Categories
Discover Magazine Enterprise Software Inteligencia Artificial Salesforce

Conozca a las mujeres pioneras de la IA en Salesforce y eche un vistazo a lo más destacado de nuestro Día de las mujeres en la IA.

Para celebrar el Mes de la Historia de la Mujer, la Red de Mujeres de Salesforce organizó su evento inaugural del Día de la Mujer en la IA el 26 de marzo en la Torre Salesforce de San Francisco. El evento reunió a mujeres de Salesforce que lideran el trabajo sobre IA ética y responsable en Salesforce. 

Este fue un evento dinámico centrado en explorar la intersección de la inteligencia artificial (IA) y la diversidad de género. A través de interesantes mesas redondas y ponencias que invitaron a la reflexión, los asistentes profundizaron en temas críticos como la ética de la IA, el desarrollo de la IA, la diversidad y la inclusión en la IA y la accesibilidad de la IA. Paula Goldman, Vicepresidenta Ejecutiva y Directora General de Ética y Uso Humano, dirigió nuestro debate principal sobre por qué la diversidad es fundamental para la confianza, la adopción y el éxito de la IA. Destacó la necesidad de que las mujeres y los grupos tradicionalmente infrarrepresentados estén representados en el desarrollo y el uso de las nuevas tecnologías. Adoptar la experimentación de la IA entre poblaciones diversas no es un mero acto de inclusividad; es un imperativo empresarial estratégico para poder atender las diferentes necesidades de los clientes en toda una gama de orígenes y perspectivas». Paula se centró en sus aspiraciones para la IA:

  • La IA tiene que servir a los humanos, y no al revés
  • La IA debe ser nuestro copiloto, no un piloto automático 
  • La IA debe ser inclusiva. En particular, la IA debe impulsar la accesibilidad
  • Es importante que todos nosotros participemos y estemos representados 

Siga leyendo para conocer más aspectos destacados del evento y para conocer a nuestras Mujeres en la IA que hablaron en el evento y a las que reconocemos como líderes en Salesforce que trabajan a diario para garantizar el desarrollo y la adopción equitativos de productos de IA.

La ética detrás de la IA

Inicié mi charla, Introducción a la ética de la IA, haciendo referencia a una de mis citas favoritas: «Todos los movimientos de justicia social que conozco han surgido de personas que se sientan en pequeños grupos, cuentan sus historias de vida y descubren que otras personas han compartido experiencias similares» – Gloria Steinem, periodista y activista social estadounidense 

Construir una tecnología que beneficie a todos los miembros de la sociedad por igual es un movimiento de justicia social. La confianza es nuestro valor número uno en Salesforce y nuestros clientes no confiarán en ninguna tecnología que no sea segura, inclusiva y precisa. He compartido cómo todos podemos implicarnos para garantizar que Salesforce afronta el momento de forma responsable manteniendo a un humano al timón de nuestro diseño de IA y ayudando al sector a definir cómo son realmente las interacciones de confianza entre humanos e IA». Paula Goldman hizo hincapié en la importancia del papel humano en la IA genérica,

«Es muy importante que cuando diseñemos la IA, lo hagamos para el florecimiento o el aumento humano. Nuestro objetivo es permitir que las personas hagan lo que sólo ellas pueden hacer en su trabajo y que los seres humanos tengan el firme control de la dirección del barco.» 

Desarrollar habilidades de IA para el éxito

Irina Malkova, Vicepresidenta y Directora de Análisis de TMP, dio comienzo a una inspiradora introducción sobre las habilidades para el éxito en IA, compartiendo sus experiencias y aprendizajes en el camino hacia una carrera en IA. Irinia dijo: «No me considero necesariamente una experta en IA, sino más bien una experta en el cambio» Emily Witt, Director, Research and Insights señaló que para afectar realmente a este cambio en la tecnología,

«Me acerco a la IA con un profundo compromiso con poner a los seres humanos en el centro de la forma en que estamos construyendo esta tecnología, y no creo que necesites una formación técnica para hacer eso

La moderadora Suchi Das, Directora del Programa Técnico Senior y Presidenta de Crecimiento de la Red de Mujeres de Salesforce, se hizo eco del énfasis de las panelistas en la experiencia adquirida en el trabajo: «Como alguien que tiene un título en informática, creo que hay mucho más fuera del título, como la experiencia laboral, que puede ayudarte a empezar»  

En Salesforce vemos el aprendizaje de nuevas habilidades de IA como una oportunidad, desalentadora sí, pero una gran oportunidad para mejorar nuestra visión empresarial individual, fuera de las habilidades técnicas. Como dijo Armita Peymandost, SVP de Ingeniería de Software, «hay muchas oportunidades en la IA más allá de la ingeniería» Tanto es así que una encuesta reciente descubrió que el 67% de los líderes empresariales globales están considerando usar IA generativa, pero aproximadamente el mismo número de líderes de TI dicen que sus empleados no tienen las habilidades para usarla. Aunque puede parecer abrumador, me inspira la cantidad de herramientas que tenemos, sin coste alguno, en Trailhead para pasar a la acción y empezar a aprender. Siempre recomiendo comenzar con nuestra creación responsable de AI Trailhead para realmente fundamentar el aprendizaje en la ética y el uso responsable.

Es fácil sentirse abrumado al iniciarse en la IA o asimilar nuevos conceptos. Annie Zhang, arquitecta de ingeniería de software, compartió sus consejos para enfrentarse a la rápida evolución de las tecnologías de IA: «Céntrate en las habilidades prácticas más que en los fundamentos teóricos… esto puede ser útil para los principiantes. Una vez que eres capaz de profundizar en el trabajo teórico, es una especie de madriguera de conejo en la que se te puede enredar el cerebro. El otro enfoque sería fijarse objetivos realistas. Resérvese un tiempo cada día o una vez a la semana para conseguir un pequeño hito»

Abrazando la diversidad

Como pioneros y desarrolladores, Salesforce se encuentra en una posición única para dar forma al futuro de la IA y garantizar que la IA la construyan todos y para todos. Debatimos la importancia de la diversidad en la educación, las experiencias laborales y las vividas. Durante el panel sobre la aceptación de la diversidad con Kai Nunez, Vicepresidente de Investigación e Información, Sanjna Parulekar, Vicepresidente de Marketing de Productos, Aekta Shah, Investigadora Principal de Investigación e Información, Sara Tangdall, Directora de Gestión de Productos, y Shelby Heinecke, Directora Senior de Investigación, el tema que resonó fue: no podemos tener una IA fiable sin diversidad en la IA. La diversidad es una fuente de innovación y diferenciación que nos brinda la oportunidad de liderar. Como afirmó Paula en su discurso de apertura, «no es sólo lo correcto, es una fuente de innovación y nos permite servir a nuestros mercados»

La moderadora del evento, Emily Belke, Arquitecta de soluciones senior y Presidenta de filantropía de la Red de mujeres de Salesforce, planteó la siguiente pregunta: «¿Cuáles son algunos de los pasos reales que debería dar el sector de la IA para garantizar que las personas de orígenes diversos no sólo se incluyan, sino que se valoren?» En respuesta, Aekta Shah profundizó en la importancia de crear productos de IA con la diversidad como prioridad,

«¿Se construye con o se construye para? En el mundo del diseño centrado en el ser humano, ha habido un movimiento hacia el diseño y la construcción para frente al diseño y la construcción con. Cuando se piensa en esas dos palabras (para/con) a un nivel intuitivo, la gente sabe cuándo se ha construido algo para ellos frente a cuándo se ha construido algo con ellos.»

Entendiendo la regulación

Más tarde moderé un panel con nuestros expertos Lindsey Finch, EVP, Global Privacy & Product Legal, Rachel Gillum, Vice President, Ethical & Humane Use Policy, y Danielle Gilliam-Moore, Director, Global Public Policy para discutir los esfuerzos actuales para establecer estándares, marcos y el futuro de la regulación de la IA. Hablamos del Marco de Gestión de Riesgos del Instituto Nacional de Normas y Tecnología (NIST) y de nuestra respuesta a la Orden Ejecutiva de la Casa Blanca que distingue los sistemas de los modelos y sigue fomentando la innovación responsable. Rachel Gillum describió el panorama siempre cambiante del cumplimiento: «Hace tiempo que tenemos normas y directrices para nuestro uso de la IA en nuestra Política de Uso Aceptable… es un proceso continuo de actualización a medida que salen a la luz nuevas capacidades y surgen nuevos riesgos.» Si queremos generar confianza en la IA, debemos adoptar de todo corazón una cultura que celebre y adopte la seguridad como algo central en el desarrollo y despliegue de la IA.

Danielle Gilliam-Moore explicó la importancia de la política pública global en los tratos con la IA en relación con la Orden Ejecutiva sobre IA de la Casa Blanca y otras relaciones gubernamentales similares de gran impacto: «Hemos estado colaborando con los gobiernos para garantizar que Salesforce, nuestros clientes y la IA de CRM empresarial estén realmente representados … estamos aquí si tienen preguntas porque se trata de temas y tecnología complicados» Se nos concedió una visión de las complejidades legales involucradas con el cumplimiento y la IA como Lindsey Finch compartió puntos de vista,

«Tenemos una perspectiva realmente buena sobre cómo la regulación de esta tecnología podría afectar a muchas industrias diferentes, regiones y tamaños de empresas en todo el mundo y representamos a todo ese ecosistema cuando nos reunimos con los responsables políticos.»

Accessible AI for all

Más tarde aprendimos sobre lo que todos podemos hacer para garantizar que la IA funcione para todos. Garantizar que la IA sea inclusiva y accesible para todos es fundamental para evitar posibles barreras de acceso. Jacqui Tolisano compartió que el equipo de Accesibilidad de Productos y Diseño Inclusivo está llevando a cabo un importante trabajo para salvaguardar todos nuestros productos de IA para asegurarnos de que cumplen con los estándares de accesibilidad a través de un nuevo programa piloto llamado Soporte Integrativo. Dentro de este programa, proporcionamos asistencia específica a los equipos de productos de IA para incorporar la accesibilidad a los productos desde el principio. Una de las formas en las que Salesforce se asegura de que las personas con discapacidad tengan voz en nuestros productos es a través de una asociación que tenemos con Fable para realizar pruebas de accesibilidad con usuarios, con el fin de obtener información de los usuarios de tecnologías de asistencia para informar sobre la estrategia y el desarrollo de productos y detectar problemas de accesibilidad de forma temprana. Uno de los probadores de Fable dijo recientemente: «Tengo problemas de audición y me cuesta mucho mantener conversaciones telefónicas. Al mismo tiempo, no me gusta pedir a otras personas que hagan las llamadas por mí porque nunca harán las cosas como yo las haría. Me gustaría poder decirle a la IA lo que quiero que haga y dejar que se encargue de las llamadas por mí.» Esto es lo que entendemos por capacitar.

Además de nuestro apoyo integrador a la accesibilidad, también buscamos oportunidades para realizar pruebas de usuario con personas con discapacidad a través de nuestras asociaciones. Al probar nuestros productos con personas con distintas discapacidades y que utilizan distintos dispositivos de asistencia, podemos mejorar la experiencia de usuario para todos. Crystal Preston-Watson, Analista Senior de Accesibilidad Digital hizo hincapié en la urgencia de incluir la accesibilidad y realizar pruebas adecuadas en la IA,

«… corremos el riesgo de ampliar la brecha digital. Esta brecha separa a aquellos que pueden beneficiarse de la IA de aquellos que se quedan atrás o incluso se ven perjudicados por las consecuencias imprevistas de la misma.»

Conozca a las mujeres que están llevando a cabo el cambio en Trusted AI en Salesforce

Conozca a algunas de las voces del evento, nuestras mujeres de Salesforce en Trusted AI están afectando al cambio cada día en sus funciones. 

Kathy Baxter, Arquitecta principal, Responsable de IA y tecnología

En qué está trabajando Kathy: Colaborando con AI Research y nuestros equipos de producto para garantizar que nuestros modelos se desarrollan e implementan de forma responsable. Trabaja con nuestros equipos de asuntos jurídicos y gubernamentales para colaborar con los responsables políticos de todo el mundo en materia de normas, marcos y reglamentos sobre IA.

Emily Belke, Arquitecta de soluciones senior & Salesforce Women's Network Philanthropy Chair
Emily Belke,Arquitecta de soluciones senior y presidenta de filantropía de la red de mujeres de Salesforce

En qué está trabajando Emily: Implementación de Salesforce Data Cloud para clientes empresariales, preparando a estos clientes para hacer el mejor uso de CRM + AI + Data. Perfeccionar a nuestros equipos de entrega de servicios profesionales en Data Cloud mediante formación y capacitación, y continuar este aprendizaje manteniendo una estrecha comunidad de arquitectos que comparten sus conocimientos.

Suchi Das, Senior Technical Program Manager and Salesforce Women's Network Growth Chair
Suchi Das,Senior Technical Program Manager and Salesforce Women’s Network Growth Chair

En qué está trabajando Suchi: Migración de Tableau Cloud a Hyperforce, incluidas las operaciones de la ingeniería central de Tableau Cloud como director técnico sénior de programas. Como presidenta de crecimiento global de la red de mujeres de Salesforce, trabaja en la paridad de género en el liderazgo.

Lindsey Finch, Vicepresidenta Ejecutiva, Privacidad Global yamp; Product Legal
Lindsey Finch,EVP, Global Privacy & Product Legal

En qué está trabajando Lindsey: Asesorar a la organización de tecnología y productos de Salesforce sobre cuestiones legales, incluidas las relacionadas con la IA y el uso de datos, durante todo el ciclo de vida de desarrollo del producto. Trabajar con los clientes y socios de Salesforce para promover el uso de nuestros productos de acuerdo con los requisitos de privacidad y colaborar con la organización de asuntos gubernamentales de Salesforce en la defensa de la privacidad y el uso responsable de los datos.

Rachel Gillum, Vicepresidenta de Ética y Humane Use
Rachel Gillum, Vicepresidenta, Ethical & Humane Use

En qué trabaja Rachel: Impulsar el uso responsable de productos a través de la política de uso aceptable de IA de Salesforce. Colaboración con responsables políticos y organizaciones de la sociedad civil de todo el mundo sobre normas, mejores prácticas, marcos y reglamentos de IA.

Danielle Gilliam-Moore, Directora, Global Public Policy
Danielle Gilliam-Moore,Directora, Global Public Policy

En qué está trabajando Danielle: Trabajar en las diferentes organizaciones de Salesforce para garantizar que Salesforce cuenta con posiciones de política pública global consistentes y coherentes en nuestros asuntos más importantes, como la IA.

Paula Goldman, EVP and Chief Ethical and Humane Use Officer
Paula Goldman, EVP andChief Ethical and Humane Use Officer

En qué está trabajando Paula: Dirigir la Oficina de uso ético y humano de Salesforce, guiando el diseño, desarrollo e implementación responsables y accesibles de las tecnologías de Salesforce.

Shelby Heinecke, Senior Manager, Research
Shelby Heinecke,Senior Manager, Resear

En qué trabaja Shelby: Liderar un equipo de investigadores de IA para desarrollar IA de vanguardia para los productos actuales y futuros de Salesforce. Se centra en las próximas fronteras de la IA, incluidos los agentes impulsados por LLM, la IA en dispositivos y mucho más.

Irina Malkova, VP, TMP Analytics Lead
Irina Malkova,VP, TMP Analytics Lead

En qué está trabajando Irina: Creación de productos de datos e IA para ayudar a los equipos de creación a lograr la usabilidad y encontrar la adecuación del producto al mercado y ayudar a los directores generales a impulsar el crecimiento con información sobre los productos. Democratizando datos en Tech & Product.

Kai Núñez, VP, Research & Insights
Kai Nunez,VP, Research & Insights

En qué trabaja Kai: Dirigir un equipo de investigadores de métodos mixtos, analistas y científicos de datos centrados en ofrecer Insights &amp Research en toda la cartera de productos y servicios de la plataforma Einstein 1, incluidos, entre otros, AI, Data, Marketing, Platforms & Integrations.

Sanjna Parulekar, VP, Product Marketing
Sanjna Parulekar,VP, Product Marketing

En qué trabaja Sanjna: Dirigiendo el equipo de marketing de producto para todo lo relacionado con la IA en Salesforce.

Armita Peymandoust, SVP, Ingeniería de software, Salesforce AI
Armita Peymandoust,SVP, Ingeniería de software, Salesforce AI

En qué está trabajando Armita: Einstein Copilot, Model Builder para Data Cloud,  y llevando la IA generativa a los productos de Service y Sales Cloud.

Crystal Preston-Watson, analista sénior de accesibilidad digital
Crystal Preston-Watson, analista sénior de accesibilidad digital

En qué trabaja Crystal: Defender la accesibilidad en Salesforce y garantizar que los activos y herramientas digitales sean accesibles para todos los empleados.

Aekta Shah, Investigadora Principal, Investigación y Estudios + Oficina de Uso Ético y Humano
Aekta Shah,Investigadora Principal, Investigación y Estudios + Oficina de Uso Ético y Humano

En qué está trabajando Aekta: Investigando cuestiones estratégicas de alta prioridad relacionadas con la creación de los productos de IA más fiables en todas las nubes de Salesforce.

Sara Tangdall, Directora, Gestión de productos
Sara Tangdall,Directora, Gestión de productos

En qué está trabajando Sara: Escalando las revisiones éticas de productos en todo Salesforce y realizando revisiones éticas de los lanzamientos de IA para varias nubes de Salesforce.

Jacqueline Tolisano, Directora senior, Accesibilidad de productos
Jacqueline Tolisano,Directora senior, Accesibilidad de productos

En qué está trabajando Jacqueline: Ampliar nuestro programa de apoyo integrador para incluir más ingenieros de accesibilidad digital que proporcionen asesoramiento y orientación especializados a más equipos de producto para garantizar que la accesibilidad se incorpora a lo largo de todo el ciclo de vida del producto. Además, se está planificando la creación de un Consejo Asesor de Accesibilidad que se pondrá en marcha este año y en el que participarán directivos de toda la organización para garantizar la alineación con la estrategia de accesibilidad y las mejores prácticas del sector.

Emily Witt, Directora, Research & Insights
Emily Witt,Directora, Research & Insights

En qué trabaja Emily: Incorporar las perspectivas y experiencias de clientes y usuarios a nuestra creación de productos de IA, de modo que comprendamos lo que necesitan las personas que desempeñan diversas funciones con experiencias diversas para garantizar un uso responsable y equitativo de la IA.

Kris Woolery, Director de Diseño Inclusivo
Kris Woolery, Director de Diseño Inclusivo

En qué está trabajando Kris: En asociación con la Oficina de Igualdad, Research & Insights, y UX para crear oportunidades significativas para que los empleados se involucren en el desarrollo de una IA responsable. Además de esto, la asociación con el equipo de AI Trust UX para dar vida a los patrones de Human at the Helm UX en nuestros productos.

Annie Zhang, Arquitecta de Ingeniería de Software
Annie Zhang,Arquitecta de Ingeniería de Software

En qué está trabajando Annie: Personalización de Copilot, Acción FindSimilarRecords de Copilot y aplicaciones de IA relacionadas.

Categories
Salesforce Transformación digital

¿Qué son los índices de conversión?

La tasa de conversión es una métrica crucial que mide la eficacia de tu sitio web o aplicación a la hora de convertir visitantes en clientes. Es el porcentaje de visitantes que realizan una acción deseada, como realizar una compra, suscribirse a un boletín o descargar una app. Comprender la tasa de conversión es esencial para las empresas que desean optimizar su presencia en línea e impulsar el crecimiento. En esta entrada del blog, exploraremos qué es la tasa de conversión, cómo calcularla, por qué es importante y cómo mejorarla. También proporcionaremos puntos de referencia de la tasa de conversión y consejos para mejorar la tasa de conversión de su sitio Web con Salesforce, la plataforma de gestión de relaciones con los clientes (CRM) líder en el mundo.

La tasa de conversión es un factor clave para el crecimiento de su negocio

La definición de tasa de conversión

La tasa de conversión es una métrica clave que mide la eficacia de tu sitio web o app a la hora de convertir visitantes en clientes. Se calcula como el porcentaje de visitantes que realizan una acción deseada, como realizar una compra, suscribirse a un boletín o descargar una app. En términos más sencillos, representa la relación entre el número de conversiones y el número total de visitantes o sesiones en su sitio web o aplicación.

La tasa de conversión se calcula como el porcentaje de visitantes que realizan la acción deseada, como realizar una compra, suscribirse a un boletín o descargar una aplicación

La tasa de conversión sirve como un valioso indicador de lo bien que su sitio web o aplicación está logrando los objetivos previstos. Al supervisar y analizar las tasas de conversión, las empresas pueden obtener información sobre la eficacia de sus campañas de marketing, el diseño del sitio web, la experiencia del usuario y el rendimiento general. Esto ayuda a identificar áreas de mejora y permite a las empresas tomar decisiones basadas en datos para optimizar su presencia en línea e impulsar el crecimiento.

La tasa de conversión es un indicador valioso de cómo su sitio web o aplicación está logrando los objetivos previstos

Además, la optimización de la tasa de conversión desempeña un papel esencial en el seguimiento del éxito de iniciativas específicas, como campañas de marketing, rediseños de sitios web o la introducción de nuevas funciones. Al comparar las tasas de conversión antes y después de implementar los cambios, las empresas pueden cuantificar el impacto de sus esfuerzos y tomar decisiones informadas sobre futuras estrategias.

La optimización de la tasa de conversión es un elemento clave para el éxito de una empresa

Estrategias efectivas de optimización de la tasa de conversión

1. Oportunidades de optimización de la página de inicio La página de inicio sirve como punto de contacto inicial para los visitantes del sitio web, por lo que es crucial para una primera impresión positiva y fundamental para retener el interés de los visitantes para que profundicen en su sitio.

Las mejoras pueden incluir resaltar los enlaces a las páginas de productos para obtener más detalles, promover una opción de registro gratuita o integrar un chatbot para interactuar con los visitantes y responder a sus preguntas a lo largo de su exploración del sitio.

Optimización de la página de inicio

2. Mejoras para las páginas de precios La página de precios a menudo determina si los visitantes proceden a la compra.

La página de precios a menudo determina si los visitantes proceden a la compra

Utilizar técnicas de CRO aquí puede transformar a los navegantes en compradores ajustando las estructuras de precios (por ejemplo, cuotas anuales frente a mensuales), detallando las características del producto para diferentes niveles de precios, proporcionando opciones de contacto para consultas directas o introduciendo elementos interactivos como formularios emergentes. Un ejemplo de aplicación con éxito es Hotjar, que añadió una ventana emergente de suscripción por correo electrónico en su página de precios, lo que generó más de 400 nuevos clientes potenciales en tres semanas

3. Estrategias de conversión de blogs Los blogs representan una oportunidad importante para las conversiones, ya que no sólo ofrecen información valiosa sobre el sector, sino que también integran estrategias de CRO eficaces para impulsar las conversiones y convertir a los lectores en clientes potenciales.

3. Estrategias de conversión de blogs

Las tácticas podrían incluir la incrustación de múltiples llamadas a la acción a lo largo de los posts, o la promoción de ofertas de contenido como libros electrónicos o informes a cambio de las direcciones de correo electrónico de los lectores.

4. Mejoras en las páginas de aterrizaje Dada su llamada directa a la acción, las páginas de aterrizaje suelen presentar las tasas de conversión más elevadas entre todos los tipos de formularios de registro, con una impresionante media del 23%.

Las páginas de aterrizaje suelen ser las más atractivas para los usuarios

Por ejemplo, una página de aterrizaje de un evento podría incluir un vídeo de un evento anterior para aumentar las tasas de inscripción para el año en curso, mientras que una página de oferta de recursos podría mostrar fragmentos de contenido para atraer descargas.

Entender cuándo iniciar el CRO Conocer las mejores áreas para aplicar el CRO es clave para la optimización de la conversión, y es igualmente importante reconocer el momento adecuado para comenzar a optimizar su sitio web para mejorar las tasas de conversión.

Cómo calcular las tasas de conversión

Para calcular tu tasa de conversión, necesitas conocer el número de visitantes que realizaron la acción deseada y el número total de visitantes de tu web o app durante un periodo de tiempo concreto. La fórmula de la tasa de conversión es:

Tasa de conversión = (Número de conversiones / Número total de visitantes) * 100

Por ejemplo, si 100 personas visitan tu sitio web y 10 de ellas realizan una compra, tu tasa de conversión sería del 10%.

La tasa de conversión de tu sitio web es del 10%

Puedes hacer un seguimiento de tus tasas de conversión a lo largo del tiempo utilizando Google Analytics u otras herramientas de análisis. Esto te ayudará a ver cómo evolucionan tus tasas de conversión e identificar cualquier área en la que necesites mejorar.

Las tasas de conversión pueden variar en función de una serie de factores, entre los que se incluyen:

  • El tipo de sitio web o app que tengas
  • El público objetivo al que te diriges
  • La fuente de tráfico (por ejemplo, búsqueda orgánica, publicidad de pago, redes sociales)
  • La página de destino a la que se dirigen los visitantes

Es importante hacer un seguimiento y analizar la tasa y los índices de conversión de tu sitio web para poder tomar decisiones basadas en datos que te permitan mejorar tu sitio web o app e impulsar el crecimiento.

La tasa y los índices de conversión de tu sitio web son importantes para mejorar tu negocio

Las tasas de conversión son una métrica clave para medir el éxito de su negocio. Miden el éxito de sus esfuerzos de marketing y ventas, le ayudan a identificar áreas de mejora en su embudo de ventas, le permiten comparar su rendimiento y embudo de conversión con los puntos de referencia del sector, y pueden ayudarle a optimizar su sitio web y sus campañas de marketing.

Las tasas de conversión son una métrica clave para medir el éxito de su negocio

Al realizar un seguimiento de las tasas de conversión, puede obtener información sobre la eficacia de los distintos canales y estrategias. Esto le permite asignar sus recursos de manera más eficiente, centrándose en los métodos que producen mayores beneficios. Además, las tasas de conversión le ayudan a identificar los posibles cuellos de botella en su embudo de ventas, lo que le permite rectificar los problemas y mejorar la experiencia general del cliente.

