こんにちは、DX攻略部のヘナトンです。
Sales Cloud Einstein リードスコアリングを利用していますか？
Sales Cloud EinsteinとはSalesforceが提供する特に営業チームを支援するために開発されたAI（人工知能）プラットフォームです。
Sales Cloud Einsteinの概要に関してはこちらの記事で解説しておりますのでご参照ください。
こんにちは、DX攻略部のヘナトンです。
Salesforceは、ビジネス向けクラウドサービスのリーディングプロバイダーとして知られており、Sales Cloud Einsteinはその中でも特に営業チームを支援するために開発されたAI[…]
Sales Cloud Einsteinには様々な機能がございますが、EinsteinリードスコアリングはAI（人工知能）機能を活用して、リード（見込み顧客）の質を評価し、優先順位付けを行う機能です。
これにより、営業チームは効率的にリソースを活用し、高い優先度を持つリードに重点を置けます。
リードスコアリングの仕組み
リードスコアリングの仕組みは以下のようになります。
- データ収集
- 機械学習
- リードのスコアリング（評価）
- 優先順位付け
①データ収集
Salesforce Sales Cloudは、様々なデータソースからリードに関する情報を収集します。
- 属性情報
- 行動履歴
- 取引履歴
属性情報
顧客の属性情報とは地域や業界、職種などでどのようなお客様かという情報を収集します。
行動履歴
顧客の行動履歴とはWebサイトの訪問履歴やメールのクリック履歴、フォームの記入内容などで、お客様が当社に対してどのようなアクションを取ったかなどの情報を収集します。
取引履歴
顧客との取引履歴とは当社の担当者とお客様が過去にどのようなコンタクトを取ったかを示します。
例えば、電話やWebミーティング、対面でのミーティングなどの議事録（いつどこで何を会話したか）や、実際に取引したことがあればその取引内容です。
十分な取引開始リードデータがない場合（具体的には過去200日間で1000件のリードが作成され120件のリードが取引開始されていること）、グローバルモデルを採用します。
グローバルモデルとはSalesforceを使用している多様な組織からデータを収集します。
Salesforceを使うと勝手にデータが抜かれている!!??と思った方は心配しないでください。
このグローバルモデルにおけるデータとは固有名詞は使用せず匿名データであるので機密情報が安易に流出するわけではありません。
②機械学習
収集したデータを元に、Salesforce Einstein の機械学習アルゴリズムがリードのパターンと特性を学習します。
この学習により、高い確率で購入意欲のあるリードや、関心の低いリードを識別することができます。
③リードのスコアリング（評価）
学習済みの機械学習モデルに基づいて、各リードに対してスコアが付与されます。
スコアは通常、0から100の範囲で表され、高いスコアほど質の高いリードを意味します。
スコアはリードの属性や行動に応じて変動します。
リードスコアリングを使用するとリードオブジェクトにリードスコア項目が作成され、Einsteinスコアコンポーネントに表示されます。
このEinsteinスコアコンポーネントではスコアを付けた大きな要因となる項目も表示されるので、なぜこのリードはスコアが高いのか、なぜこのリードはスコアが低いのかも知れるのです。。
リードリストビューにリードスコア項目を追加することでリードの評価を一覧で見ることも可能です。（参照のみ）
④優先順位付け
スコアが付与されたリードは、営業チームによって優先順位付けされます。
高いスコアを持つリードは、より高い関心度と購買意欲を示す可能性が高いため、積極的にフォローアップされます。
一方、低いスコアを持つリードは、マーケティング活動や追加の情報提供を通じて関心を引き上げるようにアプローチされるかもしれません。
まとめ
リードスコアリングの利点は、営業チームがリードを追跡する際の効率性を向上させられる点です。
高いスコアのリードに焦点を当てることで、成約率を向上させる可能性が高まります。
また、機械学習を活用してリードスコアリングを行うことで、より正確な予測と洞察が得られるため、顧客との関係構築に役立ちます。
こうしてEinstein（AI）を使って、数あるリード（見込み顧客）に効率的にアプローチをかけることで売上Upや費用Downが見込めるのです！
最後までご覧いただきありがとうございました。
