Categories
Salesforce Transformación digital

¿Qué es el chat en directo y por qué es importante para sus clientes?

En el vertiginoso mundo actual, los clientes buscan un compromiso inmediato y una asistencia rápida. Esta es precisamente la razón por la que numerosas empresas están adoptando el soporte de chat en vivo. Sin embargo, no basta con implementar el chat en directo en su sitio web. Para garantizar el éxito de su servicio de chat en directo, debe alinear eficazmente a sus representantes y herramientas de asistencia.

Chat en vivo

En este artículo, exploraremos el concepto de chat en vivo, su funcionalidad y cómo implementarlo para satisfacer las necesidades de sus clientes sin problemas.

En este artículo, exploraremos el concepto de chat en vivo, su funcionalidad y cómo implementarlo para satisfacer las necesidades de sus clientes sin problemas.

El chat en vivo es una herramienta que conecta a los clientes con representantes de soporte humanos reales, permitiéndoles resolver problemas en tiempo real. Con el chat en vivo, los clientes pueden obtener respuestas rápidamente, reduciendo su tiempo de espera para obtener soluciones o buscando en la base de conocimientos de su sitio web.

Aunque el chat en vivo comparte características de soporte en tiempo real con los chatbots, difiere significativamente. El chat en directo conecta a los clientes con representantes de soporte humanos, mientras que un chatbot es un programa automatizado. Sin embargo, los chatbots pueden servir como punto de contacto inicial de los clientes, lo que puede conducir a una transferencia al chat en vivo cuando sea necesario

Cómo funciona el chat en vivo

El chat en vivo funciona conectando a los visitantes del sitio web con los representantes de la empresa a través de mensajería instantánea dentro de una ventana privada del navegador. Después de hacer clic en un enlace o botón, los clientes pueden iniciar una conversación con un agente de soporte en vivo que está listo para ayudar. La comodidad y la inmediatez del chat en directo lo convierten en un canal de comunicación atractivo tanto para los clientes como para las empresas.

Típicamente, el software de chat en directo se incrusta como un widget dentro del código de su sitio web. Este widget carga un icono o enlace en sus páginas web, permitiendo a los visitantes hacer clic y abrir una ventana de chat. Puede personalizar la apariencia y la ubicación del widget de chat para adaptarlo a sus preferencias.

Beneficios del chat en directo

Vamos a profundizar en algunas de las ventajas de incorporar el chat en vivo a tu negocio:

  • Experiencia omnicanal: El chat en directo proporciona una integración perfecta, permitiendo a los clientes conectar directamente con los equipos de asistencia o ventas sin salir de su sitio web. Esto reduce las tasas de rebote, mejora la experiencia de atención al cliente y crea oportunidades para la venta cruzada y la venta adicional
  • Tiempo medio de gestión reducido: El chat en directo minimiza la frustración de las largas retenciones y los tiempos de espera de los clientes. Pueden hacer preguntas de seguimiento y aclarar las respuestas en tiempo real sin tener que archivar casos adicionales.
  • El chat en directo reduce el tiempo medio de gestión
  • Oportunidades de automatización: El chat en directo se integra fácilmente con otras herramientas de atención al cliente, incluidos los chatbots. Los chatbots pueden responder automáticamente a las consultas más comunes, liberando a los representantes humanos para que se ocupen de cuestiones más complejas
  • Distribución de casos: La asistencia por chat en directo puede suponer una disminución del volumen de casos para los canales telefónico y de correo electrónico. Los clientes pueden elegir el medio de comunicación más adecuado en función de la urgencia y la complejidad de su consulta.
  • El chat en directo puede ayudar a reducir el volumen de casos en los canales telefónico y de correo electrónico

Ahora que ya conoce las ventajas del chat en directo, vamos a hablar de las formas adecuadas de utilizarlo.

Cómo no funciona el chat en vivo

Las decisiones empresariales eficaces deben girar en torno a la mejora del servicio al cliente. El valor de los canales de comunicación reside en su capacidad para conectar con los clientes y recopilar contexto valioso sobre las consultas de los clientes. El objetivo es captar la atención de los clientes a través de varios canales, creando una visión completa de sus necesidades y preferencias.

Servicio al cliente

Incorporar múltiples sistemas de comunicación proporciona una comprensión más completa de sus clientes. Este enfoque, en lugar de un único sistema autónomo, permite obtener un perfil de cliente más rico.