La tasa de conversión es un indicador clave de la eficacia de su estrategia de ventas

Además, las tasas de conversión sirven como punto de referencia para medir su rendimiento frente a la competencia. Al comparar sus tasas de conversión con los estándares del sector, puede evaluar su competitividad y realizar los ajustes necesarios para mejorar su posición en el mercado. Además, los índices de conversión proporcionan datos valiosos para las pruebas A/B y la optimización del sitio web. Al experimentar con diferentes elementos de su sitio web o aplicación, puede determinar qué funciona mejor para su audiencia y optimizar la experiencia del usuario en consecuencia.

En esencia, las tasas de conversión son cruciales para las empresas que pretenden aumentar su base de clientes y sus ingresos. Al supervisar y analizar de cerca las tasas de conversión, las empresas pueden tomar decisiones informadas, optimizar sus estrategias de marketing y mejorar su rendimiento general

Optimización de la tasa de conversión

(CRO) es el proceso de aumentar el porcentaje de visitantes de su sitio web o aplicación que realizan una acción deseada, como realizar una compra o suscribirse a un servicio. Implica un enfoque basado en datos para analizar y optimizar su sitio web o aplicación con el fin de mejorar su eficacia a la hora de convertir visitantes en clientes

Hay cinco áreas clave en las que centrarse a la hora de optimizar la tasa de conversión:

1. Pruebas de diferentes versiones de su sitio web o página de destino. Las pruebas A/B le permiten comparar diferentes versiones de su sitio web o página de destino para ver cuál funciona mejor. Puede probar diferentes elementos, como el titular, la llamada a la acción o el diseño de la página web, para determinar qué resuena más con su público objetivo.

Prueba A/B

2. Personalizar su sitio web o página de destino para su público objetivo. La personalización implica adaptar su sitio web o página de destino a los intereses y necesidades específicos de su público objetivo. Para ello, puede utilizar los datos de su plataforma de análisis para identificar los datos demográficos, los intereses y los comportamientos de sus visitantes.

Personalización de su sitio web o página de destino para su público objetivo

3. Utilizar llamadas a la acción claras y concisas. Tu llamada a la acción (CTA) es lo que indica a los visitantes lo que quieres que hagan a continuación. Asegúrese de que su CTA es clara, concisa y fácil de encontrar. También debe ser relevante para el contenido de la página y las necesidades de su público objetivo

4. Facilitar la conversión de los visitantes. El proceso de compra debe ser lo más sencillo y directo posible. Evite pedir a los clientes potenciales información innecesaria y asegúrese de que el proceso de pago es seguro y fácil de entender.

El proceso de compra debe ser lo más sencillo posible

5. Seguimiento de los resultados y optimización de las campañas. Es importante realizar un seguimiento de las tasas de conversión para saber qué funciona y qué no. Esto te permitirá tomar decisiones basadas en datos sobre cómo optimizar tu sitio web o tu aplicación para mejorar las conversiones.

Seguimiento de los resultados y optimización de las campañas en consecuencia

Siguiendo estos cinco pasos, puedes mejorar tu tasa de conversión, aumentar las conversiones e impulsar un mayor crecimiento de tu negocio.

Puedes mejorar tu tasa de conversión, aumentar las conversiones e impulsar un mayor crecimiento de tu negocio

Puntos de referencia de la tasa de conversión

Esta sección proporciona puntos de referencia de la tasa de conversión para diferentes industrias, servicios y negocios. En ella se analiza la tasa de conversión media de todos los sectores, así como el proceso completo de optimización de la tasa de conversión y las tasas de los sitios web de alto rendimiento, los sitios web B2B y los sitios web para móviles.

Tasa de conversión

La tasa de conversión media para todos los sectores ronda el 2-3%. Esto significa que de cada 100 visitantes a un sitio web, 2-3 realizarán la acción deseada. Sin embargo, existe una variación significativa en las tasas de conversión entre las diferentes industrias. Por ejemplo, la tasa de conversión media para los sitios web de comercio electrónico es de alrededor del 4%, mientras que la tasa de conversión media para los sitios web de generación de leads es de alrededor del 2%.

La tasa de conversión media para todos los sectores es de alrededor del 2-3%

Los sitios web de alto rendimiento suelen tener una tasa de conversión del 5% o superior. Estos sitios web suelen estar bien diseñados, son fáciles de usar y tienen una clara llamada a la acción. También suelen tener una propuesta de valor sólida y una estrategia de marketing específica

Los sitios web B2B suelen tener una tasa de conversión más baja que los sitios web de comercio electrónico. Esto se debe a que los ciclos de ventas B2B suelen ser más largos y complejos. Los sitios web B2B suelen tener una tasa de conversión de entre el 2 y el 3%

Los dispositivos móviles y los sitios web suelen tener una tasa de conversión más baja que los sitios web de escritorio. Esto se debe a que puede ser más difícil diseñar un sitio web móvil que sea fácil de usar y navegar. Los sitios web para móviles suelen tener una tasa de conversión de entre el 1% y el 2%

Es importante tener en cuenta que las tasas de conversión pueden variar significativamente en función de una serie de factores, como el tipo de sitio web o aplicación, el público objetivo, la fuente de tráfico y la página de destino a la que se dirigen los visitantes. Las empresas deben hacer un seguimiento y analizar sus tasas de conversión a lo largo del tiempo para identificar áreas de mejora.

Mejorar su tasa de conversión con Salesforce

Salesforce es una potente herramienta de gestión de relaciones con los clientes (CRM) que puede ayudarle a mejorar su tasa de conversión de varias formas. Aquí tiene algunos consejos:

Supervise y pruebe sus páginas Web de destino, formularios y CTA: Salesforce le permite supervisar el rendimiento de sus páginas de destino, formularios y llamadas a la acción (CTA). Esta información puede ayudarle a identificar qué elementos funcionan bien y cuáles deben mejorarse. A continuación, puede utilizar esta información para realizar cambios en su sitio web o aplicación y mejorar su tasa de conversión.

Crear campañas de marketing dirigidas y personalizadas: Salesforce le permite crear campañas de marketing dirigidas y personalizadas basadas en los datos de sus clientes. Esta información puede ayudarle a enviar los mensajes correctos a las personas adecuadas en el momento adecuado, lo que puede aumentar sus posibilidades de convertirlos en clientes.

Seguimiento y análisis del recorrido del cliente: Salesforce le permite realizar un seguimiento del recorrido del cliente desde el momento en que visita por primera vez su sitio web o aplicación hasta el momento en que realiza una compra. Esta información puede ayudarle a identificar cuellos de botella o puntos de caída en su embudo de ventas y a realizar cambios para mejorar su tasa de conversión.

Seguimiento y análisis del recorrido del cliente

Automatice sus procesos de marketing y ventas: Salesforce puede ayudarle a automatizar sus procesos de marketing y ventas, lo que puede liberar su tiempo para centrarse en otras tareas. Esto puede ayudarle a mejorar su eficacia y productividad, lo que puede dar lugar a más conversiones y a un aumento de las ventas y los ingresos.

Automatice sus procesos de marketing y ventas

Siguiendo estos consejos, puede utilizar Salesforce para mejorar su tasa de conversión y hacer crecer su negocio.

Si sigue estos consejos, puede utilizar Salesforce para mejorar su tasa de conversión y hacer crecer su negocio

Categories
AppExchange Enterprise Software

¿Eres nuevo en el diseño de aplicaciones accesibles? Empiece aquí ☁️

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores, consultores, administradores y arquitectos de Salesforce para toda Iberoamérica.

El enlace a la publicación original, lo encontrarás al final de este artículo.

Sabes que la accesibilidad es importante para el diseño de aplicaciones, y que lo que es esencial para algunos es útil para todos. Aun así, cómo y por dónde empezar con el diseño accesible puede ser desalentador. Por eso hemos reunido cuatro puntos de partida que cualquiera puede probar. Recuerda empezar por donde tenga más sentido para tu organización

¿Qué es el diseño accesible?

El diseño accesible es una práctica que proporciona a los usuarios opciones y funciones para interactuar con la tecnología de diversas formas, en distintas plataformas y dispositivos. A continuación se ofrecen algunas sugerencias sobre cómo abordar la accesibilidad web en sus aplicaciones:

accesibilidad web

  1. Comprende las necesidades de diseño accesible.
  2. Elegir colores accesibles y contrastes de color.
  3. Prioriza la accesibilidad del teclado en el diseño de tu aplicación.
  4. Co-diseña apps con usuarios que experimentan exclusión.

Guía de accesibilidad para SLDS

El sistema de diseño de Salesforce Lightning proporciona marcado accesible que servirá de base para el desarrollo de su aplicación.

<p




1. Comprender las necesidades del diseño accesible

Las Directrices de Accesibilidad al Contenido en la Web (WCAG) incluyen una primera revisión de la accesibilidad llamada Comprobaciones sencillas. En él se destacan los principales aspectos a evaluar, desde los modos de interacción hasta los tamaños del texto.

Hay una necesidad humana detrás de cada una de sus itemizaciones. Por ejemplo, las personas que utilizan tu app pueden no ser capaces de leer un texto demasiado pequeño. Otras personas con epilepsia fotosensible pueden sufrir convulsiones si el contenido se mueve, parpadea o parpadea más de tres veces en un segundo. Y piensa en las personas que utilizan lectores de pantalla. Es fácil entender cómo algunas personas pueden quedar excluidas.

Los ejemplos de lo que pasaría y lo que no pasaría son especialmente útiles en Easy Checks. Compare sus diseños existentes para obtener una comprensión de alto nivel del cumplimiento. A continuación, comparte tus conclusiones con alguien de tu organización que pueda solucionar las barreras de accesibilidad

Durante 25 años, las WCAG han sido la principal organización internacional de normalización para Internet. ¿Su objetivo? Ayudar a todo el mundo a construir una web basada en los principios de accesibilidad, internacionalización, privacidad y seguridad. La palabra clave aquí es todo el mundo.

2. Elige colores accesibles y contraste de colores 

Muchas personas no pueden leer el texto si está sobre un fondo de un color similar. Esto impacta a más personas de lo que se piensa. Según un informe de la Organización Mundial de la Salud (OMS) de 2023, hay más de dos mil millones de personas con problemas de visión. Por lo tanto, tenemos que pensar de manera diferente sobre el uso del color en el diseño de aplicaciones.

Los diseñadores deben tener en cuenta cómo elegir los colores, ya que intervienen muchos factores. Piense en el significado que transmite un color. «Un significado puede ser emocional, por ejemplo, el rojo significa prosperidad, pero también significa parada»

Vea: Kellen Mannion explica las mejores prácticas para elegir colores.

<p

También es esencial considerar si un conjunto de colores es accesible. El texto es legible para todos o sólo para algunos? Una alta relación de contraste hace que sea más posible que las personas con discapacidad se involucren con su aplicación.

Para los usuarios con poca o ninguna visión, es fundamental que los diseñadores de aplicaciones distingan con contraste tanto el texto como los objetos que no son texto. Cumplan o superen los requisitos mínimos de texto de las WCAG. 

Un cuadrado dividido en dos tonos de fondo azul claro y azul medio. Sobre ambos se superpone un texto azul oscuro para denotar el contraste bueno y el contraste malo.
Consejo de diseño de aplicaciones: mantenga una relación de contraste de 4,5:1, a menos que el texto sea muy grande.

Además, aunque el color es un componente básico de cualquier sistema de diseño, no puede ser la única forma de transmitir significado o funcionalidad. Otras formas de comunicación son los indicadores basados en texto, los iconos y los cambios de altura y anchura

El uso del color es una parte de las consideraciones visuales. Además, amplíe su alcance a la navegación de su aplicación.

3. Prioriza la accesibilidad al teclado en el diseño de tu aplicación 

Algunos usuarios navegan por los sitios con un ratón. Otros utilizan equipos como lectores de pantalla. La accesibilidad desde el teclado es una práctica en la que se basan los diseñadores para garantizar que todo lo que se puede hacer con un ratón se pueda hacer con un teclado.

Accesibilidad desde el teclado

Hay algunos momentos ideales en el proceso de diseño para mantener continuamente esta conversación. Está la fase inicial (encuadre, definición, alineación), la fase intermedia (construcción) y la fase final (pruebas)

Vea: Scott Pitkin explica cómo diseñar para la accesibilidad del teclado.

<p

En una conversación reciente sobre formas alternativas de navegación, Trailblazer/MVP Eric Smith lo expresó mejor. «Hay que asegurarse de que no se está poniendo algo que restrinja a alguien, ya sea una aplicación o una interfaz creada por uno mismo», afirma

Realmente no quieres excluir a nadie si puedes evitarlo.

Eric Smith

Trailblazer y arquitecto técnico

La accesibilidad del teclado es algo personal para Smith, cuya cuñada utiliza un lector de pantalla. También desarrolló un componente de código abierto con Salesforce etiquetas personalizadas que permite ser reconocido por los usuarios que navegan con teclado. Como ventaja añadida, estas etiquetas permiten una rápida traducción a varios idiomas. «Realmente no quieres excluir a nadie si puedes evitarlo», dijo.

El diseño accesible es una prioridad en su trabajo como arquitecto técnico de la empresa de servicios de comercio electrónico RafterOne. «Creo que todo se reduce al sentido común», afirma. «Siempre tengo a mano la documentación de Salesforce Lightning Design System (para Directrices de accesibilidad para la interacción con el teclado) cuando estoy creando algo.» 

Directrices de accesibilidad para la interacción con el teclado)

Los diseñadores aprecian las diferencias, ya se trate de cómo vemos las cosas, cómo navegamos o cómo funcionan nuestras mentes.

Los diseñadores aprecian las diferencias, ya se trate de cómo vemos las cosas, cómo navegamos o cómo funcionan nuestras mentes

4. Co-diseñar aplicaciones con usuarios que experimentan exclusión

Todos procesamos las cosas a nuestra manera, ya seamos neurotípicos o neurodivergentes. Los diseñadores pueden tenerlo en cuenta. Las personas con autismo pueden beneficiarse de la posibilidad de modular el brillo de la pantalla para aliviar sus sensibilidades sensoriales. Y las personas con dislexia pueden encontrar más fáciles de entender las frases cortas con viñetas que los párrafos

Los diseñadores descubren estas necesidades conversando con sus usuarios. El codiseño invita a los usuarios a participar en el proceso de creación

En un proyecto reciente, los diseñadores de Salesforce colaboraron con usuarios que padecen Trastorno por Déficit de Atención e Hiperactividad (TDAH) y que se distraen fácilmente con interfaces de usuario desordenadas. Querían que les resultara más fácil centrarse en lo que tenían que hacer en cada pantalla.

Vea: Kris Woolery comparte cómo su equipo practica el diseño inclusivo.

<p

Diseñar para centrarse requiere separar el primer plano del fondo. Cuando el equipo de Sales Cloud aplicó el diseño inclusivo a la orientación dentro de la aplicación, los usuarios tuvieron más probabilidades de éxito.

Sé un campeón de la accesibilidad

En Salesforce, mantener la confianza de los clientes incluye comprometerse con la accesibilidad de los productos y animar a nuestros socios a hacer lo mismo.

Hoy en día, es más probable que su organización cuente con la aprobación de los ejecutivos. Según una encuesta de 2023 Forrester, el 60% de las empresas cuentan con el apoyo «de arriba abajo» para crear productos accesibles, y el 65% de los responsables de la toma de decisiones de software informan de que están implementando herramientas de prueba de accesibilidad.

Así que no hay mejor momento para comenzar su viaje hacia la inclusión.

Desde los líderes empresariales y los proveedores de software independientes (ISV) hasta los profesionales del marketing y los diseñadores, todo el mundo puede influir en lo que se distribuye

El diseño de aplicaciones accesibles es una forma de crear un mundo más inclusivo, mejorar la experiencia de usuario para todos y atraer a nuevos usuarios.

El diseño de aplicaciones accesibles es una forma de crear un mundo más inclusivo, mejorar la experiencia de usuario para todos y atraer a nuevos usuarios

Hoy en día, los usuarios pueden encontrar aplicaciones accesibles más rápidamente en AppExchange, el principal mercado empresarial en la nube. Cualquier aplicación que enlace a un informe de conformidad de accesibilidad se incluirá en el nuevo filtro accesible de los resultados de búsqueda

Asegúrate de que la tuya está en la lista. Todo el mundo puede ser un campeón de la accesibilidad.

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://www.salesforce.com/blog/accessible-app-design/

Categories
Developers Salesforce

Dentro de la integración de 100 productos dentro de Marketing Cloud Growth Edition

En esta edición de nuestra serie de preguntas y respuestas «Engineering Energizers», destacamos a Jeanine Walters, arquitecta principal y arquitecta principal detrás de Marketing Cloud Growth Edition en Salesforce. Con más de 20 años de experiencia en la arquitectura de soluciones innovadoras en Salesforce, Jeanine ha desempeñado un papel fundamental en la creación de una aplicación de marketing revolucionaria que proporciona a las pequeñas y medianas empresas (PYMES) funciones de automatización de marketing de nivel empresarial, aprovechando las soluciones de Data Cloud y Einstein AI.

Explore cómo Jeanine y su equipo navegaron por integraciones complejas, alinearon prioridades conflictivas y abordaron desafíos de escalado para crear una solución fluida y eficiente que revoluciona las estrategias de marketing para empresas de todos los tamaños.

A un alto nivel, ¿cómo apoya Marketing Cloud Growth Edition?

Como arquitecto jefe de Marketing Cloud Growth Edition, mi objetivo principal es trabajar estrechamente con un equipo de arquitectos para integrar las tecnologías de Salesforce y crear una experiencia de producto perfecta. También me centro en anticiparme a las necesidades futuras y colaborar con los líderes tecnológicos de toda la empresa para impulsar la innovación.

Diseño y desarrollo de productos

En pocas palabras, mi trabajo consiste en establecer una arquitectura que admita todas las funciones necesarias para Marketing Cloud Growth Edition. Esto significa crear un anteproyecto para las funciones y la arquitectura necesarias. A continuación, los arquitectos de nuestro equipo toman ese proyecto y le dan vida

>

–>

Jeanine ofrece una visión más cercana de cómo da soporte a Marketing Cloud Growth Edition.

¿Qué enfoques nuevos o novedosos adoptó su equipo al abordar el diseño de Marketing Cloud Growth Edition?

Para minimizar la necesidad de los clientes de aprender nuevas herramientas o gestionar información duplicada, nos centramos en aprovechar los objetos y servicios existentes de Salesforce, como Campañas de Sales Cloud. Este enfoque también eliminó la necesidad de que nuestro equipo desarrollara nuevos componentes desde cero, lo que nos ayudó a cumplir nuestro plazo de entrega.

Antes de comenzar el proyecto, realizamos un inventario de los componentes disponibles e identificamos más de 100 componentes existentes que se podían utilizar. Aproximadamente el 75% de nuestro diseño estaba compuesto por esos componentes existentes, aunque se realizaron algunas modificaciones para alinearlos con nuestras necesidades específicas. Por ejemplo, hicimos que Flow -que tradicionalmente utilizan los administradores- fuera más adecuado para los profesionales del marketing al incorporarlo al proceso de gestión de campañas de nuestro producto.

Flow

Desde el principio decidimos aprovechar Data Cloud como base subyacente de Marketing Cloud. Esto nos ha permitido crear una visión unificada de marketing, ventas, servicios y comercio, ofreciendo un contexto y una perspectiva coherentes a lo largo de todo el proceso de relación con el cliente.

La nube de marketing nos ha permitido crear una visión unificada de marketing, ventas, servicios y comercio

Después de la puesta en marcha del proyecto, nuestro equipo continuó explorando oportunidades de colaboración con otros equipos para evaluar si sus servicios existentes podían satisfacer nuestros requisitos.

El equipo de marketing de Marketing Cloud se encargó de la implementación de la solución

¿A qué retos técnicos clave se enfrentaron durante el desarrollo de Marketing Cloud Growth Edition?

Uno de los principales obstáculos fue el complejo proceso de integración, unificando objetos y servicios existentes. Esto requirió que el equipo navegara por territorio desconocido e intentara una integración que nunca antes se había intentado.

Para superar este reto, el equipo hizo especial hincapié en la alineación arquitectónica. Se aseguraron de que todas las partes implicadas en el proceso de desarrollo comprendieran las metas y los objetivos del proyecto. Sin embargo, alinear las prioridades y los plazos de los distintos equipos resultó especialmente difícil. Determinar qué piezas requerían esfuerzos conjuntos y cuáles podían tratarse por separado fue una lucha constante. El equipo tuvo que encontrar la forma de equilibrar la necesidad de colaborar con la de avanzar en paralelo

Para solucionar esto, el equipo decidió modificar su enfoque de desarrollo minimizando la necesidad de alineación en componentes de bajo nivel. Por ejemplo, pasaron de utilizar un kit de datos unificado durante todo el proyecto a emplear un conjunto de kits de datos dependientes. Esta modificación permite una mayor flexibilidad y eficiencia en su proceso de desarrollo

Integración profunda con Salesforce DX y Data Cloud ofrece a los socios y desarrolladores la posibilidad de ampliar Marketing Cloud Growth Edition.

Integración profunda con Salesforce DX y Data Cloud

¿Podría compartir alguna experiencia en la que haya tenido que navegar por prioridades contradictorias durante el desarrollo?

Desarrollamos nuestro producto tanto para profesionales del marketing B2B como B2C, por lo que a menudo tenemos que elegir entre qué características priorizar. Nuestra investigación muestra que hay muchos trabajos compartidos entre estas personas, por lo que nuestro objetivo es asegurarnos de que no nos limitamos arquitectónicamente y podemos apoyar a ambos mercados en el largo plazo.

La opinión de los clientes es un factor importante. Si hay áreas en las que algunos de nuestros clientes han proporcionado información valiosa para mejorar, podemos priorizar abordarlas primero. Además, teniendo en cuenta que nuestro producto se dirige principalmente a las pymes, que a menudo tienen un enfoque B2B, tenemos en cuenta sus necesidades específicas. Sin embargo, nos esforzamos por mantener un enfoque equilibrado que atienda tanto a los mercados B2B como B2C, garantizando así que cumplimos las expectativas de todos nuestros clientes.

Cuidado con los clientes

¿Cómo abordan los retos de escala a la hora de desarrollar la Edición de Crecimiento de Marketing Cloud?

La capacidad de dar soporte tanto a clientes B2B como B2C -incluidos grandes clientes que realizan acciones de marketing de gran volumen en muy poco tiempo- es crucial. Desde el principio, la atención se ha centrado en comprender el objetivo de escala necesario para satisfacer estas demandas. Aprovechando los conocimientos adquiridos con los productos B2C existentes, el equipo ha creado servicios que pueden soportar el escalado previsto de los servicios para las pymes.

Servicios para pymes

Para abordar los problemas de escala, el equipo adopta un enfoque proactivo, aprovechando Salesforce Flow. Por ejemplo, cuando se trata de procesos que se espera que tengan una escala masiva, como la ejecución de numerosos flujos, es esencial que estos flujos funcionen con rapidez y gestionen grandes volúmenes.

El equipo ha creado servicios que pueden respaldar la escala prevista de los servicios para las PYMES

Aunque el equipo anticipa que el volumen superará las capacidades actuales de Flow, han abordado esta cuestión ampliando Flow para que admita una mayor escala e implementando un soporte de arquitectura adicional. Esto significa que Flow ahora tiene la capacidad de escalar horizontalmente, utilizando los recursos informáticos disponibles y aumentando la capacidad de cálculo según sea necesario.

>

Jeanine destaca por qué los ingenieros deberían unirse a Salesforce.

¿Qué papel desempeñaron los comentarios de los clientes a la hora de dar forma al desarrollo de la Marketing Cloud Growth Edition y cómo los incorporó al proyecto?

A lo largo del proyecto, nos comprometimos activamente con nuestros clientes para comprender sus necesidades y preferencias. Incluso antes de comenzar el proyecto, recibimos comentarios claros de los clientes que deseaban una experiencia B2B y B2C unificada, una integración más estrecha con otros productos de Salesforce, una experiencia de desarrollador mejorada, sandboxes y mucho más. Estas peticiones de los clientes influyeron en gran medida en nuestro diseño inicial

Una vez iniciado el proyecto, continuamos colaborando con los clientes para perfeccionar y mejorar el diseño. Llevamos a cabo varias rondas de pruebas de usabilidad, sesiones del consejo asesor de clientes y recopilamos comentarios de diversas fuentes. Este proceso iterativo garantizó la incorporación de las opiniones de los clientes en cada paso del proceso de desarrollo

Para optimizar la eficiencia y respetar el tiempo de nuestros clientes, organizamos pruebas de grupos de discusión agrupando varias funciones. Este enfoque nos permitió presentar una visión global de las funciones y recabar opiniones de forma significativa e impactante. Normalmente realizamos estas sesiones una o dos veces por lanzamiento para asegurarnos de que aprovechábamos al máximo las valiosas aportaciones de nuestros clientes.

Más información

Categories
Developers Tutoriales de Salesforce

La nueva extensión de Chrome ofrece información sobre los sitios de Lightning Web Runtime ☁️

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores, consultores, administradores y arquitectos de Salesforce para toda Iberoamérica.

El enlace a la publicación original, lo encontrarás al final de este artículo.

Obtenga información sobre los sitios de tiempo de ejecución web de Lightning con una nueva extensión de Chrome | Salesforce Developers Blog

<meta name="description" content="Aprenda, realice demostraciones y cree excelentes sitios de Lightning Web Runtime (LWR) con una nueva extensión de Chrome que le permite obtener información detallada sobre los componentes de la página"

Aprenda, realice demostraciones y cree magníficos sitios de Lightning Web Runtime (LWR) con una nueva extensión de Chrome que le permite obtener información detallada sobre los componentes de la página!

Salesforce Experience Cloud permite a los administradores y desarrolladores crear experiencias digitales mientras se conectan fácilmente con los datos de CRM. El editor de sitios Experience Builder permite crear rápidamente estos sitios perfectos en el marco de trabajo de Aura, y ahora en Lightning Web Runtime.

