial e obter negócios potenciais no prazo. No entanto, as recomendações atuais não consideram os recursos do fornecedor que existem na documentação do fornecedor. Com o Data Cloud Vector Database, o Einstein Copilot aproveita RFPs anteriores e outros dados de fornecedores em artigos de conhecimento e white papers para fornecer respostas precisas que mostram os pontos fortes do fornecedor.

Personalizando o alcance: as equipes de vendas querem criar um alcance de vendas personalizado. No entanto, as interações e comportamentos dos clientes em toda a empresa não são totalmente considerados quando os e-mails de divulgação do cliente são criados. O Einstein Copilot utiliza o Data Cloud Vector Database e usa artigos de conhecimento, PDFs, histórico de contas e outros dados não estruturados para escrever e-mails personalizados para cada cliente, aumentando as chances de fechar vendas.

Serviço e suporte aprimorados

Personalizando o envolvimento do cliente: as equipes de serviço se esforçam para conhecer as preferências de seus clientes, prever suas necessidades e oferecer serviços personalizados. No entanto, os perfis de clientes atuais geralmente incluem apenas detalhes básicos, como nome, detalhes da conta e tíquetes anteriores. Com o Data Cloud Vector Database, os perfis dos clientes serão enriquecidos com dados comportamentais, preferências e históricos de compras, permitindo que as equipes de serviços ofereçam aos clientes um atendimento hiperpersonalizado.

Gestão eficiente do conhecimento: os agentes de serviço e os bots precisam fornecer respostas mais rápidas e personalizadas às solicitações dos clientes. No entanto, grande parte do tempo de um agente ou bot é gasto procurando o artigo de conhecimento certo para encontrar a solução certa. O Data Cloud Vector Database, por outro lado, entende o contexto, as conexões entre artigos e tickets e o histórico do cliente, permitindo que agentes e bots encontrem as dicas de solução de problemas mais relevantes de forma rápida e precisa.

Melhorar as recomendações de cross-sell e upsell: a maioria das equipes de serviço deseja fortalecer os relacionamentos com os clientes e aumentar a receita oferecendo sugestões personalizadas de produtos aos clientes existentes. No entanto, as sugestões de produtos atuais muitas vezes ignoram as necessidades e preferências do cliente. O Data Cloud Vector Database permite que a IA sugira recomendações inteligentes de produtos de venda cruzada e upsell aos agentes, com base nas preferências do cliente, interações no site, engajamentos em mídias sociais e históricos de pedidos.

Resolução proativa de problemas: as equipes de serviço tentam identificar possíveis problemas antes que eles se transformem em problemas significativos. Mas nem sempre eles identificam padrões que apontem para problemas emergentes, falhas de equipamento ou outras interrupções futuras. O Data Cloud Vector Database pode gerenciar proativamente equipamentos e ativos, levando em conta detalhes como idade, uso e histórico de reparos para calcular uma Pontuação de Integridade de Ativos e agir para planejar automaticamente compromissos de serviço, localizar e corrigir problemas e recomendar atualizações para ativos antigos.