Mejores prácticas de chat en vivo

Para optimizar el chat en directo, tenga en cuenta las siguientes mejores prácticas:

  • Optimice los sistemas de soporte para mayor velocidad: asegúrese de que su equipo de soporte está equipado con herramientas y sistemas actualizados para responder con rapidez a las consultas de los clientes.
  • Prepárese para el chat en directo
  • Desarrolle una estrategia offline: Implemente la asistencia mediante chatbot para ayudar a los clientes fuera del horario comercial, ofreciéndoles respuestas inmediatas y dirigiéndoles a recursos de autoservicio.
  • Disponga de una estrategia de soporte fuera de línea para ayudar a los clientes fuera del horario comercial
  • Responda con rapidez y claridad: Mejore los tiempos de respuesta de su equipo de soporte y la claridad de la comunicación mediante el uso de herramientas para agilizar la escritura y proporcionar respuestas concisas e informativas.
  • Implementar un chatbot de soporte para ayudar a los clientes fuera del horario comercial, ofreciendo respuestas inmediatas y dirigiéndolos a recursos de autoservicio
  • Conviértalo en un momento didáctico: Aproveche el chat en directo como una oportunidad para educar a los clientes, compartir conocimientos relevantes y anticiparse a futuras necesidades.
  • Prepárese para el futuro
  • Proporcione un cierre: Concluya las interacciones de chat en vivo de forma positiva, confirmando que se ha abordado la pregunta del cliente y ofreciéndole más ayuda si es necesario.
  • Disponga de un cierre de la conversación

Chat en vivo con Salesforce

La funcionalidad de chat web de Salesforce consta de cuatro componentes esenciales, cada uno de ellos diseñado para agilizar y mejorar la experiencia de asistencia al cliente:

La funcionalidad de chat web de Salesforce incluye

  1. Consola de chat: Nuestra Consola de Chat permite a los agentes de soporte enviar y recibir mensajes sin problemas, facilitando una comunicación eficiente con el cliente.
  2. Chat Console
  3. Omnichannel: Omnichannel enruta de forma inteligente las solicitudes de chat al agente más adecuado, teniendo en cuenta la disponibilidad y las cualificaciones, y garantizando que los clientes reciban asistencia del experto adecuado.
  4. Servicio integrado: Con Embedded Service, puede crear una ventana de chat personalizada para que los clientes accedan a la ayuda que necesitan. Estas ventanas de chat están optimizadas para móviles, por lo que ofrecen una experiencia de chat sin frustraciones en todos los dispositivos.
  5. Servicio integrado: con Embedded Service puedes crear una ventana de chat personalizada para que los clientes accedan a la ayuda que necesitan
  6. Bots de Einstein: Estos programas informáticos inteligentes son los aliados de tus agentes de soporte, no sus sustitutos. Los Einstein Bots pueden gestionar solicitudes rutinarias y recopilar información previa al chat, ahorrando un valioso tiempo a sus agentes y clientes.
  7. Los Einstein Bots son una herramienta muy útil para los agentes de soporte

Cuando estos cuatro componentes se unen, crean una experiencia de chat web sin fisuras para sus clientes y equipo de soporte.

Categories
Developers

Cómo aprobar el examen de certificación Salesforce Certified AI Associate

Última actualización en 7 septiembre, 2023 por Rakesh Gupta

Como Asociado certificado en IA de Salesforce recién titulado, comparto mis experiencias de estudio con usted y quiero que sea el próximo en superarlo Así que prepárese y sumérjase

<img decoding="async" data-attachment-id="59545" data-permalink="https://automationchampion.com/2023/09/06/how-to-pass-salesforce-certified-ai-associate-certification-exam-2/how-to-pass-salesforce-certified-ai-associate-certification-study-materials/" data-orig-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/How-to-Pass-Salesforce-Certified-AI-Associate-Certification-Study-Materials.png?fit=3398%2C1872&ssl=1" data-orig-size="3398,1872" data-comments-opened="1" data-image-meta="{"aperture":"0","credit":"","camera":"","caption":"","created_timestamp":"0","copyright":"","focal_length":"0","iso":"0","shutter_speed":"0","title":"0","orientation":"0"}" data-image-title="Cómo aprobar los materiales de estudio de la certificación Asociado certificado en AI de Salesforce" data-image-description data-image-caption data-medium-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/How-to-Pass-Salesforce-Certified-AI-Associate-Certification-Study-Materials.png?fit=300%2C165&ssl=1" data-large-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/How-to-Pass-Salesforce-Certified-AI-Associate-Certification-Study-Materials.png?fit=640%2C353&ssl=1" class="aligncenter wp-image-59545 size-full" src="https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate.png" alt width="640" height="353" srcset="https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-4.png 3398w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-5.png 300w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-6.png 1024w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-7.png 150w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-8.png 768w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-9.png 1536w, https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/How-to-Pass-Salesforce-Certified-AI-Associate-Certification

👉 Ya que está aquí, puede que le interese echar un vistazo al Cómo aprobar el examen de certificación Salesforce Certified Associate artículo.