He desarrollado una extensión de LW que permite obtener información detallada de los componentes de la página

Desarrollé la extensión de Chrome LWR Build Info como contribución personal con el objetivo de facilitar la visualización de la información específica de los sitios LWR de Experience Cloud. Los sitios LWR facilitan la identificación de componentes en un sitio y la aplicación de estilos personalizados a los mismos. Aunque esto se puede hacer hoy en día utilizando las DevTools de tu navegador, la extensión LWR Build Info está diseñada para hacerlo más fácil!

<p

¿Por qué construir una herramienta?

Los sitios LWR de Experience Cloud proporcionan experiencias digitales conectadas y personalizadas a la escala B2C que se espera hoy en día. Esta plataforma de experiencia digital admite infinitas permutaciones de composibilidad de componentes LWC, tanto estándar como personalizados. Los componentes ya no sólo se añaden a la página base. LWR tiene muchos componentes de diseño que pueden tener componentes colocados dentro de ellos por

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2024/02/get-insights-on-lightning-web-runtime-sites-with-a-new-chrome-extension.html

Categories
Analista de negocios de Salesforce Developers Enterprise Software Salesforce Tutoriales de Salesforce

Salesforce Org Check: Análisis gratuito de la deuda técnica

Revisar objetos, campos, automatizaciones e incluso informes creados hace tiempo para optimizarlos puede llevar mucho tiempo, pero es una tarea importante con ventajas significativas. Creada pensando en la facilidad de uso tanto para los recién llegados como para los profesionales con experiencia en Salesforce, Org Check es una herramienta gratuita que sin duda mejorará la forma en que usted y su equipo abordan la deuda técnica;

En este artículo, veremos por qué necesita una herramienta de este tipo para su organización y cómo Org Check puede ayudarle a mantener una implementación limpia;

¿Qué es Org Check?

Org Check es una forma sencilla de conocer tu org y su deuda técnica rápidamente y tomar medidas al respecto de inmediato. Esto significa que tendrá la capacidad de profundizar en diferentes áreas de Salesforce que afectan al rendimiento, la seguridad o la experiencia del usuario, obtener respuestas a preguntas clave y, a continuación, tomar decisiones fundamentadas mientras planifica un cambio o un esfuerzo de optimización;

Para hacer uso de todas las interesantes funciones que veremos a continuación, asegúrese de instalar el paquete desde AppExchange. La aplicación es gratuita, publicada y mantenida por SalesforceLabs. Puede encontrar más información directamente en el proyecto de GitHub. Una vez que el paquete se ha instalado correctamente, es el momento de ir a través de las múltiples pestañas disponibles en el Org Check App.

Conoce tus objetos 

La primera pestaña en la que es muy probable que hagas clic es objetos. Aunque hay instrucciones disponibles pasando el ratón por encima de la barra gris de la parte superior, es muy intuitivo navegar por ella desde el primer momento. Puedes elegir cualquier objeto estándar o personalizado, incluyendo tipos de metadatos personalizados o incluso objetos externos. Aquí también puede revisar los valores predeterminados de toda la organización;

Si alguna vez has necesitado toda la información sobre un objeto en una sola página, entonces esto es exactamente lo que has estado buscando. Todo, desde los diseños de página disponibles, los tipos de registro, la configuración y los límites de los objetos, las reglas de validación, e incluso los campos y sus detalles, está todo aquí. Un simple ctrl + f / comando + f se puede utilizar fácilmente si usted está buscando algo en particular.

La información de los campos se muestra una vez que se selecciona un objeto en la pestaña de objetos, pero también hay disponible una pestaña dedicada a los campos personalizados. La ventaja de utilizar esta pestaña es que proporciona una vista de pájaro de todos los campos de su org, independientemente del objeto en el que se encuentren. Puedes ver fácilmente si alguno de ellos ya no se utiliza y planificar su desaprobación si se hace referencia a ellos en cualquier flujo o clase Apex.

Aunque verá si el campo está referenciado en flujos, por ejemplo, justo en la tabla, puede hacer clic para ver las dependencias, lo que expondrá un diagrama de flujo de todos los lugares donde se está utilizando el campo, así como si el propio campo está referenciando a otros campos, por ejemplo;

Para facilitar su uso, los cuadros están codificados por colores, y en la siguiente captura de pantalla se puede ver rápidamente que el flujo que está utilizando el campo para el que estamos analizando las dependencias está inactivo. Con una vista así en la mano, puedes minimizar el impacto del cambio y planificar adecuadamente los pasos que das en cada situación.</p

Comprenda el acceso de usuarios 

Los permisos de Salesforce son un tema muy amplio. El crecimiento de cualquier organización va seguido de múltiples perfiles y conjuntos de permisos creados según sea necesario para atender a diferentes grupos de usuarios. La pestaña Perfiles y permisos de Org Check le permite evaluar su uso, tipo, conjuntos de permisos agrupados específicamente y a cuántos campos concede acceso. Puede ordenar la tabla en función de la información que esté buscando;

También hay una opción para comparar ya sea CRUDs en objetos o App acceso entre múltiples perfiles y / o conjuntos de permisos, ahorrando bastante tiempo en el largo plazo.

Además, hay dos pestañas disponibles sobre la gestión de usuarios, respectivamente roles y grupos públicos. En el caso de los grupos públicos y las colas, la información como los usuarios incluidos y los usuarios activos se muestra en una vista tabular.

En cuanto a la jerarquía de roles, tienes la opción de revisarla como un árbol de dependencias o como una lista, con las casillas una vez más codificadas por colores. En el ejemplo siguiente, los roles representados por cuadros azules tienen al menos un usuario activo asignado, mientras que los amarillos están vacíos. Puede hacer clic en cada casilla para obtener más información, como cuántos usuarios activos o inactivos están asignados.

Mira todas las automatizaciones 

La pestaña automatizaciones le proporciona un desglose de todas las automatizaciones declarativas de su org: Workflows, Process Builders y Flows. Esta página es una forma rápida de revisar las automatizaciones existentes sin tener que navegar en cada página de Configuración. Puede cambiar fácilmente las pestañas y buscar un determinado proceso activo o inactivo;

Cuando estén disponibles dependencias tales como campos utilizados dentro de los flujos o acciones que utilizan un determinado flujo, la columna de dependencias le presentará un hipervínculo para hacer clic y analizar más a fondo estos elementos. Sin embargo, tenga en cuenta que para saber exactamente para qué se utilizan, como un campo utilizado como criterio de entrada de un flujo, tendrá que abrir el propio flujo. Puede hacerlo haciendo clic en su nombre hipervinculado dentro de la tabla siguiente;

Aunque la aplicación es amigable para el administrador y puede ser útil para un sinfín de tareas, los desarrolladores de Salesforce también pueden hacer uso de ella fácilmente: la pestaña Apex puede acelerar el análisis de las clases Apex y los disparadores de un vistazo, mostrando información clave sin tener que entrar en cada una de las clases una por una. Además, de forma similar a como se muestra el árbol de dependencias para los campos personalizados o las automatizaciones de apuntar y hacer clic, también habrá uno disponible para estos registros;

Se recomienda compilar todas las clases haciendo clic en el botón enchufar, y luego ejecutar todas las pruebas haciendo clic en el botón me gusta de la esquina superior derecha para obtener los detalles más relevantes de esta página. 

Aunque no impliquen necesariamente automatización, los Componentes visuales/UI son algo que todas las organizaciones utilizan. Desde las páginas Visualforce hasta los Componentes Web Lightning y las páginas Lightning, esta es una ventanilla única para empezar a profundizar en todos ellos.

No te olvides de los análisis

Siempre se crearán nuevos informes y cuadros de mando, y la pestaña de analítica te ayudará a asegurarte de que siempre sabes de qué tratan. Los registros a los que les falte una descripción se marcarán para que tomes medidas al respecto, pero también puedes visitar esta pestaña para buscar fácilmente un informe determinado y confirmar su ubicación y formato;

Resumen 

Aunque este post cubre sólo la superficie de lo que podrías hacer con Org Check, cada organización es diferente en cuanto a sus personalizaciones, y probando esto en tu propia edición de desarrollador o sandbox es muy probable que descubras mucha más información sobre la que puedas actuar rápidamente.

<p

¿Ha oído hablar de Org Check? ¿Has probado a utilizarlo? Háganoslo saber en los comentarios a continuación! 

El Autor

Andreea Doroftei

Andreea es instructora técnica de Salesforce en Salesforce Ben. Es una profesional de Salesforce con certificación 18x y apasionada por la experiencia de usuario y la automatización.

Andreea Doroftei

Categories
Salesforce Transformación digital

La IA no te quita el trabajo, sino que te prepara para uno mejor (aquí tienes 12)

Todo. En todas partes. Todo a la vez. Sí, es una película ganadora de un Oscar, pero también describe a la perfección el impacto que la inteligencia artificial (IA) está teniendo en las empresas, incluido el mercado laboral.

Todo en todas partes

La vista 360

Según McKinsey, la IA generativa tiene el potencial de añadir entre 2,6 y 4,4 billones de dólares de valor a la economía mundial en todos los sectores, incluidos la banca, el comercio minorista, la alta tecnología, la sanidad y las ciencias de la vida. Afectará a profesiones como las operaciones de atención al cliente, el marketing y las ventas, la ingeniería de software y la investigación y el desarrollo

Y aunque ha habido mucho miedo a que la IA nos quite el trabajo, la nueva tecnología, de hecho, dará lugar a una miríada de nuevos puestos de trabajo para los seres humanos. Por ejemplo, puestos muy bien pagados como el de ingeniero de avisos (esencialmente, un maestro en el arte de crear avisos para interfaces GPT) y el de gestor de productos de IA son actualmente tendencia en los sitios más populares de búsqueda de empleo

Según un reciente informe de IDC patrocinado por Salesforce sobre 500 organizaciones que utilizan soluciones basadas en IA, en los próximos 12 meses también se producirá un fuerte aumento de la contratación de arquitectos de datos, especialistas en ética de IA y arquitectos de soluciones de IA. Ese mismo informe predice que se crearán 11,6 millones de nuevos puestos de trabajo sólo dentro del ecosistema de Salesforce en los próximos seis años.*

Lo que puede hacer ahora

La IA necesita personas que la controlen para que funcione correctamente en nuestra sociedad. Y los miembros de la población activa, como tú, tienen la oportunidad ahora de perfeccionar las habilidades existentes en diversos sectores y aprender nuevas habilidades para crecer con la economía.

«Lo interesante de estas herramientas es que son incipientes y están muy democratizadas», afirma David Berthy, director senior de Salesforce Futures. «Así que, si la gente tiene voluntad, puede salir y aprender a aumentar su propio valor»

Plataformas como Salesforce’s Trailhead, Coursera, LinkedIn Learning y Udemy ofrecen cursos de certificación gratuitos y de pago sobre habilidades relacionadas con la IA

Aprende nuevas habilidades laborales relacionadas con la IA

Desde la comprensión de los fundamentos de la IA hasta la redacción de mejores prompts, existen numerosos cursos gratuitos en Trailhead, la plataforma de aprendizaje en línea de Salesforce, para ayudarle a avanzar en el mundo de la IA y la IA generativa.

Aprenda nuevas habilidades laborales relacionadas con la IA




La IA eliminará la repetición y creará nuevas habilidades y roles 

Empecemos por aclarar algo: Sí, es probable que la IA elimine funciones laborales repetitivas (programar publicaciones en redes sociales, revisar currículos, analizar datos, responder preguntas básicas de atención al cliente, enviar correos electrónicos de seguimiento), pero eso liberará a las personas para que sean más estratégicas, creativas y productivas en sus funciones actuales

Las personas ahora tendrán tiempo para, bueno, ser personas. Si trabajas en ventas o en atención al cliente, ahora podrás dedicar más tiempo a interactuar con los clientes para crear relaciones aún mejores. ¿Y en marketing? Podrá dedicar más tiempo al pensamiento estratégico o a proyectos creativos. Y si trabajas en el ámbito jurídico o sanitario, la IA puede ayudarte a analizar e investigar contratos o a interpretar resonancias magnéticas y radiografías, respectivamente.

La IA puede ayudarte a analizar e investigar contratos o a interpretar resonancias magnéticas y radiografías, respectivamente

No todos los nuevos empleos relacionados con la IA serán tan obvios como los de ingeniería o los relacionados con los datos. Los empleos en sanidad, finanzas, diseño gráfico y más evolucionarán gracias a la ayuda de la IA inteligente.

«La IA será una especie de telón de fondo para todo», afirma Chris Poole, jefe de consultoría técnica de IA en la práctica global de IA de Salesforce en servicios profesionales. «Creo que va a ser muy interesante de ver».

Cómo la IA generativa está creando nuevas carreras – 12 roles a considerar

¿Qué hay de nuevo e interesante para los curiosos de la IA? He aquí una docena de puestos de trabajo a tener en cuenta: algunos que existen actualmente (aunque sólo sea en sus primeras iteraciones) y otros que Berthy prevé que existan a corto plazo. ¿Hay alguno en tu futuro?

Ingeniero-prompt

Los ingenieros de prompts destacan en la redacción de prompts para herramientas de IA, como un producto GPT o chatbot, para obtener los resultados más precisos o deseados. Algunos se refieren a la ingeniería de instrucciones como «susurro de IA» porque esencialmente estás guiando al producto de IA generativa para que te dé una solución creativa a tu pregunta o instrucción.

Ingeniero de instrucciones

Entrenador de IA

Un entrenador de IA trabaja entre bastidores para asegurarse de que un algoritmo de IA hace lo que se supone que debe hacer. El entrenador prepara conjuntos de datos pesados para enseñar a los chatbots cómo pensar e interactuar con las entradas del usuario para que la IA responda con un lenguaje humano más natural. Los formadores también ajustan los datos y los sistemas para lograr resultados adecuados. En pocas palabras: «Los formadores de IA enseñan a los sistemas de IA a pensar, interactuar y ser verdaderamente útiles», según Boost.AI.

Diseñador de aprendizaje de IA

A medida que la tecnología de IA crece y cambia rápidamente, las organizaciones necesitarán personas que optimicen el aprendizaje personal a escala, afirmó Berthy. Estas funciones no solo ayudarán a formar a las personas en los sistemas de IA y en cómo trabajar junto a los copilotos de IA, sino que también perfeccionarán las formas en que las personas aprenden. «Las empresas que dispongan de mejores versiones de [sistemas de aprendizaje] estarán mejor equipadas para adaptar estas nuevas tecnologías», afirmó Berthy

Instructor de IA

A medida que las empresas sigan implementando tecnologías de IA, alguien tendrá que enseñar a los empleados a utilizarlas. Los instructores de IA enseñan a las personas las habilidades que necesitarán para avanzar en sus carreras, ya sea directa o indirectamente relacionadas con la IA. Son responsables de desarrollar planes de estudios y métodos de enseñanza, de dirigir clases prácticas y conferencias, y de otras tareas relacionadas con la educación en IA

Analizador de sentimientos

Aunque pueda entender e interpretar el lenguaje humano, la IA no es humana y no tiene sentimientos. No entiende los matices y no puede interpretar las emociones. Ahí es donde entra en juego un analizador de sentimientos. Trabajan con un programa de análisis de sentimientos para determinar si los datos extraídos de Internet, como los comentarios en las redes sociales o las opiniones sobre productos, son positivos, negativos o neutros, y para identificar su tono emocional.

La IA no puede interpretar el lenguaje humano y no tiene sentimientos

Stitcher

Un stitcher es un generalista que utiliza la IA para combinar una serie de habilidades propias de múltiples funciones en una sola función o flujo de trabajo. Por ejemplo, este trabajo utilizará la IA para unir más rápidamente herramientas de software modulares en flujos de trabajo que creen un valor único para los clientes, explicó Berthy. Así, en lugar de tener a varias personas trabajando en un proyecto, desde el diseño y la narración hasta la ingeniería y la implementación general del negocio, el cosedor se ocupará de todo utilizando la IA

Entrenador interpersonal

Este rol ayudará a las personas que viven y trabajan en un mundo digital y trabajan con IA a adquirir habilidades interpersonales básicas como la inteligencia relacional, la empatía, la escucha activa y la conexión en las interacciones cara a cara. Es similar a un coach de negocios, pero centrado en ayudar a las personas que trabajan detrás de una pantalla o sobre todo con máquinas.

Trabajar con máquinas

Optimizador del flujo de trabajo

Este rol utilizará datos e inteligencia para tener una vista de pájaro en toda una empresa, y determinar dónde la IA podría ayudar a las personas a ser más productivas. Esta persona utilizará la IA para revisar cómo trabajan las personas y los equipos, y poner de relieve las lagunas de productividad para aumentar la eficiencia general.

Optimizador de flujos de trabajo

Director de cumplimiento de la IA

A medida que las normativas sobre IA siguen perfeccionándose en todo el mundo, un gestor de cumplimiento de IA garantiza que los procesos de IA de una organización se adhieran a las normativas, normas éticas y directrices del sector pertinentes. Se aseguran de que las prácticas de tratamiento de datos se ajustan a las leyes de privacidad y también mitigan el impacto potencial de la IA en una organización.

Gerente de seguridad de IA

Si la tecnología de IA cae en las manos equivocadas, puede convertirse rápidamente en peligrosa. El gestor de seguridad de IA desempeñará un papel importante dentro de una organización para garantizar que los sistemas de IA se utilizan correctamente. También protegerá frente a vulnerabilidades y amenazas a la seguridad

Jefe de IA

El CAIO, la función más reciente en la C-suite, establece la estrategia general de IA para una organización. Esto incluye el diseño, desarrollo e implementación responsables y éticos de toda la tecnología de IA producida por la empresa

Director de datos y análisis (CDAO)

El director de datos y análisis supervisa todo lo relacionado con los datos y el análisis en una empresa. A veces este papel es compartido por dos personas, una como director de datos (CDO) y la otra como director de análisis (CAO).

Cómo prepararse para las nuevas carreras de IA

Con todos estos nuevos puestos de trabajo de IA que están surgiendo, es hora de abrazar la formación y empezar a jugar con las herramientas gratuitas a tu disposición. 

«No tengas miedo de las herramientas», dijo Poole. «Míralas como una ayuda que puede mejorar tu forma de vida y tu trabajo»

Las plataformas de aprendizaje en línea están facilitando el acceso a estas herramientas y la capacitación, dijo Aleksandra Radovanovic, gerente sénior de productos de tecnología empresarial en Okta, un servicio de gestión de identidades basado en la nube que ofrece soluciones de inicio de sesión único para empresas. Radovanovic aconseja identificar las competencias pertinentes y buscar cursos en línea que ayuden a adquirirlas. Tratar de adquirir experiencia práctica, incluso a través de cursos de certificación, también ayudará.

«Las personas que aceptan los cambios y la oportunidad que crean y aumentan su propio aprendizaje son las que tendrán los futuros más brillantes», dijo Berthy. «Se puede captar ese ethos y dar a la gente algo de esperanza, porque hay enormes oportunidades de aumentar su propia comerciabilidad.»

Mapa tu viaje hacia un CRM potenciado por IA

Salesforce encargó a Forrester Consulting que hablara con más de 700 líderes empresariales de todo el mundo para conocer su opinión sobre el éxito de la IA para CRM.




*Impacto económico de Salesforce: Salesforce AI-Powered Cloud Solutions Will Generate $948 Billion in New Revenues for Customers by 2028 (doc #US51404923, December 2023) 

Categories
Discover Magazine Enterprise Software Inteligencia Artificial Salesforce

Moirai: Un modelo básico de series temporales para la previsión universal

TL;DR: Moirai es un modelo básico de series temporales de última generación que ofrece capacidades de previsión universales. Destaca como un modelo versátil de previsión de series temporales capaz de abordar diversas tareas de previsión a través de múltiples dominios, frecuencias y variables de una manera de disparo cero.para lograrlo, Moirai aborda cuatro retos principales: (i) la construcción de un LOTSA, un conjunto de datos de series temporales diverso y a gran escala, que comprende 27.000 millones de observaciones que abarcan nueve dominios distintos, (ii) el desarrollo de múltiples capas de proyección de tamaño de parche, que permiten a un único modelo capturar patrones temporales a través de varias frecuencias, (iii) la implementación de un mecanismo de atención a cualquier variable, que permite a un único modelo manejar previsiones a través de cualquier variable, y (iv) la integración de una distribución de mezcla para modelar distribuciones de predicción flexibles. A través de una evaluación exhaustiva en entornos dentro y fuera de la distribución, Moirai demuestra su destreza como pronosticador de disparo cero, ofreciendo sistemáticamente un rendimiento competitivo o superior en comparación con los modelos de disparo completo.

La necesidad de un pronosticador universal 

Los datos de series temporales están presentes en numerosos ámbitos, como el comercio minorista, las finanzas, la fabricación, la sanidad y las ciencias naturales. En todos estos sectores, la previsión de series temporales es una aplicación crítica con importantes implicaciones para la toma de decisiones. Aunque se han logrado avances significativos en el aprendizaje profundo para la predicción de series temporales, los avances recientes todavía se adhieren predominantemente al paradigma convencional de entrenar un modelo para un conjunto de datos específico con un contexto y una longitud de predicción fijos y predefinidos. Este paradigma impone inevitablemente una carga significativa en términos de costes computacionales para la formación de estos modelos, especialmente cuando se amplía a un gran número de usuarios.

Por ejemplo, la creciente demanda de servicios de computación en la nube ha aumentado la importancia de la gestión eficiente de los recursos en la infraestructura de TI. La previsión operativa ha surgido como un componente crítico en la canalización de la gestión de estos recursos, como principal factor impulsor de la planificación de la capacidad, la planificación presupuestaria, la evaluación de riesgos de escenarios, la optimización de costes y la detección de anomalías. Sin embargo, con la demanda cada vez mayor de recursos informáticos y el tamaño creciente de la infraestructura de TI, la capacidad de los proveedores de servicios para gestionar las necesidades de previsión a través de la multitud de tareas se ve continuamente desafiada, además de tener que construir pronosticadores específicos de tareas/usuarios.

Esto nos motiva a avanzar hacia el paradigma de previsión universal (véase la Figura 1), donde un único gran modelo pre-entrenado es capaz de manejar cualquier problema de previsión de series temporales.

Figura 1. Un pronosticador universal es un gran modelo preformado capaz de gestionar cualquier problema de previsión de series temporales. Un pronosticador universal es un gran modelo preentrenado capaz de manejar cualquier problema de previsión de series temporales. Se entrena en un conjunto de datos de series temporales a gran escala que abarca múltiples dominios. En comparación con el paradigma actual, la previsión universal se enfrenta a los tres problemas clave de i) frecuencias múltiples, ii) previsión de cualquier variable y iii) distribuciones variables.

Los retos para construir un pronosticador universal

El cambio de paradigma hacia modelos basados en fundamentos fue inicialmente impulsado por el campo del Procesamiento del Lenguaje Natural (PLN), que entrenó con éxito Modelos de Lenguaje de Gran Tamaño (LLM) en diversos datos a escala web, capaces de abordar una amplia variedad de tareas posteriores e incluso multilingües. Una importante innovación que permite a los LLM manejar múltiples idiomas es la codificación por pares de bytes (BPE), que convierte idiomas heterogéneos en un formato unificado. A diferencia de la PLN, el campo de las series temporales no tiene un equivalente en BPE, por lo que no es trivial construir una base de series temporales que pueda manejar la heterogeneidad de los datos de series temporales.

  • En primer lugar, la frecuencia (por ejemplo, frecuencias de muestreo por minutos, horas o días) de las series temporales desempeña un papel crucial en la determinación de los patrones presentes en los datos. Sin embargo, el aprendizaje entre frecuencias plantea problemas debido a la interferencia negativa, y los enfoques existentes suelen sortear este problema para los conjuntos de datos multifrecuencia entrenando un modelo por frecuencia.
  • En segundo lugar, los datos de series temporales presentan heterogeneidad en términos de dimensionalidad, donde las series temporales multivariantes pueden tener un número variable de variables. Además, cada variable suele medir una cantidad semánticamente distinta en los distintos conjuntos de datos. Aunque tratar cada variable de una serie temporal multivariante de forma independiente puede mitigar este problema, lo ideal sería que un modelo universal fuera lo suficientemente flexible como para considerar las interacciones entre variables y tener en cuenta las covariables exógenas.
  • En tercer lugar, la previsión probabilística es un requisito fundamental para muchas aplicaciones. Sin embargo, los distintos conjuntos de datos poseen diferentes propiedades de soporte y distribución. Por ejemplo, utilizar una distribución simétrica (p. ej., Normal, Student-T) como distribución predictiva puede no ser adecuado para series temporales positivas. En consecuencia, los enfoques estándar que predefinen una distribución paramétrica simple pueden carecer de la flexibilidad necesaria para captar eficazmente la diversa gama de conjuntos de datos.
  • Por último, el desarrollo de un gran modelo preentrenado capaz de realizar previsiones universales requiere un amplio conjunto de datos que abarque diversos dominios. Lamentablemente, los conjuntos de datos de series temporales existentes no suelen ser lo suficientemente amplios y diversos como para permitir el entrenamiento de dichos modelos.

Nuestro nuevo enfoque: Unified Training of Universal Time Series Forecasting Transformers

Figura 2. Arquitectura general de Moirai. Arquitectura general de Moirai. La visualización muestra una serie temporal de 3 variables, en la que las variantes 0 y 1 representan las variables objetivo (es decir, las que deben pronosticarse), y la variante 2 sirve como covariable dinámica (con valores conocidos en el horizonte de pronóstico). Utilizando un tamaño de parche de 64, cada variable se parchea en tres tokens. Estos parches, junto con los identificadores de secuencia y variante, se introducen en el transformador. Los parches sombreados de la visualización indican el horizonte de predicción. A continuación, las representaciones de salida correspondientes de estos parches se asignan a los parámetros de la distribución de la mezcla.

Para abordar estos retos, presentamos mejoras novedosas (véase la Figura 2) en la arquitectura convencional de Transformer de series temporales para gestionar la heterogeneidad de los datos de series temporales arbitrarias. He aquí algunas de las principales características y contribuciones de nuestro trabajo:

  • En primer lugar, proponemos abordar el reto de las frecuencias variables en los datos de series temporales mediante el aprendizaje de múltiples capas de proyección de entrada y salida. Estas capas están diseñadas para manejar los diversos patrones presentes en las series temporales de diferentes frecuencias. Mediante el empleo de proyecciones basadas en parches con tamaños de parche más grandes para datos de alta frecuencia y viceversa, las capas de proyección se especializan para aprender los patrones específicos de cada frecuencia.
  • En segundo lugar, abordamos el problema de la dimensionalidad variable utilizando nuestro mecanismo propuesto de Atención a Cualquier Variable. Este enfoque considera simultáneamente los ejes temporal y variado como una única secuencia, aprovechando la incrustación de posición rotatoria (RoPE) y los sesgos binarios de atención aprendidos para codificar los ejes temporal y variado, respectivamente. Es importante destacar que Any-variate Attention permite que el modelo acepte un número arbitrario de variantes como entrada.
  • En tercer lugar, superamos el reto de requerir distribuciones predictivas flexibles introduciendo una mezcla de distribuciones paramétricas. Al optimizar la log-verosimilitud negativa de una distribución flexible, nos aseguramos de que nuestro modelo sea competitivo con la optimización de la métrica objetivo, una potente característica para el preentrenamiento de pronosticadores universales. Este enfoque permite la evaluación posterior utilizando cualquier métrica objetivo.
  • Por último, para facilitar el entrenamiento de nuestro modelo de grandes series temporales, presentamos LOTSA, la mayor colección de conjuntos de datos de series temporales abiertos mediante la recopilación de fuentes de conjuntos de datos de series temporales disponibles públicamente. Este esfuerzo pretende cubrir un amplio espectro de dominios, consolidando conjuntos de datos de diversas fuentes con formatos variados. La colección resultante abarca nueve ámbitos, con un total de 27.000 millones de observaciones, cuyas principales estadísticas figuran en los cuadros 2 y 3. Para más detalles sobre las propiedades clave de estos conjuntos de datos, como el dominio, la frecuencia, el número de series temporales, el número de variables objetivo, el número de covariables pasadas y el número total de observaciones, consulte nuestro documento de investigación (https://arxiv.org/abs/2402.02592).

    Inmersión más profunda: Moirai

    Ilustrado en la Figura 2, Moirai sigue un enfoque basado en parches (no solapados) para modelar series temporales con una arquitectura de codificador enmascarado. Una de las modificaciones que proponemos para ampliar la arquitectura a la configuración de cualquier variable consiste en «aplanar» las series temporales multivariantes, considerando todas las variantes como una única secuencia. Los parches se proyectan posteriormente en representaciones vectoriales a través de una capa de proyección de entrada de tamaño multiparche. La [máscara] significa una incrustación aprendible que sustituye a los parches que caen dentro del horizonte de previsión. Los tokens de salida se decodifican a través de la proyección de salida multiparche en los parámetros de la distribución de la mezcla. Aunque no se visualiza, se aplica una normalización de instancia (no aprendible) a las entradas/salidas, en línea con la práctica estándar actual para los modelos de previsión profunda. 

    En nuestra tarea de preentrenamiento, formulamos el objetivo de optimizar la log-verosimilitud de la distribución de mezcla. El diseño tanto de la distribución de los datos como de la distribución de la tarea son dos aspectos críticos del proceso de preentrenamiento. Este diseño confiere capacidades versátiles a nuestro modelo de grandes series temporales (LTM), permitiéndole adaptarse a una serie de tareas posteriores. Esta flexibilidad contrasta con el paradigma predominante de predicción profunda, en el que los modelos suelen estar especializados para conjuntos de datos y entornos específicos.

    Results

    Entrenamos Moirai en 3 tamaños: pequeño/base/grande con 14m/91m/311m parámetros En las evaluaciones dentro de la distribución utilizando el Monash Time Series Forecasting Benchmark, Moirai muestra un rendimiento fenomenal, superando todas las líneas de base. 

    En evaluaciones de previsión fuera de distribución/zero-shot, Moirai demuestra sistemáticamente un rendimiento competitivo y, en algunos casos, supera a los modelos de disparo completo más avanzados. Esta superioridad se observa tanto en las previsiones probabilísticas como en las de secuencia larga.

    Aquí se muestran algunas visualizaciones de las previsiones de disparo cero de Moirai en los conjuntos de datos más populares. Como se muestra, Moirai elabora hábilmente previsiones marcadas por patrones estacionales discernibles de ETTh1-1 y ETTh1-2, al tiempo que captura con precisión los patrones de tendencia de ETTm1-1 y ETTm1-2. Estas ilustraciones subrayan la capacidad de Moirai para ofrecer predicciones perspicaces en distintos escenarios.

    Impact: Por qué Moirai es importante

    Moirai proporciona sólidas capacidades de previsión de disparo cero en una amplia gama de series temporales que abarcan diferentes dominios y frecuencias. Al aprovechar la potencia del preentrenamiento de datos a gran escala, este modelo básico de series temporales revoluciona el panorama, apartándose del anticuado enfoque de un modelo por conjunto de datos. Ofrece ventajas sustanciales a los usuarios en tareas de previsión posteriores, eliminando la necesidad de datos adicionales, amplios recursos computacionales y aportaciones de expertos que suelen ser necesarios para lograr previsiones precisas con modelos de aprendizaje profundo. Además, la capacidad de Moirai para manejar series temporales multivariantes de cualquier dimensión democratiza aún más la previsión precisa al reducir la dependencia tanto de los recursos informáticos como de la experiencia en aprendizaje profundo. Además de ser un avance importante para el mundo académico, Moirai tiene múltiples aplicaciones, incluyendo operaciones de TI, previsión de ventas, planificación de capacidad, previsión de energía y muchas otras.

    The Bottom Line

    • Moirai está diseñado para lograr una previsión universal con transformadores de series temporales basados en codificadores enmascarados.
    • LOTSA es la mayor colección de datos abiertos para el preentrenamiento de modelos de previsión de series temporales.
    • Moirai aborda los desafíos clave de la previsión universal para admitir varios dominios, múltiples frecuencias y cualquier variable de forma cero.
    • Evaluado tanto en entornos dentro de distribución como fuera de distribución, Moirai brilla como pronosticador de disparo cero, ofreciendo un rendimiento competitivo o incluso superior en comparación con los modelos de disparo completo.

    Explore más

    Salesforce AI le invita a profundizar en los conceptos tratados en esta entrada de blog (consulte los enlaces a continuación). Conéctese con nosotros en las redes sociales y en nuestro sitio web para obtener actualizaciones periódicas sobre este y otros proyectos de investigación.

    Acerca de los autores

    Gerald Woo es candidato a doctor en el Programa de doctorado industrial de la Universidad de Gestión de Singapur e investigador en Salesforce AI Research Asia y su investigación se centra en el aprendizaje profundo para series temporales, incluido el aprendizaje de representación y la previsión.

    Chenghao Liu es un científico aplicado líder en Salesforce AI Research Asia, que trabaja en la investigación de AIOps, incluyendo la previsión de series temporales, la detección de anomalías y el aprendizaje automático causal.

    Doyen Sahoo es el director de Salesforce AI Research Asia. Doyen dirige varios proyectos relacionados con IA para operaciones de TI o AIOps, IA para software e inteligencia de series temporales, trabajando tanto en investigación fundamental como aplicada.

    Caiming Xiong Ocupa los cargos de director general y vicepresidente de Salesforce AI Research. Supervisa el desarrollo y la aplicación de tecnologías como grandes modelos de lenguaje (LLM), LLM multimodales, grandes modelos de acción, IA para software, series temporales y otras áreas de investigación fundamentales. Además, Caiming dirige la transición de estos proyectos de IA desde las fases de investigación a los entornos de producción.

    Tecnología de la información

Categories
Analista de negocios de Salesforce Enterprise Software Salesforce Tutoriales de Salesforce

Objeto Lookup o Junction: Guía de decisiones para arquitectos de Salesforce

En el trabajo diario de los arquitectos y analistas de negocio de Salesforce, algunos requisitos parecen muy claros y la decisión de crear un Lookup a otro objeto se toma rápidamente. Sin embargo, hay ocasiones en las que puede merecer la pena explorar el proceso y la configuración empresarial en torno al requisito un poco más a fondo antes de incurrir en refactorizaciones técnicas y migraciones que requieren mucho tiempo, ya que pueden afectar significativamente a la experiencia del usuario, la disponibilidad del sistema y los costes de mantenimiento;

En este artículo, presento una guía de decisión basada en tres simples preguntas para reducir el riesgo de pensar demasiado pequeño con un Lookup, o demasiado grande con un Junction Object.

Tipos de relación en Salesforce

Cuando dos entidades necesitan relacionarse entre sí, en arquitectura técnica podemos hacer uso principalmente de dos soluciones: 

  • Lookup: Representa una relación de uno a muchos
  • Objeto de unión: Representa una relación de muchos a muchos

Para simplificar, no cubriremos las relaciones jerárquicas padre-hijo o maestro-detalle.

LEER MÁS:
Los 6 tipos de relaciones en Salesforce

Relación Lookup

La relación Lookup se crea añadiendo un campo personalizado al objeto que será el «muchos» en la relación uno a muchos y apuntará a la entidad «uno», que tendrá el enlace entrante.

En la captura de pantalla anterior, hemos añadido un campo personalizado llamado «Order» como Lookup en el objeto asset. Observe cómo también podemos definir la «fuerza» de la relación especificando qué sucede si se elimina el registro Lookup. ¿Puede existir un activo sin el pedido conectado?

Volviendo a la definición de la relación Lookup: En este ejemplo, un activo está conectado exactamente a un pedido y un pedido está conectado al menos a un activo. Un activo podría ser la representación «física» de un producto (por ejemplo, un ordenador portátil específico, con un número de serie);

Vamos a un ejemplo práctico. El pedido forma parte de un proceso de compra, durante el cual se adquiere un producto genérico «Portátil de empresa» y, a continuación, se vincula un bien específico a dicho pedido. Si luego nos fijamos en el portátil específico, podemos rastrearlo hasta el pedido de compra. Obviamente, en este caso, un pedido puede referirse a muchos activos. Un cliente puede haber pedido también un ratón y un teclado;

Pista: Los ejemplos de ERD (Entity Relationship-Diagram) utilizan la notación de pata de gallo, que puede resultar difícil para los interesados no técnicos. La notación Chen podría ser una opción más fácil o simplemente anotar la relación con explicaciones sencillas.

Objeto de unión

La relación many-to-many se crea añadiendo un Junction Object que conecta «n» activos con «m» pedidos.

Para el Junction Object, hemos creado un Custom Object llamado «Asset Order», que contiene dos Lookups, uno al activo y otro al pedido. Así se crea cada vínculo entre un activo y un pedido. Esta relación muchos-a-muchos se puede comprobar visualmente en el «Schema Builder»:

Si un activo puede tener más de un pedido conectado (venta inicial, devolución, segunda venta), podríamos volver al ejemplo con el portátil concreto que ha pedido un cliente. Otros pedidos relacionados con ese bien podrían, por ejemplo, ser el resultado de procesos de devolución (el cliente quiere devolver el artículo) o el vendedor ofrece recomprar el artículo, lo reacondiciona y lo vuelve a vender como artículo de segunda mano 

En ese caso, la multitud de órdenes se pueden rastrear en el activo específico, como podemos ver en la siguiente captura de pantalla que muestra un activo en particular y diferentes órdenes de su ciclo de vida.

LEER MÁS:
¿Qué es un objeto de unión en Salesforce?

Un ejemplo existente en Salesforce: Miembros de campaña

Un gran ejemplo para entender un Junction Object, y la relación many-to-many es echando un vistazo a Campaign Members.

Una Campaña puede estar conectada a múltiples Contactos:

Un Contacto puede ser objetivo de diferentes Campañas:

Análisis del proceso de negocio y escenario

Pongamos los ejemplos anteriores en el contexto adecuado. Un analista de negocio y un arquitecto están trabajando en el traspaso entre el proceso de pedido y el de cobro de un cliente de comercio electrónico. Lead-to-order es el proceso que abarca la cualificación, nutrición y conversión de un lead en un pedido, mientras que el order-to-cash está relacionado con todas las actividades que siguen desde un pedido ganado hasta la entrega y el pago.

En el «borde» entre los dos procesos, los artículos genéricos (productos) que un cliente ha seleccionado, como parte de su carrito, están vinculados con artículos específicos que están en stock (activos).

El analista de negocio y el arquitecto entrevistan a su principal parte interesada en el proceso de pedido de clientes potenciales, que es el departamento de marketing online. En sus requisitos, cada producto está vinculado a un pedido (que ya se cumple con el producto de pedido estándar). A partir de ahí, pueden realizar análisis específicos y obtener información sobre las tasas de conversión y otros KPI relevantes. El producto y el activo están estrechamente conectados, por lo que el activo también está modelado para estar en una relación de uno a muchos con el pedido, mediante el uso de un Lookup.

Incorporación de las siguientes partes interesadas

Un par de meses después, el siguiente departamento se incorpora a Salesforce. Este departamento está dirigido por el director de operaciones y se centra en las operaciones. Los temas principales que deben conseguirse con Salesforce son el proceso logístico de devoluciones y la obtención de ingresos adicionales con negocios renovados. Tras entrevistar a los gestores de procesos, el analista de negocio y el arquitecto descubrieron que la relación de entidades existente era incompatible con los nuevos requisitos: pedidos de devolución y reventa de activos existentes;

Necesitan crear una relación de muchos a muchos entre pedidos y activos, así como introducir diferentes tipos de pedidos. Esto no sólo conduce a una situación en la que un proceso ya en marcha tiene que ser cambiado, sino también a una cuidadosamente planificada «in-situ-migración» de los datos existentes en el nuevo Junction Object (por no hablar de la modificación de los informes existentes y la re-formación de los usuarios finales).

Guía de decisión de 3 preguntas

No todos los requisitos empresariales pueden preverse y, a veces, una solución pragmática hoy puede ser mejor que una solución «perfecta» dentro de tres meses. Pero aumentar la posibilidad de reconocer la necesidad de un enfoque diferente al obvio, puede lograrse con tres simples preguntas.

<h3 class="wp-block-heading" id="h-¿Cómo-es-el-ciclo-de-vida-de-las-entidades-pertinentes?

¿Cómo es el ciclo de vida de las entidades pertinentes?

Esta pregunta no está relacionada con el objeto de Salesforce en sí, sino con la entidad como parte de un conjunto de procesos empresariales. No es necesario mapear el proceso central del cliente en varios niveles, pero tener una comprensión general del proceso de extremo a extremo, especialmente el que está siendo soportado por Salesforce y aquellos que interactúan, es crucial;

Para esta pregunta, el analista de negocio pregunta a varias partes interesadas sobre los diferentes estados por los que puede pasar la entidad, hoy y en un futuro próximo. Aquí, es importante separar entre requisitos «reales» y «deseos remotos» que podrían ser menos relevantes y conducir a soluciones de sobreingeniería. Al preguntar al director de operaciones sobre los activos, el analista de negocio habría descubierto que un activo no «termina» tras el proceso de pedido a cobro, sino que es necesario en los procesos de emisión a resolución y recompra a reacondicionamiento.

¿Qué requisitos de negocio soportaría una solución diferente?

El objetivo de esta pregunta es realizar ingeniería inversa de una solución en posibles requisitos. ¿Qué pasaría si en lugar de utilizar un Lookup, utilizáramos un Junction Object? ¿Qué sería posible? ¿En qué casos se vincularía un activo a varios pedidos? Las respuestas teóricas a estas preguntas pueden cuestionarse con las partes interesadas y utilizarse para comprobar si coinciden con los requisitos empresariales reales.

Esta pregunta también puede aplicarse a implementaciones no relacionadas con Lookups y Junction Objects, ya que proporciona un buen campo de pruebas para un análisis amplio.

¿Cuál es el impacto, si nuestra solución necesita adaptarse?

Este enfoque acepta el hecho de que una solución no siempre puede satisfacer el 100% de los requisitos actuales o futuros. Permite al arquitecto crear un plan de contingencia y comunicárselo al cliente de forma abierta. «Si tenemos que cambiar de un Lookup a un Junction Object porque se descubren o cambian nuevos requisitos, este es el impacto y este es el plan…» La respuesta a esta pregunta también muestra el posible coste de una solución frente a otra y ayuda al equipo a estar preparado de antemano y tomar decisiones informadas.

Al igual que en el caso de la segunda pregunta, este análisis de impacto puede adaptarse para ser utilizado en varias implementaciones, ya que ayuda a planificar contingencias.

Resumen

El diseño de una arquitectura sólida en Salesforce se basa siempre en el análisis de los requisitos empresariales y sus respectivos procesos. Mediante la formulación de tres sencillas preguntas que se muestran en esta guía, un equipo puede reducir el riesgo derivado de requisitos desconocidos o no identificados que podrían dar lugar a cambios, refactorizaciones y migraciones.

  1. Ciclo de vida: ¿Cómo es el ciclo de vida de las entidades relevantes?
  2. Requisitos de ingeniería inversa: ¿Qué requisitos empresariales soportaría una solución diferente?
  3. Impacto de las alternativas: ¿Cuál es el impacto si nuestra solución necesita ser adaptada?

El autor

Valerio Neri

Valerio Neri es el CEO de Neri GmbH y autor. Cuenta con una notable formación en TI y estrategia empresarial, enriquecida con experiencias en ventas, marketing y gestión de productos.

Valerio Neri

Categories
Analista de negocios de Salesforce Consultor de Salesforce Salesforce

Primeras impresiones del jurado de los Retail Week Awards 2024

El comercio minorista avanza a un ritmo vertiginoso, por lo que estos premios anuales nos brindan la oportunidad de hacer una pausa, reflexionar y reunirnos para celebrar todo lo que nuestra diversa comunidad ha logrado. Es un momento único para mostrar lo mejor del comercio minorista y reconocer a las personas y empresas comprometidas que con pasión van más allá para cambiar nuestro sector a mejor

El 2 de febrero, el jurado se reunió en la Torre Salesforce de Londres para deliberar durante una mañana y empezar a seleccionar a los ganadores de las 16 categorías nominadas. ¿Qué es lo que más nos ha llamado la atención este año?

Estoy especialmente orgulloso del liderazgo inspirador que el sector minorista británico está mostrando en estos momentos. Todos hemos comentado el nivel cada vez más impresionante de las candidaturas a los premios que vemos, año tras año, mostrando historias excepcionales de innovación, dedicación y resistencia del comercio minorista. Los minoristas británicos están marcando la pauta de la excelencia mundial, adoptando una mentalidad digital y adoptando la tecnología basada en la inteligencia artificial para dar forma al futuro del comercio minorista. Y todo ello en unas condiciones económicas extremadamente difíciles, con unas expectativas de los clientes cada vez mayores y unos rápidos cambios tecnológicos que modifican constantemente las reglas del juego. Nuestra comunidad está haciendo frente a estos retos de forma espectacular

Tercera edición: Estado del Comercio

AI. Productividad. Nuevas prioridades y soluciones. Vea en qué están invirtiendo los líderes del comercio.


Sin desvelar demasiado, también puedo compartir que todos los minoristas preseleccionados para un premio este año están comprometidos a mejorar para sus clientes, sus compañeros y sus comunidades. A menudo se trata de un gran trabajo en equipo, en el que los minoristas reúnen a los trabajadores de las tiendas, los repartidores, los mozos de almacén y los equipos de las oficinas centrales para marcar una diferencia tangible.

Ha sido alentador ser testigo de la pasión de muchos minoristas por ser valiosos: crear vínculos y apoyar a sus clientes en tiempos económicos difíciles. Los minoristas han aprendido que deben tratar cada momento en línea y fuera de línea como una oportunidad para relacionarse con sus clientes y aprender de ellos, de una forma humana y digna de confianza. Vimos esto reflejado en las nominaciones a los premios en todos los ámbitos, desde el diseño innovador de las tiendas hasta las audaces propuestas omnicanal, las promociones a medida y la congelación de precios.

Los minoristas están aprovechando los datos para aliviar los retos del coste de la vida que muchos clientes tienen en mente

Los finalistas también han demostrado una gran mentalidad comunitaria, invirtiendo en ideas diseñadas para influir positivamente en nuestro mundo. Me han impresionado los héroes comunitarios que marcan la diferencia en su zona. Entre ellos hay proyectos excelentemente ejecutados que ayudan a hogares con bajos ingresos y mejoran la sostenibilidad medioambiental con iniciativas innovadoras de economía circular

El último denominador común que he observado es el compromiso constante con el bienestar de los compañeros y con hacer del lugar de trabajo un lugar feliz. Ha habido un aumento en los programas de reconocimiento y educación, ya que las empresas se dan cuenta de la importancia de invertir en el aprendizaje y el desarrollo de sus equipos, así como en programas integrales de aliados que buscan mejorar las comunidades subrepresentadas en el lugar de trabajo

En nombre de Salesforce España, deseo a todos los finalistas la mejor de las suertes y felicito a todos por presentar historias tan inspiradoras. La elección de las candidaturas más destacadas de este año ha sido excepcionalmente difícil. Estoy deseando celebrarlo con los ganadores en los Premios Retail Week la noche del 5 de marzo. Si está allí, pase por la mesa de Salesforce y salúdenos. Estaremos presentes, como siempre, defendiendo el comercio minorista británico

Categories
Salesforce Transformación digital

¿Quieres mejores respuestas de la IA Generativa? Escriba mejores preguntas

Las herramientas de inteligencia artificial (IA) generativa han hecho que sea muy fácil escribir y pulir correos electrónicos o presentaciones, resumir informes, escribir código, crear campañas en redes sociales y acelerar las interacciones de atención al cliente. Pero no todo el mundo aprovecha todo su potencial, y eso probablemente se deba a las instrucciones (o preguntas y afirmaciones) que se introducen en los productos de IA generativa. Cuanto mejores sean las instrucciones de la IA generativa, mejor será la respuesta

Lo principal

Para sacar el máximo partido a la IA generativa y a los modelos de transformador preentrenado generativo (GPT) que producen su lenguaje conversacional, practique la ingeniería de instrucciones. Esto le da al modelo de IA generativa detalles más enfocados para lo que quieres aprender en lugar de ser ambiguo. La IA generativa es inteligente y cada vez lo es más, pero no lee la mente. Sólo puede darte lo que quieres si tu pregunta es muy específica

«Con GPT, te conviene alargar la pregunta», afirma John Nosta, presidente de NostaLab, un grupo de expertos que estudia el impacto de la tecnología en la vida de las personas y en la sociedad. «Ese prompt -o qué es lo que le preguntas a GPT- requiere precisión e información contextual. Ahí es donde encontramos la magia»

Lo que necesitas saber

Escribe como si estuvieras manteniendo una conversación y utiliza lenguaje y descripciones específicas. Las herramientas de IA generativa trabajarán a tu favor cuanto más claro seas en tus indicaciones, así que sé detallista. Puedes mantener una conversación de ida y vuelta con las herramientas de IA generativa y profundizar en lo que estás buscando. Tenga en cuenta estos consejos a la hora de escribir mensajes de IA generativa:

  • Escriba de forma clara y concisa para que la herramienta de IA generativa conozca su solicitud específica.
  • Componga frases completas con palabras descriptivas, verbos activos y texto que describa lo que está buscando.
  • Escriba frases completas con palabras descriptivas, verbos activos y texto que describa lo que está buscando
  • Haga preguntas específicas, evitando preguntas cerradas que ofrezcan respuestas de sí/no.
  • Añada contexto, explicando qué intenta conseguir o a qué público se dirige.
  • Realice un seguimiento después de la respuesta inicial para profundizar y obtener respuestas aún más explícitas.
  • Los resultados de la encuesta deben ser lo más precisos posible

¿Quieres empezar rápidamente con un gran modelo lingüístico?

Ahorre tiempo utilizando un modelo existente con indicaciones inteligentes basadas en sus datos.


¿Qué es la ingeniería pronta?

La ingeniería de avisos es el acto de hacer preguntas muy específicas o alimentar información detallada a herramientas de IA generativa, como un producto GPT o chatbot, para obtener los mejores resultados. Algunos se refieren a la ingeniería de instrucciones como «susurro de IA» porque básicamente estás guiando al producto de IA generativa para que te dé una solución creativa a tu pregunta o instrucción

Con el aumento de la popularidad de las herramientas de IA generativa para uso personal y empresarial, unas buenas habilidades de ingeniería de instrucciones pueden ayudarte con tus consultas. Cuanto más específica y detallada sea la pregunta, mejor será el resultado. Y se puede ser muy creativo, incluso pidiendo al producto de IA generativa que responda como alguien conocido, como Albert Einstein, para obtener una respuesta desde el punto de vista de esa persona. En la mayoría de los casos, extrae la información de montones de datos disponibles en Internet, pero si acotas la pregunta y añades contexto, obtendrás resultados más refinados y creativos

6 consejos para escribir mejores prompts de IA generativa

Aquí tienes 6 reglas que te ayudarán a guiarte a la hora de escribir tus prompts.