Una nueva credencial para pioneros de la IA

La credencial Salesforce AI Associate está diseñada para personas que puedan tener conocimientos de AI, ya sean principiantes o personas con más experiencia. El Salesforce Certified AI Associate debe ser capaz de proporcionar estrategias informadas y guiar las decisiones de las partes interesadas basándose en los principios de IA de confianza de Salesforce.

Mientras se preparan para el examen de certificación, los pioneros repasarán los temas clave que les ayudarán a alcanzar sus objetivos aún más rápido: 

  1. Explicar los principios básicos y las aplicaciones de la IA en Salesforce.
  2. Explicar los principios básicos y las aplicaciones de la IA en Salesforce
  3. Diferenciar los tipos de IA y sus capacidades.
  4. Identificar las capacidades de IA de CRM.
  5. Describir las capacidades de IA de CRM
  6. Describir los beneficios de la IA en su aplicación al CRM.
  7. Describir los beneficios de la IA en su aplicación al CRM
  8. Describir los desafíos éticos de la IA 
  9. Aplique los principios de IA de confianza de Salesforce a situaciones dadas.
  10. Describa los retos éticos de la IA
  11. Describa la importancia de la calidad de los datos
  12. Describir los elementos/componentes de la calidad de datos.
  13. Describir la importancia de la calidad de datos.
  14. Describir los elementos/componentes de la calidad de datos
  15. Y mucho más

Entonces, ¿quién es un candidato ideal para el examen?

Los candidatos al Salesforce Certified AI Associate deben tener un conocimiento básico de las funciones principales de Salesforce y deben ser capaces de navegar por Salesforce.

  • Conceptos básicos de IA, sus diferentes tipos como análisis predictivo, aprendizaje automático, PNL y visión por ordenador.
  • Conocimientos básicos de IA, sus diferentes tipos como análisis predictivo, aprendizaje automático, PNL y visión por ordenador
  • Principios de la IA de confianza de Salesforce, especialmente en el contexto de los sistemas CRM como Salesforce y su suite de productos.
  • Manejo ético y responsable de los datos, incluidas las consideraciones de privacidad, sesgo, seguridad y cumplimiento de la normativa.
  • Capacidad para desarrollar modelos de IA basados en datos

¿Cómo prepararse para el examen?

Los estilos de aprendizaje difieren ampliamente – por lo que no existe una fórmula mágica que uno pueda seguir para aprobar un examen. Lo mejor es estudiar unas horas al día, llueva o haga sol A continuación se ofrecen algunos detalles sobre el examen y los materiales de estudio:

  • 40 preguntas de opción múltiple/selección múltiple – 70 minutos
  • 65% es la puntuación de aprobado
  • Secciones del examen y ponderación
    • Fundamentos de IA: 17%
    • Capacidades de la IA en CRM: 8%
    • Consideraciones éticas de la IA: 39%
    • Datos para la IA: 36%
  • La Tasa de examen es de 75 dólares más impuestos aplicables
  • Tasa de repetición: Gratis
  • Programa tu examen de certificación aquí

<img decoding="async" data-attachment-id="59632" data-permalink="https://automationchampion.com/2023/09/06/how-to-pass-salesforce-certified-ai-associate-certification-exam-2/prepare-for-salesforce-certified-ai-exam/" data-orig-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/Prepare-for-Salesforce-Certified-AI-Exam.png?fit=2240%2C1260&ssl=1" data-orig-size="2240,1260" data-comments-opened="1" data-image-meta="{"aperture":"0","credit":"","camera":"","caption":"","created_timestamp":"0","copyright":"","focal_length":"0","iso":"0","shutter_speed":"0","title":"","orientation":"0"}" data-image-title="Prepárese para el examen de IA certificado por Salesforce" data-image-description data-image-caption data-medium-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/Prepare-for-Salesforce-Certified-AI-Exam.png?fit=300%2C169&ssl=1" data-large-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/Prepare-for-Salesforce-Certified-AI-Exam.png?fit=640%2C360&ssl=1" class="aligncenter wp-image-59632 size-full" src="https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-1.png" alt width="640" height="360" srcset="https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-10.png 2240w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-11.png 300w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-12.png 1024w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-13.png 150w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-14.png 768w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-15.png 1536w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-16.png 2048w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-17.png

La siguiente lista no es exhaustiva; así que consúltela y utilícela como punto de partida:

  1. Preguntas frecuentes de Salesforce Certified AI Associate
  2. Preguntas frecuentes de Salesforce Certified AI Associate
  3. <li

  4. Guía de exámenes para el Asociado certificado en AI de Salesforce
  5. Guía de exámenes para el Asociado certificado en AI de Salesforce
  6. Trailmix: Prepárese para obtener su credencial de Asociado de IA de Salesforce
  7. Módulo: Preparación para la certificación AI Associate de Salesforce

Lo que necesita saber para facilitar su viaje

En un nivel muy alto, debe comprender los siguientes temas para aprobar el examen. Todo el crédito va para el equipo de Trailhead de Salesforce y sus respectivos propietarios.

  1. Fundamentos de IA: 17%
    1. Curso acelerado de inteligencia artificial Vídeo de YouTube
      1. ¡En 20 episodios, Autor te enseñará sobre Inteligencia Artificial y Aprendizaje Automático! Este curso está basado en un plan de estudios de nivel universitario. Al finalizar el curso, serás capaz de:
        1. Definir, diferenciar y proporcionar ejemplos de Inteligencia Artificial y tres tipos de Aprendizaje Automático: supervisado, no supervisado y de refuerzo
        2. Comprender cómo se pueden combinar diferentes enfoques de IA y ML para crear aplicaciones atractivas como el procesamiento del lenguaje natural, la robótica, los sistemas de recomendación y la búsqueda web
        3. Implementar varios tipos de IA para clasificar imágenes, generar texto a partir de ejemplos, jugar a videojuegos y recomendar contenidos basándose en preferencias anteriores
        4. Comprender las causas del sesgo algorítmico y auditar conjuntos de datos para detectar varias de estas causas
        5. Razonar sobre cómo los avances específicos en IA pueden impactar en nuestro mundo y en tu vida, para bien o para mal
    2. ¿Qué es la inteligencia artificial? Vídeo de YouTube
    3. Introducción a la IA Generativa Vídeo de YouTube
    4. Introducción a los grandes modelos de lenguaje Vídeo de YouTube
    5. Introducción a la IA responsable Vídeo de YouTube
    6. AI frente a aprendizaje automático Vídeo de YouTube
    7. Redes neuronales y aprendizaje profundo Vídeo de YouTube
    8. Tipos de capacidades de la IA
      1. Predicciones numéricas – A menudo, las predicciones de IA adoptan la forma de un valor entre 0 (no va a ocurrir) y 1 (va a ocurrir totalmente). Las predicciones numéricas incluyen algo más que valores porcentuales, pueden predecir cualquier valor numérico, como dólares.
      2. <li

      3. Clasificaciones – A menudo, los clasificadores de IA pueden hacer el trabajo tan bien o mejor que los humanos. Dicho esto, cada clasificador sólo es bueno en una tarea concreta. Así, la IA que es genial detectando correos electrónicos de phishing sería pésima identificando fotos de peces reales.
      4. <li