  1. Sé específico: Por ejemplo, en lugar de decir: «Crea una campaña en las redes sociales», puedes escribir: «Crea una campaña en las redes sociales para un sitio web de comercio electrónico que vende camisetas gráficas para fans de películas y cómics como Star Wars, Harry Potter y el Universo Cinematográfico Marvel.»
  2. Crea una campaña en las redes sociales para un sitio web de comercio electrónico que vende camisetas gráficas para fans de películas y cómics como Star Wars, Harry Potter y el Universo Cinematográfico Marvel
  3. Toma un tono conversacional: Evita la jerga, el argot o las frases complejas que la IA generativa pueda no entender. Escriba como si estuviera hablando con un colega, no con un ordenador.
  4. Escriba como si estuviera hablando con un colega, no con un ordenador
  5. Utilice preguntas abiertas: Evite las preguntas de sí o no, que limitan la capacidad de la IA generativa para proporcionar información más detallada.
  6. Escriba como si estuviera hablando con un colega, no con un ordenador
  7. Establezca un personaje: Pida a la IA generativa que dé respuestas desde la perspectiva de alguien conocido, como Albert Einstein u Oprah Winfrey, o de un tipo específico de persona, como un mando intermedio o un cliente exigente
  8. Define tu audiencia y canal: Si estás escribiendo para la Generación Z o para padres de mediana edad, especifícalo en tu mensaje. ¿Están leyendo en una plataforma de redes sociales como Twitter o LinkedIn, en una entrada de blog o en el sitio web de una tienda? Indica también esa información
  9. Haga preguntas de seguimiento: Si no está satisfecho con la respuesta inicial, haga preguntas de seguimiento para obtener más información. Esto también se conoce como «encadenamiento de preguntas», que consiste en dividir las preguntas para obtener respuestas más concretas y personalizadas, y utilizar las respuestas de una pregunta para obtener la siguiente

Utiliza la ingeniería rápida para que los productos de IA generativa trabajen contigo, no contra ti

Las herramientas de IA generativa no son perfectas y definitivamente no son humanas. Puede parecer que estás teniendo una conversación, pero en realidad, es un ida y vuelta con una máquina que ha sido alimentada y ha acumulado montones de datos. Ten en cuenta estas ideas durante el proceso de diseño o redacción de tu IA generativa:

La IA generativa no es perfecta y definitivamente no es humana

  • La IA generativa no siempre es objetiva. A veces se inventa respuestas, llamadas alucinaciones, así que asegúrate de verificar lo que te da.
  • La IA generativa no siempre es real
  • Tenga cuidado con los derechos de autor y confirme que lo que le ofrecen los productos de IA generativa no es un plagio de otra fuente
  • GPT no entiende de matices y sutilezas, por lo que su mensaje debe ser lo más específico y claro posible

«Hay que entender que [la IA generativa] no es absolutamente precisa», afirma Nosta. «No lo veo como un defecto intrínseco. Lo considero una realidad fundamental»

Utiliza el CRM generativo para empresas

Vea cómo esta nueva tecnología, cuando se utiliza con su CRM, puede ayudar a sus equipos a trabajar de manera más eficiente y crear mejores experiencias de cliente


Categories
Developers Salesforce

Superación de obstáculos complejos: Revelación del proceso de Tableau para crear nuevas funciones y características – Blog de ingeniería de Salesforce

En nuestra serie de preguntas y respuestas «Engineering Energizers», examinamos las experiencias profesionales que han formado a los líderes de ingeniería de Salesforce. Conozca a Patrick Green, miembro principal del personal técnico de ingeniería de Salesforce. Patrick da soporte al equipo de Uso compartido de proyectos y permisos (PSP) en Tableau. El desarrollo de funciones desempeña un papel crucial en su trabajo, ya que garantiza el buen funcionamiento de varios productos de Tableau, entre los que se incluyen Tableau Cloud, Server y Desktop, proporcionando un enfoque estructurado de la gestión de datos y manteniendo la seguridad de los mismos.

Tableau Cloud

Siga leyendo para explorar cómo el equipo de Patrick gestiona los complejos desafíos de ingeniería para desarrollar e implementar, y solucionar problemas de estas características.

Seguridad de los datos

¿Cuál es la misión de tu equipo?

Uno de los aspectos clave del trabajo de PSP es el desarrollo y la implementación de características que mejoran la funcionalidad de Tableau. Estas características incluyen:

  • Gestión de permisos. Las funciones de permisos de PSP salvaguardan el acceso a los datos y protegen la información confidencial. Mediante la asignación de permisos, PSP controla lo que los usuarios pueden ver, a lo que pueden acceder y con lo que pueden interactuar, garantizando la seguridad y el cumplimiento de los datos.
  • Funcionalidades compartidas. Estas funcionalidades permiten a los usuarios compartir de forma segura libros de trabajo, vistas y cuadros de mando. Esto fomenta la colaboración y la toma de decisiones basada en datos.
  • Funcionalidades compartidas
  • Proyectos. Utilizados para organizar y almacenar contenido dentro de Tableau, los proyectos están estrechamente vinculados a los permisos, lo que garantiza que el contenido sea accesible para la audiencia prevista.
  • Proyectos

Una regla de permisos establece a quién afecta (un grupo o un usuario) y qué capacidades se le permiten, deniegan o no se especifican.

Una regla de permisos establece a quién afecta (un grupo o un usuario) y qué capacidades se le permiten, deniegan o no se especifican

>

–>

Patrick comparte su pasión por la ingeniería de Salesforce.

Patrick comparte su pasión por la ingeniería de Salesforce

A un alto nivel, ¿cómo resuelve los retos técnicos que surgen durante el proceso de desarrollo de funciones?

Patrick comparte su pasión por la ingeniería de Salesforce

PSP emplea un enfoque colaborativo. Comenzamos con una lluvia de ideas y creamos diseños de alto nivel durante las reuniones. Para comprender mejor el reto, asignamos tareas a los miembros del equipo, que llevan a cabo investigaciones exhaustivas. Estas fases implican profundizar en los aspectos técnicos de la función y evaluar su integración con nuestra base de código existente

La planificación temporal es un aspecto esencial de nuestros picos, ya que garantiza que se completen dentro de un plazo establecido. Esto nos ayuda a mantener el impulso y mantener el proceso de desarrollo en la pista.

Una vez completado el spike, volvemos a reunirnos como equipo para discutir los hallazgos y recopilar comentarios sobre los diseños o wireframes propuestos. En función de estos comentarios, creamos elementos de trabajo y comenzamos a implementar la función. Sin embargo, si el reto es sencillo, podemos proceder directamente sin necesidad de una investigación exhaustiva

¿Cuál es el proceso para crear una nueva función?

PSP sigue un proceso estructurado para crear nuevas características. En primer lugar, nos reunimos como organización de productos para debatir las funciones de alta prioridad y comprender las necesidades de los clientes, alineando nuestro trabajo con las metas y objetivos generales de la empresa

Durante esa reunión, PSP también analiza la mejora de funciones anteriores. En otras palabras, algunas funciones pasan a la siguiente versión y seguimos introduciendo mejoras en ellas con el tiempo.

Una vez que hemos identificado las características para una nueva versión, estimamos el esfuerzo necesario para cada característica utilizando puntos de historia, que tiene en cuenta el tamaño del equipo y la velocidad para estimar el tiempo necesario para completar los elementos de trabajo y la cantidad de trabajo que podemos encajar en la versión. A continuación, lo anunciamos a la organización y empezamos a crear las funciones

>

Patrick habla de cómo su equipo crea funciones de vanguardia.

Patrick habla de cómo su equipo crea funciones de vanguardia

¿Cuál es un reto técnico específico al que se enfrentó tu equipo y cómo lo superaste?

Supervisamos varios aspectos, como las llamadas a funciones, las API públicas y los puntos finales críticos. Basándonos en métricas de rendimiento y otros factores, creamos alertas según nuestros requisitos organizativos. Las alertas sirven como indicadores de posibles problemas o síntomas, como una latencia elevada, y nos ayudan a priorizar e investigar problemas de alta prioridad. Por ejemplo, si se espera que la latencia media de nuestra API sea de 5 milisegundos, recibiríamos una alerta en Slack si superara los 10 milisegundos.

Desgraciadamente, la evolución del código y los cambios en los patrones de uso de la API de los clientes pueden afectar a la eficacia de nuestras alertas. Por lo tanto, colaboramos continuamente con otros equipos para afinar las alertas y abordar cualquier ruido o falso positivo, lo que garantiza que recibimos datos precisos sobre nuestros servicios backend.

Cuando nos enfrentamos a problemas de rendimiento, como aumentos de latencia, el equipo de PSP busca el origen de estos aumentos colaborando con diferentes equipos e investigando los servicios backend. Esto implica identificar cualquier cambio en el código, rastrear fugas de memoria, bloqueos y otros factores. Cada problema es único y requiere una investigación exhaustiva

¿Cómo se priorizan los problemas y se solucionan tras el lanzamiento de una función?

El equipo de PSP prioriza los problemas relacionados con la autorización, ya que tienen un impacto significativo en las capacidades del usuario y la funcionalidad del contenido. La autorización se refiere al código de permisos que determina lo que los usuarios y grupos pueden hacer con el contenido de Tableau.

Imagen que muestra cómo se evalúan las capacidades a través de múltiples niveles de contenido.

Para abordar estos problemas, el equipo pone remedio rápidamente y cuenta con un proceso de análisis de la causa raíz (RCA). El proceso RCA nos permite identificar las causas subyacentes de los incidentes y mejorar nuestro código para evitar problemas similares en el futuro. Gracias a la supervisión interna y a los turnos de guardia, podemos detectar rápidamente los problemas en producción, a menudo en entornos de preproducción. PSP sigue una rotación de guardia, clasifica los problemas y los resuelve en colaboración. Si es necesario, nos ponemos en contacto con otros equipos para obtener ayuda, haciendo de la resolución de problemas un esfuerzo de equipo

>

Patrick explica cómo es trabajar en el departamento de ingeniería de Salesforce.

Patrick explica cómo es trabajar en el departamento de ingeniería de Salesforce

¿Podría compartir un reto complejo que requiriera la colaboración de varios equipos y cómo trabajaron juntos para resolverlo?

Patrick explica cómo es trabajar en el departamento de ingeniería de Salesforce

Recientemente, nuestra API interna -que utiliza el equipo de búsqueda dentro de Tableau- experimentó una alta latencia. Para solucionar este problema, trabajamos estrechamente con el equipo de búsqueda para identificar la API específica que causaba la latencia. PSP utilizó herramientas como Grafana y Splunk para rastrear las distintas llamadas a la API y determinó que el problema radicaba en un uso elevado de la memoria, lo que provocaba tiempos de espera en nuestro backend.

Una vez que PSP identificó el origen del problema, el equipo de búsqueda implementó una solución para el problema, que resolvió la alta latencia que estaban experimentando. Gracias a esta mejora, los clientes ya no tuvieron que lidiar con tiempos de carga lentos ni con giros prolongados al utilizar la barra de búsqueda.

Juntos, todos los equipos implicados en el incidente asistieron a una reunión de RCA. Esta reunión fue muy útil para rastrear la causa raíz, que tiene un valor incalculable para ayudar a nuestro equipo a mejorar nuestras características y habilidades operativas. Durante la reunión, analizamos el tiempo de reparación, el tiempo de detección y otras métricas. También utilizamos el proceso Cinco porqués para llegar a una causa raíz. Al final, trabajando juntos, fuimos capaces de identificar y resolver el problema de manera eficiente, asegurando una mejor experiencia para nuestros clientes.

Preguntas frecuentes

Más información

  • ¿Quieres más historias de Tableau? Eche un vistazo a este blog para descubrir cómo el equipo Developer Productivity & Experiences de Tableau aumenta la velocidad de los desarrolladores y optimiza sus flujos de trabajo de la A a la Z.
  • Para obtener más información sobre Tableau, póngase en contacto con nosotros
  • Manténgase conectado: únase a nuestra Comunidad de talento
  • Visita nuestros equipos de Tecnología y Producto para saber cómo puedes participar.
Categories
Developers Tutoriales de Salesforce

TrailblazerDX 2024: Guía completa para desarrolladores ☁️

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores, consultores, administradores y arquitectos de Salesforce para toda Iberoamérica.

El enlace a la publicación original, lo encontrarás al final de este artículo.

Guía del desarrollador para TrailblazerDX 2024

La comunidad Trailblazer se reunirá los días 6 y 7 de marzo de 2024 en San Francisco y en Salesforce+ para TrailblazerDX 2024. Los asistentes tendrán la oportunidad de aprender las habilidades necesarias para crear aplicaciones de IA.

La IA generativa está revolucionando el desarrollo de aplicaciones, creando nuevas oportunidades para los desarrolladores. Con más de 300 sesiones técnicas y talleres prácticos, los asistentes aprenderán a crear aplicaciones Salesforce basadas en IA generativa y a aprovechar las últimas funciones de la plataforma.

Tanto si asiste en persona como si lo ve en Salesforce+, esta guía le ayudará a sacar el máximo partido de su experiencia en TrailblazerDX.

Sesiones principales:
– The Future of Development Keynote: Únase a Parker Harris, cofundador de Salesforce y CTO de Slack, para aprender cómo cada desarrollador es un Einstein y ver cómo los clientes están utilizando CRM + AI + Data + Trust para crear increíbles experiencias de cliente.
– Fiel al núcleo: Únase a Parker Harris, ejecutivos de producto y jefes de producto para un foro de preguntas y respuestas sobre la hoja de ruta del producto.

Einstein Lookout:
– Visita Einstein Lookout para ponerte manos a la obra con Copilot, el producto más reciente. Explore demostraciones de avisos, acciones y mucho más, y pruebe el producto usted mismo.

Sesiones técnicas:
– Hay más de 300 sesiones técnicas disponibles, entre las que se incluyen sesiones en grupos, sesiones de teatro, paneles de inmersión, sesiones de fogata, mesas redondas y talleres prácticos. Las sesiones abarcan una amplia gama de temas y niveles de conocimientos.

Otras áreas para explorar:
– Diseño de campamentos: Aprenda a crear Einstein Copilot Actions y Next-Gen UX mediante actividades prácticas.
– Campamento Trailhead: Completa las insignias de Trailhead y los desafíos prácticos.
– Cala de la comunidad: Conéctate con Trailblazers y únete a reuniones en el área de Community Cove Networking.
– Data Ridge: Vea demostraciones técnicas de Data Cloud y Tableau.
– Parque de plataformas: Aprenda a crear y proteger aplicaciones y automatizaciones basadas en IA.

Actividades adicionales:
– Road to TrailblazerDX Quest: Completa el Road to TDX Quest para tener la oportunidad de ganar premios.
– Campamento TrailblazerDX: Participe en una experiencia de aprendizaje intensivo de tres días antes del evento.
– Celebración Trailblazer: Relájese y diviértase en el evento de celebración Trailblazer.

Para mantenerse al día sobre todo lo relacionado con TDX y más para desarrolladores de Salesforce, conecte con Salesforce en LinkedIn o Twitter.

La inscripción para TrailblazerDX 2024 ya está abierta. Los asistentes pueden empezar a preparar su agenda y completar la búsqueda Road to TDX Quest para tener la oportunidad de ganar premios.

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2024/02/the-developers-guide-to-trailblazerdx-2024.html

Categories
Analista de negocios de Salesforce Consultor de Salesforce Salesforce

Una hoja de ruta para integrar la IA en su estrategia de marketing

El objetivo de los profesionales del marketing es hacer que cada momento cuente, pero hacerlo a escala puede ser todo un reto. Por eso la inteligencia artificial es un catalizador. Las empresas que utilizan la IA en marketing pueden acelerar y ampliar las actividades existentes. Un significativo 62% de los encuestados para nuestro informe sobre el estado del marketing ya la están utilizando. Sin embargo, el 91% de los directores de marketing se sienten presionados a innovar continuamente para mantenerse a la vanguardia

Entonces, ¿cómo puede aprovechar las últimas innovaciones en torno a la IA para conectar con los clientes y perfeccionar su ventaja competitiva? El 86% de los responsables de TI encuestados creen que la IA generativa desempeñará un papel importante en sus organizaciones en un futuro próximo. Si la combina con la IA predictiva, podrá optimizar cada paso de sus campañas. Por ejemplo, el 19% de los encuestados la utiliza para segmentar rápidamente los clientes potenciales. También puede automatizar procesos manuales, crear nuevos activos y dirigirse a segmentos específicos con mayor precisión.

Antes de analizar el papel de la IA en el marketing, esto es lo que necesitas saber sobre los diferentes tipos de IA y algunos acrónimos comunes que verás:

La IA es una herramienta que puede ayudar a las empresas a mejorar sus resultados de marketing

  • La IA simula la inteligencia humana mediante el procesamiento de datos con algoritmos y la detección de patrones.
  • La IA simula la inteligencia humana mediante el procesamiento de datos con algoritmos y la detección de patrones
  • El aprendizaje automático (Machine Learning, ML) analiza los datos para identificar tendencias, realizar predicciones y automatizar la toma de decisiones.
  • El aprendizaje automático (Machine Learning, ML) analiza los datos para identificar tendencias, realizar predicciones y automatizar la toma de decisiones
  • La IA predictiva, como el ML, analiza patrones y se vuelve más inteligente cuanto más se utiliza. Es excelente para averiguar qué y cuándo alguien podría querer ver, leer o comprar basándose en datos históricos, en tiempo real y de comportamiento.
  • La IA predictiva, como el ML, analiza patrones y se vuelve más inteligente cuanto más se utiliza
  • La IA generativa automatiza tareas creativas como la escritura y la generación de imágenes. Puede indicarle que utilice el lenguaje cotidiano (o el procesamiento del lenguaje natural, PNL) para crear textos de marketing, imágenes realistas o abstractas e incluso decorados virtuales para vídeos.
  • La IA generativa automatiza tareas creativas como la redacción y la generación de imágenes

La IA ha cambiado el marketing para siempre: el 62% de los profesionales del marketing tiene una estrategia de IA totalmente definida, frente al 57% en 2020. Hay todo tipo de herramientas interesantes disponibles para ayudar a acelerar su estrategia de IA. En términos generales, se dividen en cuatro categorías: herramientas de segmentación, orquestación, personalización e información

Guía de estrategia de la IA

¿Necesitas una guía paso a paso sobre cómo empezar con la IA? Sigue leyendo para saber cómo hacer de Datos + IA + CRM tu fórmula de confianza.


La forma más eficaz de utilizar la IA en marketing es mejorar todo lo que ya estás haciendo y utilizarla para ayudar a tu equipo. Céntrese en crear la mejor experiencia del cliente para aumentar la conversión, la retención y la fidelidad. Y mantén siempre a un humano en el bucle para revisar cualquier cosa que crees con IA generativa.

Cuando evalúe herramientas en el mercado, considere si prefiere soluciones independientes o capacidades de IA que pueda integrar con su sistema existente. En la mayoría de los casos, es probable que prefiera una solución integrada, ya que podrá acceder a sus datos y ofrecer a su equipo una visibilidad completa.

La IA generativa es una de las herramientas más importantes que existen en el mercado

Cómo utilizar la IA para la segmentación y la orientación

La segmentación es clave para el marketing de precisión. Identifique grupos distintos con rasgos, comportamientos y preferencias compartidos, y profundice en su conocimiento para adaptar las estrategias. La IA puede mejorar la eficacia de las campañas puntuando rápidamente a los clientes potenciales y segmentando con precisión a su público en función de diversos criterios, como la geografía, los datos demográficos, el historial de compras, etc.

La segmentación es clave para el marketing de precisión

Al segmentar clientes potenciales, es importante equilibrar la granularidad con la simplicidad. Si sus grupos objetivo son demasiado amplios, su contenido podría no ser tan relevante para ciertos segmentos de su audiencia. Por el contrario, si tiene demasiados segmentos, la gestión de sus campañas puede volverse compleja.

Data Cloud dispone de dos herramientas para ayudarle en este sentido. La segmentación en tiempo real, que ayuda a identificar los grupos a los que puede dirigirse para lograr el mayor impacto, y la función de similitud. Esto genera audiencias similares basadas en información existente. En otras palabras, un público de personas que comparten rasgos con sus clientes actuales y que, por lo tanto, tienen más probabilidades de convertir.

También puedes utilizar la IA para dirigirte a grupos o personas específicos con mensajes o anuncios mientras navegan por tu sitio web. Analiza los datos disponibles sobre ese visitante -como datos de CRM, historial de pedidos o comportamiento- y toma decisiones en fracciones de segundo sobre el tipo de anuncios que debe ofrecerles. Este tipo de inteligencia artificial predictiva puede maximizar el retorno de la inversión y está disponible como complemento o integrada en algunas soluciones de marketing y publicidad

Cómo mejorar la orquestación con IA

La IA hace que los procesos sean más eficientes. Utilícela para sincronizar, automatizar y optimizar procesos y flujos de trabajo complejos manteniendo la coherencia en todos los puntos de contacto. Hay muchas formas de utilizar la IA para mejorar la orquestación:

La IA mejora la eficacia de los procesos

  •  Los chatbots con IA en su sitio web de marketing o en la caja pueden ayudar a cerrar ventas proporcionando información adicional sobre el producto. También pueden recomendar artículos relevantes en función de las preferencias y los datos de los clientes.
  • Los chatbots pueden ayudar a cerrar ventas proporcionando información adicional sobre los productos
  • Los asistentes virtuales pueden tomar notas durante las reuniones de marketing, programar llamadas y, en general, aumentar la eficiencia
  • Herramientas como Send Time Optimisation y Einstein Engagement Frequency eliminan la necesidad de hacer conjeturas a la hora de programar los correos electrónicos. Determinan el momento óptimo y el volumen de correos electrónicos que se deben enviar.
  • Los asistentes virtuales pueden tomar notas durante las reuniones de marketing y programar llamadas
  • Con el aprendizaje automático, puede ir más allá de la automatización de procesos secuenciales simples, como el envío de correos electrónicos de bienvenida. Le permite extraer más información de las comunicaciones con los clientes y automatizar decisiones más complejas.
  • El aprendizaje automático le ayuda a tomar decisiones más informadas
  • Puedes mejorar el SEO haciendo que tu IA sugiera búsquedas relacionadas basadas en palabras clave.
  • Las pruebas AB son más eficaces si se utiliza la IA predictiva para sugerir qué opción es probable que convierta – ideal para su llamada a la acción, líneas de asunto y diseños de página de destino. También puede volver a dirigirse a los clientes y utilizar el aprendizaje automático para descubrir qué enfoques funcionan mejor para ese individuo.
  • Las pruebas AB son más eficaces si utiliza IA predictiva para sugerir qué opción tiene más probabilidades de convertir

Luego está la IA generativa, como Marketing AI. Esto agiliza la creación de contenidos mediante la generación de textos de marketing en tan sólo unos clics. En lugar de escribir textos desde cero, el equipo puede revisar, editar y ajustar los mensajes para preparar las campañas mucho más rápido

Puedes utilizarlo tanto para palabras como para imágenes para crear blogs, publicaciones en redes sociales, pies de foto, textos, correos electrónicos y anuncios en cuestión de segundos, y adaptarlos a diferentes audiencias. Si necesita dirigirse a una nueva región, puede solicitarle que localice su texto existente para reflejar la cultura de la nueva ubicación.

Todo esto permite que su equipo disponga de más tiempo para centrarse en campañas que conviertan y para dar rienda suelta a su creatividad.

Cómo puede avanzar la IA en la personalización

Probablemente ya estés utilizando datos para personalizar tus comunicaciones. Una de las ventajas de la IA es que puede analizar grandes cantidades de datos en tiempo real y personalizar los puntos de contacto sobre la marcha. Einstein Content Selection es una herramienta sin código que ayuda al equipo de marketing a optimizar sus campañas evaluando qué imágenes generan las mayores tasas de clics. Si se utiliza este enfoque junto con el contenido dinámico, que personaliza las imágenes y el texto para adaptarlos a la personalidad de cada espectador, la personalización de la experiencia de navegación resulta increíblemente sencilla

Al combinar la IA con viajes, productos y servicios personalizados, las ofertas pueden actualizarse en tiempo real utilizando datos de geolocalización. También existen herramientas que combinan la PNL con la traducción automática para ayudarle a realizar campañas multilingües. Si tiene clientes en todo el mundo, esto le ayudará a comunicarse con ellos de forma rápida y sencilla en su lengua materna

Cómo combinar la IA con la analítica permite obtener más información

Los datos son la savia de la IA, y aquí es donde tener herramientas de IA que se conecten con su sistema realmente merece la pena. Puede realizar un seguimiento de los modelos de atribución y de rendimiento, conocer a sus clientes y sus preferencias, y realizar predicciones más precisas con la analítica.

La IA y la analítica pueden ayudarle a mejorar su negocio

Cuando realice previsiones, el uso del aprendizaje automático para analizar los datos de ventas es una excelente forma de predecir la demanda del mercado. Puede planificar estratégicamente las campañas para alinearlas con los picos de demanda previstos y ajustar los precios de forma dinámica basándose en datos en tiempo real sobre el comportamiento de los clientes, la oferta y la demanda globales, y el análisis de la competencia.

Si está más interesado en realizar un seguimiento del rendimiento de sus campañas, Einstein Messaging Insights supervisa los cambios en el rendimiento desde la consola de Marketing Cloud. Forma parte de un conjunto de herramientas inteligentes que le ofrecen información detallada sobre todos los aspectos de su campaña. Einstein puede analizar el texto, las líneas de asunto, la participación a través de diferentes canales, la participación prevista y las listas de suscriptores para identificar buenos candidatos para el marketing basado en cuentas

Examina todos sus datos y le proporciona un resumen claro de sus conclusiones en tiempo real. La IA también ha avanzado lo suficiente como para comprender el sentimiento, lo que mejora en gran medida las herramientas de escucha social. Puede supervisar automáticamente los comentarios y las publicaciones sociales para proporcionar información sobre cómo se siente la gente acerca de su marca, ahorrando a su equipo la revisión manual de cada uno de ellos

Mejores prácticas para implementar estrategias de marketing de IA

Así que estás listo para incluir la IA en tu estrategia de marketing. Cuál es la mejor manera de garantizar el éxito a largo plazo? Aquí tienes cinco buenas prácticas:

  1. Establezca metas y objetivos claros para sus iniciativas de marketing de IA. Pregúntese qué quiere conseguir. Tanto si desea mejorar la captación de clientes, como optimizar la segmentación de anuncios o impulsar la generación de clientes potenciales, contar con objetivos bien definidos le ayudará a no desviarse del camino.
  2. Preguntese qué quiere conseguir
  3. Ejecute una prueba piloto Tantee el terreno y obtenga información valiosa antes de comprometerse con una implantación a gran escala. Elija un área o campaña para mejorarla con IA y supervise de cerca su impacto. Esto le ayudará a identificar cualquier reto o área de mejora antes de ampliar la adopción de la IA.
  4. Ejecute un piloto
  5. Elige las herramientas y la plataforma de IA adecuadas. Echa un vistazo a las opciones disponibles en función de tus necesidades específicas, presupuesto y habilidades técnicas. Tenga en cuenta la facilidad de uso, la escalabilidad, la seguridad de los datos y las capacidades de integración.
  6. Elija la plataforma y las herramientas adecuadas
  7. Conecte sus sistemas y procesos de marketing existentes a sus herramientas de IA. Esto puede incluir su plataforma CRM, herramientas de automatización de marketing y cualquier otra aplicación relevante. Al conectar estos sistemas, su equipo de marketing puede obtener información y recomendaciones más completas, lo que se traduce en un flujo de trabajo más fluido
  8. Formar a su equipo de marketing en el uso eficaz de la IA. Proporcióneles las habilidades y los conocimientos necesarios para utilizar las herramientas que ha implementado e interpretar los datos. Organice sesiones de formación y talleres con regularidad, y ponga a su disposición recursos a la carta. De este modo, su equipo podrá estar al día de los últimos avances y sacar el máximo partido a su tecnología.

Cómo empezar con la IA en marketing

Se habla mucho de la IA, pero hay una pregunta que todo el mundo debe tener en mente: «¿Cómo podemos sacar el máximo partido de la IA manteniendo la confianza?». La confianza es el aspecto más importante de su implementación, y está en el punto de mira de mucha gente: al 64% de los responsables de TI les preocupa la ética de la IA generativa, por ejemplo, y al 62% les inquieta el impacto que tendrá en sus carreras profesionales.

Cómo podemos sacar el máximo partido de la IA manteniendo la confianza

Descubra aquí cómo mantener la confianza en el centro de su arquitectura y sus datos para crear experiencias fiables

Cuando esté listo para empezar a utilizar la IA en marketing, deberá planificar su enfoque, preparar su tecnología y capacitar a su personal. Hemos elaborado una guía completa sobre cómo hacerlo

Obtén herramientas de marketing de IA integradas directamente en tu plataforma con Marketing AI.

No pierdas la oportunidad de desbloquear el poder de la IA de marketing y elevar tus estrategias a nuevas cotas.

Categories
Analista de negocios de Salesforce Consultor de Salesforce Salesforce

5 formas de utilizar contenidos generados por IA en su estrategia de marketing

Sin duda te habrás encontrado con contenido de marketing generado por IA. Ya es habitual en boletines, tweets y feeds sociales. Lo que puede que no hayas notado es que se trata de contenido de marketing generado por IA.

Gracias a los algoritmos avanzados y a un mayor acceso a los datos, la calidad de los contenidos generados por IA ha mejorado enormemente en el último año. A medida que los algoritmos encuentren más contenido del que alimentarse, cabe esperar que el ritmo de mejora se acelere aún más en los próximos 12 meses. Sabemos que las aplicaciones de IA generativa han pasado de cero a 100 millones de usuarios en dos meses

Aunque el contenido generado por IA tiene sus ventajas, la confianza sigue siendo una preocupación que no puede pasarse por alto. Existe el riesgo de plagio: ¿puedes estar seguro de que tu contenido es exclusivamente tuyo? La calidad no siempre es impecable, y a menudo puede requerir la edición por parte de un humano (experto). Los motores de búsqueda están trabajando para degradar los contenidos generados exclusivamente por IA. La IA puede proporcionar velocidad, pero no caigas en la trampa de enviar contenido apresurado sin la revisión adecuada.

Hay, sin embargo, varias áreas en las que la IA puede ayudar sin duda. La IA es buena para el contenido optimizado para SEO, manteniéndote al tanto de las últimas tendencias de búsqueda. Si se utiliza correctamente, ofrece ventajas evidentes en términos de plazos de entrega de contenidos y costes. Es poco probable que prescinda de redactores, editores, fotógrafos o diseñadores gráficos. Pero la IA puede aliviar parte de la carga de sus equipos de contenidos, dejándoles libres para centrarse en proyectos más artesanales

Aquí tienes cinco áreas en las que el contenido generado por IA puede impulsar tus esfuerzos de estrategia de marketing con comunicaciones eficientes y personalizadas.

La Inteligencia Artificial (IA) puede ayudarte a mejorar tu estrategia de marketing

1. Reforzar un tono de voz SEO-friendly

La IA es muy útil para reforzar las cualidades SEO de tu contenido saliente. Puedes encargar a la IA que salpique tu contenido con tus términos SEO preferidos o que busque orientación en línea para mantenerte al día de las últimas tendencias SEO. La IA puede hacer todo esto al tiempo que cumple con el tono de voz específico de su marca.

Es aquí donde la IA funciona mejor. La IA como corrector ortográfico o gramatical de primera línea ya está bien establecida. Ahora puede indicarle a la IA que se ciña a la voz de su marca: empresas en singular, citas en pasado, voces activas, títulos de puestos en mayúsculas, y no se equivocará. Puede actualizar la guía de estilo de su marca y utilizar la IA para «corregir» retroactivamente contenidos antiguos. Puede que sigas necesitando a un humano para comprobar si tiene sentido, pero la IA puede garantizar que tu contenido es estructuralmente sólido y está optimizado para SEO.

Cuidado con las palabras

2. Mantener el contenido generado por IA breve, dulce y útil

Ha habido intentos de utilizar IA generativa para crear contenido de formato largo: libros, libros blancos, ensayos. Es justo decir que los resultados no han sido muy buenos. Sí, la IA puede escribir rápidamente 10.000 palabras, pero buena suerte para el lector que intenta leerlas

Por ahora, la IA funciona mejor con contenidos breves. Esto incluye escribir líneas de asunto para boletines de correo electrónico, proporcionar descripciones precisas de productos, redactar tuits que conduzcan a contenido más detallado y personalizar entradas de blog. Una vez más, la IA puede ayudar a crear contenido estructuralmente sólido y útil: menos errores, mayor coherencia.

Aquí, es fundamental que gestiones las fuentes de datos que alimentan tu uso de la IA. En efecto, la IA es la punta de la lanza. Tableau puede ofrecer acceso en tiempo real a todos los datos de sus clientes, potentes análisis y automatización en toda su empresa para que la IA trabaje para usted

Toma mejores decisiones con análisis impulsados por IA + Datos + CRM.

Vea cómo Tableau puede influir en mejores resultados empresariales y experiencias de cliente inteligentes con perspectivas impulsadas por IA.

3. Utilizar contenido generado por IA para una lluvia de ideas

Intenta pensar en la IA generativa menos como un freelance asequible y más como un compañero editorial. La IA puede ser genial como caja de resonancia para ideas de contenido. En una configuración de trabajo híbrida, los creadores de contenidos suelen trabajar de forma independiente, lo que reduce las posibilidades de colaboración e intercambio de ideas. La IA puede ayudar a sugerir un ángulo de la historia o comprobar si una idea se ha hecho hasta la saciedad. Mejor aún, no hay ego de por medio

En concreto, la IA es una gran herramienta para realizar pruebas A/B de diferentes opciones de contenido. Por ejemplo, puedes utilizar la IA para comprobar la eficacia de las líneas de asunto de los boletines, el diseño de una página de destino o el mejor momento para publicar en las redes sociales. Las ideas pueden venir de los humanos, pero de las pruebas, los datos y los análisis se encargará la IA.

4. Mejorar la experiencia del usuario con comunicaciones personalizadas y predictivas

Sabemos que el 68 % de los profesionales del marketing afirman que pueden analizar el rendimiento del marketing en tiempo real y que la IA puede ayudar a evaluar el potencial de los clientes potenciales de ventas. La IA puede analizar rápidamente los datos de los clientes para crear un viaje de contenido personalizado. Puede dirigir a los usuarios hacia el contenido de sus productos favoritos u ocultar el material no relevante

Como se mencionó anteriormente, las herramientas de IA pueden crear varias versiones de titulares y probar su impacto en individuos o segmentos de audiencia específicos. A continuación, puede utilizar esta información para crear contenido nuevo y atractivo. Salesforce Einstein puede mejorar la productividad y la personalización con IA predictiva y generativa en todo Customer 360. El resultado es una experiencia más atractiva para el cliente. El resultado es una experiencia más atractiva para los consumidores de contenido

Salesforce AI ofrece inteligencia artificial ampliable y de confianza basada en nuestra plataforma.

Vea cómo Einstein puede ayudarle a reforzar una experiencia de cliente cada vez más personalizada

5. Crear una identidad visual única para tu marca

La fotografía de archivo ha recorrido un largo camino y las opciones son enormes, pero sigue siendo fácil de detectar y hace poco para crear un punto de diferencia para tu marca. Cada vez hay más herramientas de IA que ayudan a crear una identidad visual distintiva con sólo unas pocas indicaciones sobre estilo y contenido. Merece la pena probar un par de opciones y evaluar los resultados

Puedes utilizar herramientas de IA para mejorar la velocidad, la eficacia, la coherencia y la calidad en cada una de las cinco áreas mencionadas. Tenga la seguridad de que vendrán más.

Sabemos que los profesionales del marketing quieren experimentar con nuevas tácticas y que están desesperados por hacer que las herramientas disponibles trabajen para ellos. Ignorar la IA no es una opción. O podemos comparar a los que utilizan herramientas de IA con los que prefieren las máquinas de escribir a Microsoft Word. Lo mejor es lanzarse y ver cómo la IA puede trabajar para uno. Es posible que cualquier ahorro de tiempo y costes pueda redirigirse a contenidos que solo podrían ser generados por humanos: bellos retratos fotográficos, artículos de opinión de expertos o retransmisiones en directo de un evento del sector.

La IA puede ser una herramienta muy útil para las empresas

Lo mejor es pensar en la IA no como una asesina de puestos de trabajo, sino como una caja de herramientas de ayuda a la productividad. Y algo que solo puede mejorar la experiencia humana

Impulsa el compromiso con el cliente y la productividad del equipo con herramientas de marketing de IA

Obtén herramientas de marketing de IA directamente en tu plataforma con Marketing AI. Guíe a los clientes a través de viajes personalizados con la automatización impulsada por Einstein.

Categories
Developers Salesforce

La mayor actualización de bases de datos de Salesforce: migración a HBase 2

Escrito por Viraj Jasani y Andrew Purtell

Los datos son el motor de las operaciones de Salesforce, ayudando a nuestros clientes a tomar mejores decisiones a diario. El equipo de almacenamiento de Big Data (BDS), una parte clave de la organización de ingeniería de Salesforce, despliega posiblemente una de las mayores huellas de producción de bases de datos distribuidas. Esta infraestructura se basa en la combinación de HBase y Phoenix de código abierto, diseñadas para permitir el acceso aleatorio de lectura y escritura a petabytes de datos a gran escala, alto rendimiento, baja latencia y en tiempo real. Se trata de una capacidad inalcanzable para las bases de datos relacionales tradicionales

En 2014, BDS describió sus motivaciones en detalle, encapsulando cómo HBase y Phoenix resolvieron muchos problemas técnicos durante el viaje de más de 10 años del equipo. Una parte importante de este viaje implicó el desarrollo de una estrategia para actualizar la infraestructura. A la escala de Salesforce, donde los clientes exigen un funcionamiento ininterrumpido y sin interrupciones las 24 horas del día, los 7 días de la semana, surgieron desafíos significativos.

Siga leyendo para explorar cómo BDS impulsó la actualización de HBase 1 a HBase 2 con un impacto mínimo para los clientes de Salesforce.

¿Por qué actualizar a HBase 2?

Durante muchos años, la ejecución de HBase 1 y Phoenix 4 presentaba problemas mínimos. Sin embargo, una importante actualización a HBase 2 y Phoenix 5 fue perseguido por varias razones, tales como:

  • Disponibilidad. HBase, una base de datos distribuida fuertemente consistente (CP de teorema CAP), carecía de alta disponibilidad durante las transiciones de regiones de tablas (véase nuestro post existente sobre los detalles de las transiciones de regiones). HBase 2 rediseñó significativamentelos flujos de trabajo de asignación de regiones eliminando su dependencia de Zookeeper. Esto aumentó la disponibilidad general del almacén de datos e impulsó la estabilidad de la infraestructura al tiempo que mantuvo la confianza de los clientes.
  • Necesidad de velocidad. HBase 2 mejoró el rendimiento de las solicitudes de escritura con un diseño que escribe en varias réplicas de los archivos Write-Ahead-Log (WAL) de forma asíncrona, algo clave para las aplicaciones que utilizan una base de datos y que ofrece un alto rendimiento
  • Baja latencia. Siendo una base de datos sensible a la latencia, BDS encontró problemas de largas pausas GC a veces. HBase 2 y Phoenix 5 proporcionan soporte de compilación y tiempo de ejecución para Java 11. Utilizar Java junto con Shenandoah GC en producción ayudó a reducir la latencia.
  • Menos hilos ociosos. Durante la producción, BDS informó regularmente de un mayor número de hilos ociosos que estaban destinados a iniciar Remote-Procedure Calls (o RPC). HBase 2 soporta un marcoNetty asíncrono, impulsado por eventos, basado en socket no bloqueante para reducir el consumo de recursos y mejorar el rendimiento durante las llamadas RPC.
  • Correcciones rápidas de seguridad. Mantenerse cerca de las últimas versiones importantes de código abierto impulsa la resolución rápida y eficaz de las vulnerabilidades de seguridad de terceros. El estado de fin de vida de la línea de lanzamiento de HBase 1 justificó aún más el paso a HBase 2.
  • Correcciones rápidas de seguridad

¿A qué retos se enfrentó el BDS?

Independientemente de la actualización, maximizar la disponibilidad para los clientes es un enfoque clave. Mantener una disponibilidad del 99,999% es fundamental, por lo que cualquier error o cambio de comportamiento es una prioridad a resolver. Consecuentemente, cualquier actualización mayor, menor, o parche de HBase/Phoenix significaba que BDS tenía que mantener la disponibilidad tanto durante como después de la finalización de la actualización continua.

Salesforce ha participado en un proyecto de varios años para migrar de sus propios centros de datos privados a la infraestructura de nube pública (más detalles aquí), y la flexibilidad de la infraestructura de nube pública puede mejorar en gran medida la capacidad del equipo de BDS para realizar una migración sin problemas mediante el aprovechamiento de recursos adicionales para construir una réplica exacta del clúster dado, seguido de una conmutación del tráfico de clientes del clúster en ejecución de la versión antigua al nuevo clúster.

Sin embargo, a partir de este momento, un número significativo de clústeres todavía se están ejecutando en centros de datos de primera parte. Por lo tanto, la actualización de HBase 1 a HBase 2, junto con Phoenix 4 a Phoenix 5, viene con un desafío crítico: tenía que llevarse a cabo sin ningún tiempo de inactividad, independientemente de la infraestructura subyacente.

Cambios de clúster

Como ejemplo de escala, los clústeres de producción con aproximadamente 300 nodos tardan más de 5 horas en completar la actualización continua de todos los componentes. La significativa re-arquitectura con HBase 2 hace imposible realizar la actualización sin tiempo de inactividad. BDS ha trabajado con la comunidad de código abierto para encontrar soluciones a este problema, ya que se trata de un reto único para organizaciones a la escala de Salesforce

¿Cómo se preparó BDS?

Cualquier objetivo complejo conlleva importantes compromisos. BDS evaluó metódicamente las funcionalidades básicas de HBase/Phoenix, determinando si las actividades de fondo no críticas podían desactivarse temporalmente durante la actualización. Este proceso duró dos años y se caracterizó por una dedicación inquebrantable a la entrega de un despliegue de producción sin problemas, lo que implicó varios pasos clave

La estabilización de las compilaciones fue una prioridad inicial, que garantizó la estabilidad de HBase y los proyectos posteriores de Phoenix. Para ello, se verificó en profundidad la compilación del código y se probó con éxito toda la compilación de CI

El desafío más difícil surgió cuando BDS necesitó evaluar varias compensaciones y desarrollar una estrategia para ejecutar una actualización continua sin problemas, eliminando el tiempo de inactividad. Esto requirió mucho tiempo, el desarrollo de una secuencia exacta de pasos que lograron los objetivos, manteniendo el servicio, mientras que también trabaja en torno a los problemas de compatibilidad en los estados intermedios.

A medida que el equipo se encontraba con problemas relacionados con las diferencias en los esquemas de las tablas del sistema entre las dos versiones, reconocía la posible imposibilidad de llevar a cabo la tarea. Sin embargo, BDS lo resolvió con éxito mediante la implementación de un procedimiento que podía actualizar los esquemas sin alterar la compatibilidad entre los clientes antiguos y los servidores nuevos.

El equipo de BDS se dio cuenta de que la tarea era imposible

Además, al encontrarse con otros obstáculos, BDS contribuyó con sus correcciones a la base de código de fuente abierta.

Además, como utilizaban HBase y Phoenix, el equipo se aseguró de que los clientes que utilizaban conexiones JDBC para consultar datos pudieran seguir realizando operaciones CRUD con un mínimo de reintentos durante la actualización.

Cuidado con los datos

Por último, para gestionar la actualización sin tiempo de inactividad, fue bastante crucial para BDS hacer hincapié en la construcción de un procedimiento que facilitara la transición de las asignaciones de regiones de tabla «basadas en Zookeeper» a «sin Zookeeper», un requisito previo crítico para su actualización.

Actualización sin tiempo de inactividad

El equipo también realizó rigurosas pruebas de rendimiento durante todo el ciclo de vida del proyecto. Ser uno de los miembros activos de la comunidad de código abierto también les ayudó a conseguir una mejor tracción en las correcciones de errores críticos que contribuyeron.

Un vistazo a HBase 2 pre-requisito + actualización pasos de procedimiento. (detalles aquí)

Más información

Categories
Salesforce Transformación digital

Impulse su negocio con la optimización de la tasa de conversión (CRO): 8 técnicas probadas

¿Qué es la optimización de la tasa de conversión?

La optimización de la tasa de conversión (CRO) es un enfoque estratégico destinado a mejorar el rendimiento de un sitio web aumentando el porcentaje de visitantes que realizan una acción deseada. Esta acción, a menudo denominada conversión, puede ir desde realizar una compra, rellenar un formulario o suscribirse a un boletín. En esencia, el CRO consiste en maximizar la eficacia de un sitio web y convertir más visitantes en clientes o clientes potenciales.

¿Qué es la tasa de conversión?

Una tasa de conversión es una métrica clave en CRO, que representa el porcentaje de visitantes del sitio web que completan una acción deseada. Esta tasa se calcula dividiendo el número de conversiones por el número total de visitantes y multiplicando por 100. Una mayor tasa de conversión indica que un mayor número de visitantes realiza la acción deseada, lo que demuestra la eficacia del sitio web a la hora de alcanzar sus objetivos.

La tasa de conversión es una métrica clave en el CRO

¿Qué es una buena tasa de conversión?

Determinar una buena tasa de conversión depende de varios factores como la industria, el tipo de sitio web y la acción específica que se está midiendo. Aunque las tasas de conversión medias varían, lograr una tasa que supere los puntos de referencia del sector suele considerarse favorable. La comparación periódica con los competidores y los estándares del sector ayuda a evaluar la eficacia de sus esfuerzos de CRO.

Cómo calcular la tasa de conversión

Calcular la tasa de conversión implica una fórmula sencilla: dividir el número de conversiones por el número total de visitantes y, a continuación, multiplicar por 100 para expresarlo como porcentaje. Este sencillo cálculo proporciona una instantánea clara del rendimiento de su sitio web a la hora de convertir visitantes en clientes o clientes potenciales.

Tasa de conversión

CRO y SEO

La relación entre la optimización de la tasa de conversión (CRO) y la optimización para motores de búsqueda (SEO) es simbiótica. Un sitio web bien optimizado atrae a más visitantes a través del SEO y los convierte eficazmente a través del CRO. Una integración armoniosa de ambas estrategias garantiza una experiencia de usuario sin fisuras, lo que repercute positivamente en las clasificaciones de búsqueda y en las tasas de conversión.

La relación entre la optimización de la tasa de conversión (CRO) y el SEO es simbiótica

Dónde implementar una estrategia de CRO

Implementar estratégicamente el CRO implica centrarse en páginas específicas donde las acciones del usuario son cruciales. Las áreas clave para el CRO incluyen:

1. Página de inicio

La optimización de la página de inicio es vital para crear una primera impresión positiva y guiar a los visitantes hacia las acciones deseadas.

La optimización de la página de inicio es vital para crear una primera impresión positiva y guiar a los visitantes hacia las acciones deseadas

2. Página de precios

Una página de precios bien estructurada puede influir significativamente en las decisiones de compra, por lo que es un lugar privilegiado para los esfuerzos de CRO.

3. Blog

Mejorar el potencial de conversión de las páginas de blog pasa por incorporar llamadas a la acción (CTA) eficaces y elementos de generación de leads.

Las páginas de blog son una herramienta fundamental para mejorar la conversión

4. Páginas de aterrizaje

Probar y perfeccionar las páginas de aterrizaje es fundamental, ya que suelen ser el punto de entrada para los clientes potenciales.

Las páginas de aterrizaje son el punto de entrada para los clientes potenciales

CRO Fórmulas

Cálculo 1 de CRO: Tasa de conversión

Leads Generados ÷ Tráfico del Sitio Web x 100 = Tasa de Conversión %

Cálculo 2 de CRO: Número de nuevos clientes netos

Objetivo de Nuevos Ingresos ÷ Precio Medio de Venta = Número de Nuevos Clientes

Cálculo 3 de CRO: Objetivo de clientes potenciales

Número de nuevos clientes ÷ Tasa de cierre de clientes potenciales = Objetivo de clientes potenciales

Estrategias de optimización de la tasa de conversión

1. Crea CTAs basados en texto dentro de las entradas del blog.

Añade botones de llamada a la acción convincentes y estratégicamente situados en el contenido de tu blog para incitar la participación del usuario.

2. Añade flujos de leads en tu blog.

Utiliza flujos de leads – pop-ups o slide-ins- en las páginas de tu blog para captar información de los visitantes y convertirlos en leads.

3. Realice pruebas en sus páginas de destino.

Realiza pruebas A/B en las páginas de aterrizaje para identificar los elementos y diseños más eficaces que impulsan las conversiones.

Prueba tu página de aterrizaje

4. Ayude a los clientes potenciales a convertirse en MQLs.

Guíe a los clientes potenciales a través del embudo de marketing proporcionándoles contenido valioso y nutriéndolos para que se conviertan en clientes potenciales cualificados para marketing (MQL).

5. Crea flujos de trabajo para capacitar a tu equipo. Crea flujos de trabajo para capacitar a tu equipo.

5

Establezca flujos de trabajo eficientes para agilizar la comunicación y la colaboración entre los miembros del equipo que participan en el proceso de CRO.

Creación de flujos de trabajo

6. Añada mensajes a las páginas web de alta conversión.

Implemente el chat en vivo o mensajes dirigidos en páginas de alta conversión para proporcionar asistencia instantánea y mejorar la experiencia del usuario.

Disfrute de un chat en vivo

7. Optimice las entradas de blog de alto rendimiento.

Identifique y optimice las entradas del blog que generan un alto tráfico, asegurándose de que están enfocadas a la conversión y alineadas con los objetivos de negocio.

Por último, optimice las entradas del blog que generan un alto tráfico

8. Aprovechar el retargeting para volver a captar a los visitantes del sitio web.

Utiliza los anuncios de retargeting para volver a captar a los visitantes que previamente han mostrado interés en tus productos o servicios, aumentando la probabilidad de conversión.

Consejos de expertos: Cómo mejorar la optimización de la tasa de conversión

Implementar un CRO exitoso requiere una combinación de planificación estratégica y optimización continua. Aquí tienes consejos de expertos para mejorar tus esfuerzos de CRO:

  • Comprende el comportamiento de los usuarios: Analiza el comportamiento de los usuarios a través de herramientas como los mapas de calor y las grabaciones de sesiones para identificar áreas de mejora.
  • Optimización móvil: Asegúrese de que su sitio web está optimizado para los usuarios móviles, ya que muchos visitantes acceden a los sitios web a través de dispositivos móviles.
  • Copia clara y convincente: Elabore una copia clara y persuasiva para sus CTA, páginas de destino y descripciones de productos para comunicar el valor de forma efectiva.
  • Pruebas de usuario: Realice pruebas de usuario periódicas para recopilar información valiosa e identificar problemas de usabilidad
  • Pruebas sociales: Incorpore pruebas sociales, como testimonios de clientes y reseñas, para generar confianza y credibilidad.
  • Pruebas sociales:Incorpore pruebas sociales, como testimonios de clientes y reseñas, para generar confianza y credibilidad
  • Pruebas continuas: Implante una cultura de pruebas y experimentación continuas para perfeccionar las estrategias en función de los datos en tiempo real.

¿Para qué sirve la optimización de la tasa de conversión?

El objetivo principal del CRO es mejorar la eficiencia de un sitio web maximizando el número de visitantes que realizan las acciones deseadas, lo que en última instancia conduce a un aumento de las ventas, clientes potenciales u otras conversiones valiosas.

¿Qué es una estrategia CRO?

Una estrategia de CRO implica un enfoque sistemático para mejorar el rendimiento del sitio web y la experiencia del usuario. Incluye el análisis de datos, el establecimiento de objetivos, la implementación de cambios y la prueba y optimización continuas de elementos para impulsar las tasas de conversión.

¿Qué son las herramientas de CRO?

Las herramientas de CRO son soluciones de software que ayudan a las empresas a optimizar sus sitios web para mejorar las tasas de conversión. Estas herramientas abarcan una serie de funcionalidades, como pruebas A/B, mapas de calor, análisis y seguimiento del comportamiento de los usuarios, que proporcionan información valiosa para lograr estrategias de CRO eficaces.

Las herramientas de CRO son soluciones de software que ayudan a las empresas a optimizar sus sitios web para mejorar las tasas de conversión

Categories
Developers Tutoriales de Salesforce

Mejore su experiencia MuleSoft con IA ☁️

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores, consultores, administradores y arquitectos de Salesforce para toda Iberoamérica

El enlace a la publicación original, lo encontrarás al final de este artículo.

MuleSoft está mejorando sus capacidades de integración, gestión de API e IA en el mundo en rápida evolución de la IA. Aunque los modelos de generación de código existentes han mejorado la eficiencia en muchos sectores, no son adecuados para generar código en lenguajes específicos del ecosistema de MuleSoft, como DataWeave, RAML y OAS.

En esta entrada de blog, exploraremos la sinergia entre MuleSoft y la IA. También hablaremos de las ventajas y limitaciones de modelos existentes como CodeX y CodeGen, y de cómo un modelo interno de IA centrado en MuleSoft puede abordar estos retos.

La generación de código supone un reto en el ecosistema MuleSoft. Los modelos de generación de código de código abierto basados en IA, como CodeX y CodeGen, han demostrado su eficacia con lenguajes de programación populares como Java y Python. Sin embargo, no son eficaces con lenguajes como Go, Julia o lenguajes específicos de dominio (DSL) utilizados en MuleSoft. Los lenguajes específicos de MuleSoft como DataWeave, RAML y OAS requieren un enfoque diferente que los modelos de IA de propósito general pueden tener dificultades para proporcionar. Además, hay varias áreas en las que los desarrolladores de MuleSoft pueden necesitar ayuda.

Identifiquemos algunos problemas comunes a los que se enfrentan los desarrolladores al empezar con MuleSoft e integrarlo en sus proyectos, y veamos cómo puede ayudar la IA.

1. Primeros pasos: A muchos desarrolladores les resulta difícil empezar a utilizar MuleSoft debido a su naturaleza especializada. Puede que no estén familiarizados con lenguajes de diseño de API como RAML y OAS, y puede resultar difícil construir una API perfecta siguiendo las mejores prácticas y estándares. La paleta de Mule consta de varios conectores y componentes, por lo que resulta abrumador para los nuevos desarrolladores decidir cuáles utilizar.

2. DataWeave: Algunas transformaciones de DataWeave pueden ser complejas, implicando cargas útiles anidadas y mapeos intrincados. Los desarrolladores necesitan conocer varias funciones de DataWeave y adquirir experiencia práctica en el campo de juego de DataWeave para realizar mapeos de forma eficiente.

3. Depuración y pruebas: La depuración de aplicaciones Mule puede llevar mucho tiempo, especialmente cuando se trata de un vasto ecosistema de integración que implica múltiples sistemas finales y API. Aunque existen herramientas como Test recorder para automatizar los casos de prueba, la validación de los casos de prueba unitarios con MUnits y la búsqueda de la máxima cobertura de pruebas pueden resultar complejas.

4. Obtener ayuda: Los desarrolladores y arquitectos suelen necesitar ayuda para elegir el patrón de integración y los conectores adecuados, así como para optimizar sus soluciones.

5. Documentación: Redactar documentación para las especificaciones de las API y los proyectos de Mule puede llevar mucho tiempo. También es esencial mantener y actualizar esta documentación para alinearla con los cambios en las API y las aplicaciones Mule.

Para hacer frente a estos retos, MuleSoft ha desarrollado su propio Modelo de Aprendizaje de Lenguajes (LLM). Los modelos de IA de terceros, como GPT 3.5 y GPT 4, permiten conversaciones similares a las humanas con chatbots, pero no están adaptados al ecosistema de MuleSoft. El LLM de MuleSoft reentrena continuamente los modelos con los datos más recientes de MuleSoft, lo que garantiza un conocimiento actualizado de las versiones en evolución de MuleSoft. El conjunto de datos de formación prioriza la profundidad sobre la amplitud y elimina los datos obsoletos, alineándose con el cumplimiento de confianza y seguridad de Salesforce.

MuleSoft también está trabajando en otras capacidades de IA, como Einstein para Anypoint Code Builder, que convierte el lenguaje natural en flujo y fragmentos de código, reduciendo el tiempo de desarrollo. Intelligent Document Processing (IDP) permite una automatización perfecta para extraer e interpretar datos de PDF y documentación con precisión. API Management for AI permite crear políticas personalizadas para aplicaciones API mediante LLM, así como IA generativa para casos de uso específicos.

En conclusión, combinar el conocimiento del ecosistema de MuleSoft con un modelo interno dedicado de IA es la clave para acelerar el desarrollo de la integración. Esta solución proporciona herramientas excepcionales para la generación de código, depuración, pruebas y soporte, desbloqueando nuevas posibilidades para una integración y desarrollo de aplicaciones sin fisuras.

Para obtener más recursos e información, consulte la entrada del blog. El autor de este artículo es Akshata Sawant, Senior Developer Advocate en Salesforce y miembro activo de la comunidad MuleSoft.

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2024/01/accelerate-your-mulesoft-journey-with-ai.html

Categories
Analista de negocios de Salesforce Consultor de Salesforce Salesforce

Liberar el poder de la IA Gen: el arte de hacer las preguntas adecuadas

En la escuela, todo consistía en obtener las respuestas correctas a las preguntas que te hacían los profesores, y tu nota dependía de lo bien que dieras con esas respuestas.

Hoy en día, con Internet y los motores de búsqueda, encontrar información es pan comido. No se trata de memorizar cosas, sino de saber qué escribir en la barra de búsqueda.

El año pasado, el mundo conoció la IA Generativa. Ahora, no se trata solo de encontrar respuestas, sino de hacer las preguntas correctas. O incluso mejor: hacer preguntas de la manera correcta.

Ser inteligente no es sólo tener las respuestas; es saber qué preguntar para obtener los mejores resultados.

¿Qué es la IA Generativa?

La IA Generativa, impulsada por modelos como GPT, tiene la capacidad de generar texto similar al humano basándose en la información que recibe. La calidad del resultado está directamente ligada a la calidad de la información recibida. A diferencia de los motores de búsqueda tradicionales, que se basan en palabras clave, la IA Generativa profundiza en el contexto y comprende los matices y las relaciones de la consulta. No se limita a dar una respuesta simple, sino que elabora una respuesta exhaustiva, entablando con el ser humano una conversación significativa. Esto es aplicable tanto a la vida cotidiana como a los negocios

Para los profesionales del marketing, formular las preguntas adecuadas en el ámbito de la IA Generativa es como manejar una varita mágica. La precisión con la que se plantea una pregunta influye en la relevancia y la exactitud del contenido generado.

La precisión con la que se plantea una pregunta influye en la relevancia y la exactitud del contenido generado

Además, la importancia de formular las preguntas adecuadas va más allá de la mera obtención de información precisa. Fomenta el pensamiento crítico, la creatividad y las habilidades para resolver problemas, que son los diferenciadores clave para los equipos de marketing de alto rendimiento. En un mundo en el que la automatización va en aumento, la capacidad de formular preguntas perspicaces se convierte en una habilidad exclusivamente humana, y esto es lo que nos diferencia de los robots. Es la esencia de la curiosidad lo que impulsa la innovación y el progreso.

Transformando el CRM con IA

Construido sobre la confianza, Einstein Copilot transforma las experiencias de CRM aprovechando la IA. Este asistente generativo de IA se integra a la perfección en todas las aplicaciones CRM de Salesforce, permitiendo una comunicación sin esfuerzo mediante lenguaje natural.

Einstein Copilot ofrece una amplia gama de funcionalidades y, en concreto, ayuda a los profesionales del marketing a mejorar la eficiencia operativa a través de campañas impulsadas por IA que crean automáticamente segmentos, líneas de asunto de correo electrónico, textos y recursos visuales mediante la interpretación de entradas de lenguaje natural junto con datos de origen

Einstein Copilot no sólo agiliza las interacciones de CRM, sino que también eleva las capacidades de marketing, por lo que es una herramienta esencial para un compromiso con el cliente eficiente, personalizado y basado en datos.

Para sacar el máximo partido a las herramientas de marketing basadas en IA de Gen, los responsables de marketing deben mejorar sus habilidades fomentando el arte de la investigación. Animar a sus equipos a pensar de forma crítica y creativa, más allá de los límites y fomentar una cultura de la curiosidad que les capacite para navegar por la transformación digital.

Para maximizar las herramientas de marketing impulsadas por la IA Gen, los líderes de marketing deben capacitarse nutriendo el arte de la investigación

Cinco reglas de oro para desbloquear la IA generativa

Si crear prompts efectivos para el marketing basado en GPT es crucial para desbloquear todo el potencial de la IA generativa, ¿por dónde debemos empezar? He aquí 5 reglas de oro:

  • La claridad es la clave: Sea específico y claro sobre sus objetivos. Proporcione detalles para guiar a la IA y evitar la ambigüedad.
  • Defina sus objetivos
  • Comunicación en lenguaje natural: Utiliza un tono conversacional en tus indicaciones para alinearte con el diseño de la IA para la generación de texto similar al humano.
  • Iterne y experimente: Pruebe diferentes variaciones y experimente con las instrucciones para entender cómo obtener los mejores resultados de la IA.
  • Revisar y perfeccionar: Revisar críticamente el contenido generado, asegurándose de que se alinea con las directrices de la marca, y perfeccionarlo según sea necesario para mayor precisión.
  • Revisar y perfeccionar:

Seguir estas directrices permitirá a los profesionales del marketing aprovechar eficazmente los modelos GPT para la generación de contenidos de alta calidad en sus campañas.

En resumen, en la era de la IA Generativa, aprender a plantear las preguntas adecuadas es crucial. No se trata solo de obtener información, sino de utilizar la tecnología para potenciar nuestro pensamiento. El arte de la investigación es la brújula que nos guía a través de los reinos en constante expansión del conocimiento, garantizando que no solo encontremos respuestas, sino que también demos forma a las preguntas que impulsan el progreso y la comprensión

Obtenga más información sobre Salesforce AI for Marketing y descargue el informe Trends in Generative AI for Marketing

¿Qué es tendencia en IA?

Más de 1.000 profesionales del marketing te explican cómo están adoptando la IA


Categories
Developers Salesforce

Dentro de la investigación en IA: Superar los retos para impulsar nuevas innovaciones

Por Yingbo Zhou y Scott Nyberg

En nuestra serie de preguntas y respuestas «Engineering Energizers», examinamos las experiencias profesionales que han formado a los líderes de ingeniería de Salesforce. Conozca a Yingbo Zhou, Director senior de investigación de Salesforce AI Research, donde dirige su equipo para hacer avanzar la IA, centrándose en los campos del procesamiento del lenguaje natural y la inteligencia de software.

Salesforce AI Research

Siga leyendo para conocer los riesgos a los que se enfrenta su equipo a la hora de diseñar nuevas soluciones de IA, su mayor reto técnico, cómo Yingbo impulsa la escala de su equipo y mucho más…

Salesforce AI Research

¿Cuál es la misión de tu equipo de IA?

Nuestro equipo se centra principalmente en dos áreas: el procesamiento del lenguaje natural y la inteligencia de software. Ambas áreas tienen como objetivo agregar representaciones eficientes y eficaces a partir de datos para mejorar el rendimiento en diversas tareas. Nuestro objetivo final es avanzar en el estado del arte en estas áreas y democratizar la IA, haciéndola accesible y beneficiosa para todos

Mi equipo construyó y puso en código abierto el CodeGen large language model (LLM), que sirve de columna vertebral para Einstein for Developers. También colaboramos con otros equipos para dar vida al LLM fundacional de Salesforce, XGen

La etiqueta script debe estar en la cabecera de la página si es posible;

–>

Yingbo profundiza en su equipo.

¿A qué riesgos se enfrenta su equipo en la ingeniería de soluciones de IA?

Un riesgo es la generación de información incorrecta o engañosa por parte de los LLM. Para hacer frente a esto, empleamos técnicas de modelado y nos centramos en la generación fundamentada, proporcionando al modelo información de fondo que respalde sus respuestas. Esto reduce la probabilidad de generar contenido engañoso

También damos prioridad a la fiabilidad colaborando estrechamente con los equipos de producto, recabando las opiniones de los usuarios y mejorando la recopilación de datos para entrenar a los modelos con información relevante.

Además, nos protegemos del exceso de ingeniería, que crea una complejidad innecesaria en el diseño de productos en lugar de centrarse en las necesidades de los usuarios. Esto se consigue alineando nuestro enfoque con las necesidades y prioridades de los clientes a través de sesiones de comentarios de los clientes y estudios de usuarios.

¿Cuál ha sido el mayor reto técnico al que se ha enfrentado su equipo y cómo lo ha superado?

Uno de los mayores retos técnicos a los que nos enfrentamos fue con nuestro proyecto de incubación, CodeGenie – una herramienta de autocompletado para mejorar la productividad interna de los desarrolladores. En un principio, el producto parecía estar bien desde el punto de vista del desarrollo, pero los comentarios de los usuarios fueron decepcionantes, ya que no estaban muy satisfechos con las sugerencias que ofrecía el producto.

El objetivo era mejorar la productividad de los desarrolladores internos

Para superar este reto, nos asociamos estrechamente con otros equipos dentro de Salesforce y recopilamos comentarios detallados. Esta colaboración nos ayudó a identificar áreas de mejora tanto en el modelado como en la experiencia del usuario. También nos asociamos con un equipo de ingeniería para mejorar la ingeniería del producto, lo que ayudó a nuestro equipo a centrarse en mejorar el rendimiento del modelo. Por último, pero no por ello menos importante, recibimos la ayuda de investigadores de la experiencia del usuario que realizaron más entrevistas con usuarios, lo que nos proporcionó información sobre cómo utilizaban los clientes la herramienta y sus puntos débiles

Después de un año de esfuerzo dedicado, hemos visto mejoras significativas, en términos de calidad de salida del producto medido en términos de métricas de producto y adopción. Esta experiencia nos enseñó la importancia de la colaboración, el diseño centrado en el usuario y la iteración continua para superar los retos técnicos y ofrecer un producto mejor.

Un vistazo a CodeGenie.

¿Cómo aborda su equipo los problemas de la IA, como la retroalimentación ruidosa de datos de usuario?

Mi equipo es consciente de que las funciones y preferencias de los usuarios pueden cambiar con el tiempo, lo que dificulta sacar conclusiones significativas en poco tiempo. En otras palabras, el uso de los datos en bruto de los comentarios de los usuarios para iterar en el diseño del producto es un proceso lento. Para solucionar este problema, hemos creado un punto de referencia que se asemeja mucho al caso de uso objetivo para permitir una iteración más rápida del producto

Al aprovechar este punto de referencia, podemos superar el ruido de los datos de usuario y realizar mejoras informadas rápidamente. Este enfoque, combinado con nuestra colaboración continua con otros equipos y nuestro compromiso con el rigor académico, nos ayuda a superar los retos y avanzar en nuestra investigación sobre IA y en el desarrollo de productos

¿Cómo impulsa la escala de su equipo de IA?

Para impulsar la escala, nos centramos en automatizar tareas o procesos repetitivos, lo que reduce significativamente el tiempo de desarrollo y aumenta la eficiencia. Por ejemplo, automatizamos tareas como el preprocesamiento de datos, lo que ahorra tiempo y garantiza la coherencia

También estamos automatizando el proceso de evaluación de modelos, lo que permite a los interesados no técnicos explorar e interactuar fácilmente con nuestros modelos. De este modo se reduce la brecha de comunicación y se permite a los demás comprender y utilizar nuestro trabajo con mayor eficacia.

Además, creamos repositorios comunes dentro de nuestro equipo, como bibliotecas y documentación, para aprovechar el trabajo existente, impulsar la colaboración entre proyectos y acelerar el desarrollo

Por último, celebramos reuniones de equipo periódicas en las que compartimos nuestros avances y conocimientos. Estas reuniones fomentan un entorno abierto y colaborativo, maximizando la productividad y aprovechando los conocimientos y recursos colectivos.

>

Yingbo nos cuenta por qué su papel le entusiasma.

¿Qué ha aprendido sobre el liderazgo desde que se unió a Salesforce?

Inicialmente, consideraba el liderazgo principalmente como la gestión de personas y tareas. Sin embargo, he aprendido que es más que eso: se trata de tratar a los miembros del equipo como individuos únicos, valorando sus contribuciones, creyendo en sus habilidades y creando confianza para crear un entorno de trabajo significativo.

En última instancia, el aprendizaje más significativo que tengo es la importancia de capacitar a las personas para que hagan su mejor trabajo y ayudarles a superar los retos a los que se enfrenten.

Más información

Categories
Developers Tutoriales de Salesforce

Aumente la flexibilidad de Experience Builder con editores de propiedades y tipos personalizados ☁️

Esta es una traducción que desde EGA Futura ofrecemos como cortesía a toda la Ohana y comunidad de programadores, consultores, administradores y arquitectos de Salesforce para toda Iberoamérica.

El enlace a la publicación original, lo encontrarás al final de este artículo.

Mejore la flexibilidad con editores y tipos de propiedades personalizados en Experience Builder

Haga que la configuración de componentes para sus usuarios de Experience Builder sea más cómoda e intuitiva: cree editores y tipos de propiedades personalizados para sus Lightning Web Components personalizados. Atrás quedaron los días en los que la configuración de un componente se limitaba a cuadros de texto y desplegables básicos. Esta entrada de blog le mostrará cómo hacer que sus Lightning Web Components sean visualmente interactivos y fáciles de configurar.

Creación de un editor de propiedades personalizado

Con los editores de propiedades personalizados, puede crear cualquier tipo de campo de interfaz de usuario para configurar un valor de propiedad en Experience Builder. Por ejemplo, en lugar de un campo de texto en el que sus usuarios escribirían una fecha, el panel de propiedades de su componente puede ofrecer un selector de fecha con un calendario emergente en el que los usuarios pueden hacer clic para seleccionar una fecha.

Un editor de propiedades personalizado no es más que un componente web Lightning. La creación de uno es igual que la creación de cualquier otro componente web Lightning, con sólo algunos detalles adicionales. Veamos cómo crear uno. Utilizaremos la alineación de texto como ejemplo.

Escenario: Supongamos que está trabajando con un Lightning Web Component personalizado llamado MyCustomComponent. Para la propiedad textAlignment, en lugar del editor de cadenas predeterminado, prevé tener un grupo de botones donde los usuarios puedan ajustar la alineación con un solo clic.

Para crear este grupo de botones, puede crear un Lightning Web Component que actúe como editor de propiedades personalizado para la propiedad textAlignment del tipo String. Llamaremos a este nuevo editor personalizado alignmentCPE.

Para crear este editor de propiedades personalizado, siga estos pasos básicos.

Paso 1: Crear una clase de componente
Para que el componente alignmentCPE actúe como un editor de propiedades personalizado, debe adherirse al contrato del editor de propiedades. El contrato requiere que su componente editor de propiedades personalizado incluya ciertas propiedades públicas en su clase de elemento: label, description, required, value, errors y schema. Consulte nuestra guía para obtener más información sobre el contrato del editor de propiedades. A continuación se muestra un fragmento de clase básico para crear una clase de componente.

export default class AlignmentCPE extends LightningElement {
@api valor;
@api label;
@api esquema; // Derivado del tipo de propiedad asociada.
@api errores;
@track botones = […]

handleAlignmentClick(evento) {
const value = event.target.value;
this.value = valor;
this.dispatchEvent(new CustomEvent(«valuechange», {detail: {value: this.value}}));
}
}

Paso 2: Crear la interfaz de usuario del componente
A continuación, vamos a crear una interfaz de usuario fácil de usar para el editor de propiedades utilizando el mismo HTML y CSS que utilizaría para otros componentes web de Lightning.

A continuación se muestra un fragmento de código para el componente alignmentCPE.

Paso 3: Actualizar la configuración XML
Por último, asegúrese de que el archivo js-meta.xml de su componente reconoce alignmentCPE como editor de propiedades.

58.0
true
Componente del editor de alineación

relámpago__EditorDePropiedades

Creación de un tipo de propiedad personalizada

Un tipo de propiedad personalizado se define utilizando un nuevo tipo de metadatos llamado ExperiencePropertyTypeBundle.

Para crear un tipo de propiedad personalizado, siga estos pasos.

Escenario: Supongamos que está trabajando con su componente web personalizado de Lightning, MyCustomComponent. Desea crear un tipo de propiedad complejo, layoutAndBorderStyle, que incluya subpropiedades para borderStyle, borderWeight, borderRadius, layoutHeight y layoutWidth. También quiere organizar estas propiedades en pestañas llamadas Borders y Size.

Para crear este tipo complejo, siga estos subpasos.

Paso 1. Estructura del ExperiencePropertyTypeBundle
En primer lugar, vamos a configurar la carpeta para el nuevo tipo de metadatos. Cree una carpeta experiencePropertyTypeBundles para describir layoutAndBorderStyleType, nuestro tipo de propiedad personalizado.

+–miPaqueteDeMetadatos
+–experiencePropertyTypeBundles
+–layoutAndBorderStyleType
+–schema.json
+–design.json

Paso 2. Definir el esquema Definir el esquema: schema.json
Un archivo schema.json es esencial para definir la estructura, el tipo y la validación de una propiedad. Al adherirse a las especificaciones del esquema JSON, se asegura de que los valores de propiedad que establece para su componente se alinean con la estructura y el formato necesarios, manteniendo la integridad de los datos y la funcionalidad del componente.

Consulte nuestra guía para obtener una lista completa de las palabras clave que puede especificar

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2023/12/enhance-flexibility-with-custom-property-editors-and-types-in-experience-builder.html

Categories
Discover Magazine Enterprise Software Inteligencia Artificial Salesforce

PyRCA: Facilitar el análisis de causa raíz en AIOps

TL;DR: PyRCA es una librería de aprendizaje automático de código abierto diseñada específicamente para realizar análisis de causa raíz (RCA) en operaciones de TI. Ofrece un marco completo que permite a los usuarios identificar fácilmente las dependencias causales métricas complicadas y localizar automáticamente las causas raíz de los incidentes. La biblioteca proporciona una interfaz unificada para múltiples modelos RCA de uso común, incluyendo tareas de construcción de gráficos y puntuación. PyRCA pretende servir como una solución RCA de ventanilla única para el personal de operaciones de TI, científicos de datos e investigadores, permitiéndoles desarrollar, evaluar y desplegar modelos RCA en aplicaciones del mundo real de forma rápida y eficiente.

Background and Motivation: La necesidad de PyRCA

Con cada vez más aplicaciones de Internet desplegadas en la nube, garantizar la calidad de los sistemas en la nube y la experiencia del usuario se ha vuelto cada vez más crucial. Las incidencias en estos sistemas pueden provocar una mala experiencia de usuario e importantes pérdidas económicas. Para hacer frente a este problema, un enfoque eficaz es crear un sistema de monitorización que recoja y rastree los Indicadores Clave de Rendimiento (KPI) de las aplicaciones en ejecución. Cualquier anomalía en estas métricas KPI puede tratarse como un incidente. Cuando se produce un incidente, los ingenieros suelen recopilar todas las métricas relacionadas e investigar sus comportamientos para identificar la causa raíz o pistas para un diagnóstico posterior.

Figura 1. Ejemplo de un sistema de comercio electrónico. Ejemplo de sistema de comercio electrónico, que incluye servicio web, servicio de pago, servicio de entrega, servicio de compra y servicio de base de datos. La figura de la izquierda ilustra las dependencias entre cada servicio, mientras que la figura de la derecha muestra el gráfico causal del tiempo de respuesta de cada servicio, obtenido invirtiendo el gráfico de dependencias.

Por ejemplo, en un sistema de comercio electrónico como el ilustrado en la figura 1, si el tiempo de respuesta del servicio web aumenta significativamente, los ingenieros investigarían el tiempo de respuesta de los servicios anteriores en el gráfico causal. Si el tiempo de respuesta de un servicio de base de datos es alto, puede sugerir que el tiempo de respuesta prolongado del servicio web está causado por el servicio de base de datos, y el incidente puede mitigarse reiniciando el servidor de base de datos. Sin embargo, los sistemas modernos en la nube a menudo comprenden un gran número de componentes conectados a través de dependencias complejas, que se ejecutan en un entorno distribuido. Con miles o más métricas KPI que explorar para cada incidente, comprobar manualmente todas las métricas potencialmente relevantes puede llevar mucho tiempo, requerir mucho trabajo y ser propenso a errores para los ingenieros. Por lo tanto, una caja de herramientas RCA automatizada es altamente deseable.

PyRCA: One-Stop Python RCA Library Makes IT Operations Easy

Hemos desarrollado una solución holística PyRCA, una biblioteca Python para el análisis de causa raíz, para satisfacer las necesidades de los casos de uso tanto industriales como académicos. PyRCA es la primera librería RCA de código abierto que proporciona un marco de trabajo integral que incluye carga de datos, descubrimiento de grafos causales, localización de causas raíz y visualización de resultados RCA. PyRCA soporta múltiples modelos de construcción de grafos causales y de puntuación de causas raíz. Además, viene con un panel de control GUI para llevar a cabo RCA de forma interactiva, lo que se ajusta mejor a la experiencia del usuario en escenarios del mundo real. Las principales características de PyRCA son:

  • PyRCA ofrece un marco estandarizado y altamente adaptable para la carga de datos métricos con el formato comúnmente utilizado ‘pandas.DataFrame’ y la evaluación comparativa de un conjunto diverso de modelos RCA.
  • PyRCA proporciona una colección de modelos variados para descubrir gráficos causales e identificar las causas raíz, todos accesibles a través de una interfaz unificada. Además, los usuarios avanzados tienen la opción de configurar completamente cada modelo para satisfacer sus necesidades específicas.
  • Los modelos RCA proporcionados en la biblioteca pueden mejorarse incorporando conocimientos de dominio proporcionados por el usuario, lo que los hace más robustos al tratar con datos métricos ruidosos.
  • Los desarrolladores pueden extender PyRCA fácilmente implementando una única clase heredada de la clase base RCA para añadir nuevos modelos RCA.
  • PyRCA también ofrece una herramienta de visualización que permite a los usuarios incorporar fácilmente el conocimiento del dominio, examinar los resultados RCA y comparar diferentes modelos, todo ello sin necesidad de codificación.

Continuaremos mejorando PyRCA en el futuro para hacerlo más completo y fácil de usar en aplicaciones del mundo real.

Depper Dive

Example

Figura 2. El marco del ACR. La figura de la izquierda muestra un sistema de producción que contiene un gran número de servicios con interdependencias complejas. El sistema de monitorización de la nube recopila detalles de cada solicitud de servicio y su estado de forma continua. La figura de la derecha muestra la canalización de RCA.

En la Figura 2, mostramos un ejemplo de cómo funciona RCA cuando se integra con un sistema de producción. Un sistema de producción típico consta de varios servicios con interdependencias complejas. Para garantizar la fiabilidad de todo el sistema, se integra un sistema de monitorización para recopilar periódicamente diversas medidas que controlan la salud de cada servicio. Cuando las medidas anómalas son detectadas por el módulo de detección de anomalías, suelen indicar el fallo del servicio correspondiente, lo que puede afectar gravemente a la experiencia del usuario. A continuación, el módulo de detección de anomalías activa automáticamente la tarea de localización de la causa raíz para el módulo RCA.

El módulo RCA aprovecha múltiples métricas del sistema de producción y el conocimiento experto para construir un gráfico causal. Al considerar las métricas de anomalía y sus dependencias en el gráfico, el módulo RCA puede calcular las puntuaciones de la causa raíz y presentar los resultados a los ingenieros de fiabilidad del sitio para ayudarles en las acciones de remediación posteriores. En resumen, el objetivo de RCA es localizar las métricas top-K que tienen más probabilidades de ser la causa raíz de las métricas de anomalía, dadas las métricas de anomalía.

Principios de diseño

Figura 3. Arquitectura principal de PyRCA. La arquitectura principal de PyRCA.  

Los principios de diseño de PyRCA aseguran que la librería sea flexible, extensible y fácil de usar. Proporciona un marco unificado para RCA, permitiendo a los usuarios aplicar múltiples modelos y visualizar los resultados. Esto permite una fácil personalización mediante archivos de configuración, y la biblioteca puede ampliarse fácilmente con nuevos métodos de construcción y puntuación. El panel interactivo también facilita la incorporación de conocimiento experto y la demostración de resultados, haciendo que PyRCA sea fácil de usar para una amplia gama de usuarios.

Figura 4. Ejemplo de archivo YAML para la configuración. Ejemplo de archivo YAML para conocimiento experto configurable.

La API de la biblioteca PyRCA consta de tres componentes principales. En primer lugar, la capa de entrada carga los datos métricos en el formato ‘pandas.DataFrame’ y analiza el conocimiento experto del archivo de configuración en formato YAML. En la figura 4 se muestra un ejemplo. La capa de modelos implementa una amplia gama de modelos para la detección de anomalías, la construcción de gráficos causales y métodos de puntuación de causas raíz. Por último, la capa de salida soporta la visualización de gráficos causales y la evaluación de los resultados del análisis de causa raíz. También incluye una herramienta de simulación de datos para el análisis empírico. Juntos, estos tres componentes proporcionan a los usuarios un marco de trabajo de ACR completo y flexible que es fácil de usar y personalizar.

Modelos de ACR

Figura 5. La taxonomía de los modelos de ACR. La taxonomía de los modelos de ACR.

Un tipo común de modelo de ACR implica dos pasos. El primer paso es construir gráficos causales basados en métricas observadas y conocimiento del dominio, mientras que el segundo paso es extraer subgráficos anómalos o caminos basados en anomalías observadas. Normalmente, estos grafos causales pueden reconstruirse a partir de la topología de una aplicación específica, que se obtiene del análisis de registros y de trazas. Sin embargo, cuando los grafos de servicios o llamadas no están disponibles o sólo lo están parcialmente, la construcción del grafo topológico del sistema de producción puede suponer un reto. En tales casos, los modelos de descubrimiento causal pueden ser útiles para construir el gráfico causal que describe las relaciones causales entre las métricas observadas de una manera basada en datos. Este enfoque es particularmente útil cuando se investigan las relaciones entre las métricas monitorizadas en lugar de las llamadas a la API.

Aunque los modelos RCA de dos fases, que implican la construcción de un grafo causal seguido de la extracción de subgrafos o rutas anómalas, ofrecen una gran capacidad de explicación, el tiempo de ejecución de los algoritmos de construcción de grafos causales puede ser un factor limitante. En el peor de los casos, el tiempo de ejecución puede ser exponencial en el número de variables (nodos), lo que puede dificultar su aplicación en escenarios reales. Por otro lado, los modelos de ACR de una fase manejan directamente datos normales y anormales para obtener las causas raíz y tienen la capacidad de manejar eficientemente miles o incluso millones de métricas. Mostramos la comparación de estos dos tipos de modelos en la Figura 5.

Casos-de-uso

Figura 6. El panel interactivo de PyRCA. El panel de control interactivo de PyRCA (pestaña Análisis de datos)

Figure 7. El panel de control interactivo de PyRCA (pestaña Análisis de datos)

PyRCA ofrece una aplicación de panel de control fácil de usar que se puede iniciar ejecutando ‘python -m pyrca.tools’. La app consta de varias pestañas, incluyendo «Análisis de datos». En esta pestaña, los usuarios pueden cargar fácilmente sus datos métricos en formato CSV y visualizar todas las métricas, junto con estadísticas básicas como medias y varianzas. Los usuarios también pueden ajustar los hiperparámetros para los detectores de anomalías basados en estadísticas y umbrales. PyRCA incluye un detector básico de anomalías basado en estadísticas, pyrca.outliers.stats, que puede utilizarse para detectar picos anómalos en los datos. Sin embargo, si este detector no es adecuado para el caso de uso específico de un usuario, éste puede explorar otros detectores de anomalías ofrecidos por Merlion. Es importante tener en cuenta que los datos de las series temporales deben estar en formato CSV, donde la primera columna es la marca de tiempo y las otras columnas representan las métricas.

La pestaña «Causal Graph Discovery», mostrada en la Figura 7, permite a los usuarios construir gráficos causales estimados a partir de datos métricos. En primer lugar, los usuarios cargan los datos métricos y el archivo opcional de conocimiento del dominio en formato YAML. A continuación, seleccionan los datos métricos para construir el gráfico que describe las relaciones de dependencia entre las distintas métricas. Los usuarios pueden establecer los hiperparámetros del algoritmo de construcción del gráfico causal y la ruta del archivo de conocimiento del dominio, y hacer clic en el botón «Ejecutar» para generar la versión inicial del gráfico causal. A continuación, pueden comprobar manualmente si faltan enlaces o si hay enlaces incorrectos en el gráfico generado. Si el gráfico tiene errores, los usuarios pueden añadir restricciones adicionales como nodos raíz/hoja y enlaces obligatorios/prohibidos en la tarjeta «Editar conocimiento del dominio». Una vez añadidas las nuevas restricciones, pueden perfeccionar el gráfico causal pulsando de nuevo el botón «Ejecutar». Si el gráfico causal es satisfactorio, los usuarios pueden descargarlo y guardarlo para futuros despliegues del modelo RCA.

En aplicaciones del mundo real, los métodos de descubrimiento causal pueden enfrentarse a retos a la hora de producir gráficos causales precisos debido a problemas con los datos en aplicaciones del mundo real. Esta aplicación proporciona una interfaz fácil de usar que permite la edición interactiva y la revisión de los gráficos causales.

The Bottom Line

  • PyRCA está diseñado para abordar los puntos débiles asociados con los flujos de trabajo actuales de la industria para las operaciones de TI.
  • Proporciona interfaces unificadas y fácilmente extensibles e implementaciones para una amplia gama de modelos RCA.
  • Nos dedicamos a mejorar continuamente PyRCA y planeamos añadir compatibilidad con datos de registro y datos de seguimiento, así como incluir más modelos RCA en el benchmark.
  • Aceptamos y fomentamos las contribuciones de la comunidad de código abierto.

Explore más

Salesforce AI le invita a profundizar en los conceptos tratados en esta entrada de blog (consulte los enlaces siguientes). Conéctese con nosotros en las redes sociales y en nuestro sitio web para obtener actualizaciones periódicas sobre éste y otros proyectos de investigación.

Acerca de los autores

Chenghao Liu es un científico aplicado senior en Salesforce AI Asia, que trabaja en la investigación de AIOps, incluyendo la previsión de series temporales, la detección de anomalías y el aprendizaje automático causal.

Wenzhuo Yang es investigador principal aplicado en Salesforce AI Asia y trabaja en la investigación de AIOps y aprendizaje automático aplicado, incluyendo aprendizaje automático causal, IA explicable y sistemas de recomendación.

Doyen Sahoo es director senior de Salesforce AI Asia. Doyen dirige varios proyectos relacionados con la IA para operaciones de TI o AIOps, trabajando tanto en investigación fundamental como aplicada.

Steven HOI es el director general de Salesforce Research Asia y supervisa las actividades de investigación y desarrollo de IA de Salesforce en APAC. Sus intereses de investigación incluyen el aprendizaje automático y una amplia gama de aplicaciones de IA.

Categories
Discover Magazine Enterprise Software Inteligencia Artificial Salesforce

Prototipos XGen-Image-1

TLDR

Los métodos de IA generativa para la generación de imágenes tienen una amplia variedad de aplicaciones potenciales en marketing, ventas y comercio electrónico. Con estas aplicaciones en mente, el equipo de Salesforce Research ha desarrollado varias técnicas basadas en modelos de difusión de generación de imágenes, incluyendo métodos para la edición de imágenes, guía mejorada de clasificadores y métodos mejorados de generación controlada. En esta entrada de blog, documentamos nuestra experiencia de entrenamiento de grandes modelos de difusión de texto a imagen desde cero. Describimos nuestras decisiones de diseño, proceso de entrenamiento y métricas de rendimiento para la primera generación de nuestros modelos de generación de imágenes, llamada XGen-Image-1.  En resumen:

  • Entrenamos XGen-Image-1, un modelo de difusión latente de 860 millones de parámetros, utilizando 1.100 millones de imágenes disponibles públicamente del conjunto de datos LAION
  • Combinando un modelo latente VAE con pixel upsamplers permite el entrenamiento a muy baja resolución, reduciendo el coste computacional.
  • Un modelo de generación de imágenes competitivo puede entrenarse en la pila TPU de Google por ~75.000 dólares
  • XGen-Image-1 iguala el rendimiento de alineación puntual de Stable Diffusion 1.5 y 2.1, que se encuentran entre los modelos de generación de imágenes con mejor rendimiento.
  • Los retoques automatizados en regiones apuntadas (por ejemplo. «cara») son mejoras eficaces
  • El muestreo de rechazo en el momento de la inferencia puede mejorar drásticamente los resultados

¿Qué vamos a entrenar?

En la actualidad, existen dos clases principales de modelos de difusión: basados en píxeles y basados en latencia. Los modelos de difusión basados en píxeles incluyen DeepFloyd-IF (Shonenkov et al. 2023), Imagen (Saharia et al. 2022), EDiffi (Balaji et al. 2022), Kandinsky (Shakhmatov et al. 2022) y DALLE-2 (Ramesh et al. 2022). Los modelos de difusión basados en latencia (LDM) incluyen la familia de modelos de difusión estable, de la que fueron pioneros Rombach et al. (2021) y Wuerstchen (Pernias et al. 2023).

La diferencia clave entre estas clases de modelos es que los modelos de difusión latente son representaciones de imágenes autocodificadas de denoising en un espacio comprimido (normalmente 8x espacialmente) mientras que los modelos de difusión basados en píxeles operan directamente sobre píxeles.

Las imágenes más grandes son caras de entrenar, por lo que la mayoría de estos enfoques normalmente acaban entrenando un modelo «base» a una resolución de 64×64. Para los modelos de píxeles, esto da como resultado imágenes bastante pequeñas, como se ve a continuación. El contenido es observable, pero no el detalle, y no se verá bien cuando se amplíe. Por ello, es necesario seguir la generación de la base con amplificadores (normalmente también modelos de difusión).

Para todos estos enfoques, se utilizan varios modelos preentrenados

  • Condicionamiento del texto: CLIP/T5 language embeddings
  • Modelos de difusión latente: VAE

También en el caso de los modelos de muestreo ascendente en cascada, cada componente se entrena de forma independiente, es decir, cada componente se preentrena con respecto a los demás (y viceversa)

Los autocodificadores (y los muestreadores ascendentes) entrenados de forma diversa son extremadamente adaptables a diferentes tipos de imágenes. Normalmente no se necesitan cambios en comparación con el cambio necesario en el proceso generativo. Esto no quiere decir que estos modelos sean perfectos; los artefactos de VAE StableDiffusion, como las características detalladas (por ejemplo, texto, caras pequeñas), son de sobra conocidos y los upsamplers pueden introducir sus propios artefactos. Estos modelos no son perfectos, pero son mucho más reutilizables que los modelos generativos de base.

Con esto en mente, decidimos que los problemas más directos del remuestreo, el condicionamiento y la codificación no tenían por qué ser el centro de nuestro modelo. En su lugar, nos preguntamos: puesto que estos elementos son robustos y reutilizables, ¿hasta qué punto podemos reutilizarlos?

Decidimos poner a prueba los límites de un entrenamiento eficiente y ver a qué baja resolución podíamos entrenar combinando modelos preentrenados de autocodificación y muestreo ascendente de píxeles.

Como se ilustra en la tubería anterior, utilizamos tanto un autoencoder preentrenado como upsamplers opcionales basados en píxeles. Esto nos permite generar imágenes con una resolución (latente) baja (32×32) y obtener imágenes de 1024×1024. En el futuro, queremos explorar aún más el límite inferior de la resolución práctica. A efectos de resultados,  informamos de los resultados cuantitativos y la evaluación humana en la etapa de 256×256 directamente después de la VAE sin upsamplers. Los resultados cualitativos (al principio y al final de este post) utilizan tanto un «re-upsampler» de 256→64→256 (análogo al «Refiner» de SDXL) como un upsampler de 256→1024.

¿Con qué datos lo entrenaremos?

Siguiendo Stable Diffusion,  entrenamos nuestro modelo utilizando el  conjunto de datos LAION-2B con un filtro de puntuación estética de 4.5, que constituye ~42% del conjunto de datos. El conjunto de datos LAION se compone de imágenes extraídas de la web; echemos un vistazo rápido al aspecto de los pies de foto y las imágenes. Como se ve a continuación, hay muchas imágenes de productos con descripciones básicas, mucha ropa, etc. Sin embargo, lo bueno de los grandes conjuntos de datos es que en la larga cola de conceptos podemos encontrar casos de sustantivos muy raros. Si multiplicamos esta larga cola por la escala de los conjuntos de datos, ¡todavía hay muchos casos! Por ejemplo, en una muestra de 1 millón de imágenes, las palabras «dragón» y «astronauta» aparecen en 411 y 86 casos, respectivamente. Si tenemos en cuenta todo el conjunto de datos de imágenes 2B, eso significa que hay >800k y >170k instancias de entrenamiento etiquetadas de cada concepto (¡sin mencionar las variantes de esas palabras)! Para que nos hagamos una idea, esto significa que hay casi tantas instancias de «dragón» para aprender como imágenes en el desafío original ImageNet-1k total.

Infraestructura de entrenamiento

Entrenamos nuestro modelo en TPU v4s. Encontramos que el código de TPU Moco-V3 de Ronghang Hu era un punto de partida inestimable.  Como parte del entrenamiento en TPUs, usamos Google Cloud Storage (GCS) para guardar modelos y usamos unidades montadas en gcloud para almacenar grandes conjuntos de datos. Entrenamos nuestro modelo en una máquina TPU v4-512 para 1,1 millones de pasos, lo que nos llevó unos 9 días con unos costes de hardware estimados de aproximadamente 73.000 dólares. El StableDiffusion original costó $600k.

Hipo en el entrenamiento

Al principio, nuestras pérdidas variaban mucho de un paso a otro, incluso con lotes de gran tamaño. Descubrimos que esto se debía a que todos los trabajadores recibían la misma siembra. Mediante la siembra aleatoria de los trabajadores con su rango, se logró una distribución uniforme de los pasos de ruido y curvas de pérdida más suaves.

Guardar los puntos de control del modelo resultó ser un problema sorprendentemente peliagudo en nuestra configuración de infraestructura. Los directorios locales ~ en TPUs no son persistentes, y nuestra unidad de código tenía I / O lento. Guardar en GCS en paralelo no funcionó de inmediato – con Pytorch/XLA hay que tener cuidado con lo que se está ejecutando por todos los trabajadores frente a sólo el maestro. En este caso algunas operaciones tomarán un bloqueo en la entrada GCS resultando en que las otras se cuelguen.

El bloque de código de abajo resuelve este problema guardando en GCS mientras sólo toca el cubo (sacando un bloqueo) en el hilo maestro.


if 'gs://' in archivo_o_ruta:
    print("Haciendo blob")
    gcs_path = file_or_path.replace('gs://', '')
    nombre_cubo = gcs_path.split('/')[0]
    cliente_almacenamiento = cliente_almacenamiento()
    bucket = storage_client.bucket(nombre_bucket)
    blob = bucket.blob('/'.join(gcs_path.split('/')[1:])
    print("Abriendo blob")
    print("iniciando bloque 'maestro'")
    if debe_escribir_datos:
        with blob.open('wb', ignore_flush=True) as f:
            print("Guardando realmente")
            torch.save(cpu_data, f)

Curvas de pérdidas: esperamos que un mayor entrenamiento siga mejorando nuestro modelo.

Evaluación automatizada de métricas

Realizamos una evaluación automática de nuestro modelo (y de los puntos de control) midiendo la puntuación CLIP (alineación con la indicación) en el eje x y la FID (similitud de apariencia a nivel de conjunto de datos) en el eje y. Estas métricas se calculan a través de 15 puntos de control. Estas métricas se calculan en 15 escalas de orientación para 30.000 pares imagen-pista en la primera figura (frente a las versiones StableDiffusion) y 1.000 pares para la comparación entre puntos de control. Los pares de datos se extraen aleatoriamente del conjunto de datos COCO Captions con «A photograph of» añadido al pie de foto para evitar penalizaciones FID asociadas con diferentes estilos gráficos (por ejemplo, ilustraciones).

Las evaluacionesCLIP-FID son limitadas, como se indica en la literatura (por ejemplo, SDXL, Podell et al. 2023), pero siguen siendo una métrica útil a gran escala. Vemos que nuestro modelo compite con SD1.5 y SD2.1, superando de hecho a los modelos StableDiffusion preentrenados en ambas métricas, lo que indica un alto fotorrealismo y una pronta fidelidad. Como prueba de cordura, observamos que las «épocas» secuenciales (12,5k pasos) suelen mejorar en ambas dimensiones.

Evaluación en humanos

Siguiendo a SDXL (Podell et al. 2023), realizamos una evaluación humana de nuestro modelo frente a SD1.5 y 2.1 en la prueba PartiPrompt (Yu et al. 2022), que mide la alineación de instrucciones, utilizando Amazon Mechanical Turk. Preguntamos a los usuarios «¿Cuál de las imágenes sigue mejor la indicación?» recogiendo respuestas para las 1632 indicaciones de la prueba comparativa en 6 pruebas separadas, resultando en ~10k respuestas en total por comparación. Las barras de error indican intervalos de confianza del 95%.

En la figura anterior mostramos la media general (de todas las secciones). Vemos que XGen-Image se clasifica de forma casi idéntica a SD1.5 mientras que está marginalmente (aunque no significativamente) por detrás de SD2.1.

No evaluamos directamente contra el reciente SDXL (Podell et al. 2023) que es un LDM mucho más grande que demuestra un rendimiento muy superior a SD1.x y 2.x. Actualmente estamos trabajando en escalar XGen-Image y abordar áreas específicas de mejora, con el objetivo de  igualar el rendimiento de SDXL.

Generación consistente de imágenes de alta calidad

A partir de nuestro modelo entrenado XGen-Image, hemos implementado dos trucos comúnmente utilizados para la generación consistente de imágenes de alta calidad en nuestro proceso de inferencia.

  1. Generar un montón de imágenes y elegir la mejor
  2. Pintar las cosas que no se ven bien

Queríamos mantener la configuración de 1-prompt 1-output, así que buscamos automatizar lo anterior.

Para (1), probamos el muestreo de rechazo – generar múltiples imágenes y seleccionar automáticamente la mejor. Inicialmente exploramos la puntuación estética y la puntuación CLIP, pero encontramos que PickScore (Kirstain et al. 2023) proporcionaba una gran métrica general que, como se indica en su artículo, se correlacionaba bien con la preferencia humana.

Para hacer estos lotes eficientes utilizamos media precisión, atención eficiente y el programador PNDM (Liu et al. 2022). Esto nos permite generar 32 imágenes (4×8) en ~5 segundos en una GPU A100. Como se muestra en el siguiente ejemplo, la tasa de éxito de una generación alineada con un prompt no siempre va a ser del 0% o del 100% – permitiendo múltiples oportunidades para que el modelo acierte y siendo capaces de automáticamente determinar un buen candidato podemos mejorar la capacidad del pipeline global.

Como ejemplo de (2), aplicamos un proceso bastante estándar para la mejora regional de las caras (aunque se generaliza a cualquier objeto)

  1. Obtener máscara de segmentación para un objeto (desde prompt)
  2. Recortar en base a la máscara de segmentación
  3. Ampliar recorte
  4. Ejecutar img2img sobre recorte con un título que coincida/paralelamente a la pregunta de segmentación (para caras segmentamos con «una cara» e img2img con «una fotografía de una cara»)
  5. Utilizar la máscara de segmentación para mezclar el recorte aumentado con la imagen original

Evaluación cualitativa del muestreo de rechazo

Vemos que el muestreo de rechazo automático mediante PickScore mejora drásticamente el rendimiento de XGen-Image, induciendo una brecha mayor que cualquier diferencia de modelo con las versiones StableDiffusion. Aquí se evalúan todos los PartiPrompts en una sola prueba.

One More Collage

Conclusión

En este post hemos presentado XGen-Image-1, unun modelo de difusión latente texto-imagen entrenado para reutilizar varios componentes preentrenados. Nuestro prototipo sigue en gran medida el proceso LDM/SD, pero sólo se entrena con una resolución de 256×256 píxeles (32×32 latentes), lo que reduce el coste computacional. El prototipo XGen-Image se comporta de forma similar a Stable Diffusion 1.5 y 2.1 en la evaluación. Descubrimos que el uso de PickScore para realizar el muestreo de rechazo por lotes mejoraba drásticamente las generaciones, medido tanto por el rendimiento humano como por las métricas automáticas. Estamos entusiasmados por seguir desarrollando XGen-Image y compartir nuestras observaciones a lo largo del camino.

Desglose de contribuciones

Bram Wallace: Biblioteca de código, formación de modelos, canal de inferencia

Akash Gokul: Prototipos iniciales, ayuda con la codificación, mejoras en la velocidad del upsampler

Dongxu Li: Recogida de datos, formateo y carga del pipeline

Junnan Li: Asesoramiento en el entrenamiento del modelo y ayuda con el pipeline de datos

Nikhil Naik: Planificación, supervisión y gestión del proyecto

Damos las gracias a Srinath Reddy Meadusani y Lavanya Karanam por su ayuda y apoyo con la infraestructura informática.  También  agradecemos a Ran Xu, Ning Yu, Shu Zhang y Kathy Baxter sus sugerencias en diferentes etapas del proyecto. Por último,  agradecemos a Caiming Xiong y Silvio Savarse por sus consejos y apoyo a lo largo del proyecto.

Categories
Analista de negocios de Salesforce Consultor de Salesforce Salesforce

Estrellas a seguir

Con sede en Berlín y Londres, EMPAUA es un socio de implementación de Salesforce que se centra en ayudar a innovar a empresas de nueva creación, a escala y de hipercrecimiento. El especialista en Salesforce se centra en la mejora empresarial y la transformación digital mediante el diseño y la implementación de soluciones de Salesforce a medida que impulsan el éxito organizativo.

El objetivo de EPAUA es ayudar a estas empresas a navegar por dichas complejidades de forma sencilla y rápida.

El objetivo principal de EPAUA es mejorar las operaciones empresariales mediante soluciones de Salesforce a medida. Se convierte en la salsa secreta del cliente y le permite mantenerse por delante de la competencia y prosperar en el mercado. Gracias a ello, EMPAUA está causando sensación en el sector

Cómo EMPAUA contrata para una cultura diferente

Alexander busca tanto responsabilidad como ambición cuando contrata para EMPAUA. «En mi puesto anterior fui consultor de Salesforce», explica. «Así que sé cuáles son las aptitudes de los mejores consultores. Por lo tanto, busco activamente candidatos que sean ambiciosos y responsables, pero que aún no se hayan introducido en el mundo de la tecnología. Este tipo de candidatos siempre tienen una motivación implacable y adquieren rápidamente las habilidades necesarias»

Además de ofrecer un trabajo excelente, EMPAUA quiere redefinir lo que puede significar la cultura de empresa. «Queremos demostrar que podemos tener una cultura de trabajo orientada al rendimiento pero amable, y que estas características pueden coexistir y potenciarse mutuamente», afirma Alexander. Alexander explica que es un equilibrio difícil de conseguir y que, mientras muchas empresas luchan por conseguirlo, EMPAUA quiere ser líder con su forma única de trabajar

Alexander comparte un ejemplo de contratación de alguien de un entorno diferente, en este caso el comercio minorista. «Conocí a Sri en mi anterior puesto», explica. Por aquel entonces, Sri participaba en un programa de mentores, pero Alexander no estaba en condiciones de contratarla. «Era muy ambiciosa y estaba muy cualificada: tenía un máster en informática que no aprovechaba en su trabajo en el sector minorista. Afrontaba todo lo que hacía con tanta dedicación que era increíble verlo»

La historia continúa: «Al principio, Sri no encontraba trabajo tecnológico, así que se convirtió en administradora certificada de Salesforce, todo en su tiempo libre. Conseguirlo, sin experiencia en proyectos, es otro ejemplo de su esfuerzo y dedicación»

Cuando el «riesgo» merece la pena

Alexander y su equipo son claramente grandes defensores de realizar contrataciones no tecnológicas, pero ¿por qué? «Cuando a las personas se les da una oportunidad, y se les apoya continuamente para que crezcan y tengan éxito, superan su rendimiento de forma constante», explica Alexander. «Y la gente así es increíblemente leal. Están esperando a que alguien les dé una oportunidad para demostrar lo motivados y capaces que son»

«Contratar a Sri ha merecido la pena», afirma Alexander. «Sri ha aprendido rápido y ya está cubriendo a consultores senior. Creo que está progresando tan rápido porque la empresa cree en ella y ella, a su vez, cree en nosotros. Se ha convertido en una incorporación inestimable a nuestro equipo»

Alexander ofrece unas palabras de despedida. «A menudo inflamos los riesgos en nuestras mentes, y eso se extiende a quién y cómo contratamos. Creo que siempre es más arriesgado contratar a alguien que solo está ahí por un sueldo, así que nunca rehuiría dar una oportunidad a alguien que no lo está».