      5. Navegación Robótica – Algunas IA destacan en la navegación en un entorno cambiante, y eso podría significar navegación real en el caso de la conducción autónoma (manos libres). Los coches impulsados por IA ya son bastante capaces de mantenerse centrados en un carril y seguir a una distancia segura en la autopista. Se adaptan a las curvas de la carretera, a las ráfagas de viento de los semirremolques y a las paradas repentinas debidas al tráfico.
      6. <span
      7. Procesamiento del lenguaje – El procesamiento del lenguaje natural se basa en la comprensión de cómo se utilizan las palabras juntas, y eso permite a la IA extraer la intención que hay detrás de las palabras. Por ejemplo, puede que quiera traducir un documento del inglés al alemán. O tal vez quieras un breve resumen de un largo artículo científico. La IA también puede hacerlo
    9. Lo que la IA puede hacer puede parecer magia. Y como la magia, es natural querer echar un vistazo detrás de la cortina para ver cómo se hace todo. Lo que encontrarás es que los informáticos e investigadores están utilizando muchos datos, matemáticas y potencia de procesamiento en lugar de espejos y despistes. Aprender cómo funciona realmente la IA le ayudará a utilizarla en todo su potencial, a la vez que evita los escollos debidos a sus limitaciones.
    10. Esta guía le ayudará a comprender cómo funciona la IA
    11. Este sencillo conjunto de reglas para convertir una entrada en una salida es un ejemplo de un algoritmo. Se han escrito algoritmos para realizar algunas tareas bastante sofisticadas. Pero algunas tareas tienen tantas reglas (y excepciones) que es imposible capturarlas todas en un algoritmo hecho a mano. La natación es un buen ejemplo de tarea difícil de encapsular en un conjunto de reglas. Puede que te den algunos consejos antes de tirarte a la piscina, pero sólo te das cuenta de lo que funciona cuando intentas mantener la cabeza fuera del agua. Algunas cosas se aprenden mejor con la experiencia.
    12. Aprendizaje automático (ML, por sus siglas en inglés) es el proceso de utilizar grandes cantidades de datos para entrenar un modelo que realice predicciones, en lugar de crear un algoritmo a mano.
    13. Aprendizaje estructurado
    14. Aprendizaje automático
    15. Datos estructurados frente a datos no estructurados
      1. La hoja de cálculo es lo que llamaríamos datos estructurados. Está bien organizada, con etiquetas en cada columna para que sepas el significado de cada celda.
      2. La hoja de cálculo es lo que llamaríamos datos estructurados
      3. Datos no estructurados sería algo así como un artículo de prensa, o un archivo de imagen sin etiquetar. El tipo de datos de los que disponga afectará al tipo de entrenamiento que pueda realizar.
        1. Los datos no estructurados se utilizan para el aprendizaje no supervisado, que es cuando la IA trata de encontrar conexiones en los datos sin saber realmente lo que está buscando.
        2. Los datos no estructurados se utilizan para el aprendizaje no supervisado
    16. Una red neuronal es un método de la inteligencia artificial que enseña a los ordenadores a procesar datos de una forma inspirada en el cerebro humano.
    17. Machine Learning bias, también conocido como sesgo de algoritmo o sesgo de Inteligencia Artificial, se refiere a la tendencia de los algoritmos a reflejar sesgos humanos. Es un fenómeno que surge cuando un algoritmo ofrece resultados sistemáticamente sesgados como consecuencia de suposiciones erróneas del proceso de Aprendizaje Automático.
    18. Entrenar la IA añadiendo capas adicionales para encontrar el significado oculto en los datos es lo que se denomina aprendizaje profundo.
    19. Cuatro ingredientes principales que forman parte de cualquier buena plataforma de IA: predicciones de sí y no, predicciones numéricas, clasificaciones y recomendaciones. 
      1. Predicciones sí y no – El primer ingrediente son las predicciones sí y no. Las predicciones de sí y no te permiten responder a preguntas como: «¿Es este un buen cliente potencial para mi negocio?» o «¿Abrirá este cliente potencial mi correo electrónico?» La IA te ayuda a responder a estas preguntas escaneando los datos históricos que has almacenado en tu sistema.
      2. Predicciones de sí y no
      3. Predicciones numéricas – Las predicciones numéricas suelen impulsar soluciones de previsión predictiva (por ejemplo, «¿Cuántos ingresos aportará este nuevo cliente?»), pero también se utilizan en otros contextos como el servicio de atención al cliente (por ejemplo, «¿Cuántos días tardaremos en resolver el problema de este cliente?»). Las predicciones numéricas también utilizan sus datos históricos para llegar a estos números.
      4. Clasificaciones – Las clasificaciones suelen utilizar capacidades de «aprendizaje profundo» para operar con datos no estructurados como texto libre o imágenes. La idea detrás de la clasificación es extraer información útil de datos no estructurados y responder a preguntas como: «¿Cuántas latas de refresco hay en esta foto?»
      5. Recomendaciones – Las recomendaciones son clave cuando tienes un gran conjunto de artículos que te gustaría recomendar a los usuarios. Muchos sitios web de comercio electrónico aplican estrategias de recomendación a los productos; pueden detectar que las personas que compraron un par específico de zapatos también suelen pedir un determinado par de calcetines. Cuando un usuario pone esos zapatos en su carrito, la IA le recomienda automáticamente los mismos calcetines.
    20. Comenzar con la IA parece difícil, pero dividirlo en tres pasos lo hace mucho más sencillo.
      1. Decidir qué predecir.
      2. Ordenar los datos históricos.
      3. Convierta las predicciones en acción.
    21. <li

    22. Diferentes partes de una empresa pueden utilizar la IA para mejorar sus resultados empresariales.
      1. Marketing – ¿Tiene muchos clientes potenciales y necesita ayuda para llegar a ellos? El marketing es un gran lugar para la IA porque las empresas suelen tener muchos datos que se pueden utilizar para dirigir las comunicaciones y enviar mensajes relevantes.
      2. Productividad de ventas – La IA puede elevar su juego de ventas mediante el uso de datos históricos de ventas para predecir las mejores oportunidades de ventas posibles. Imagine un representante de ventas interno que tiene una lista de clientes potenciales, organizados por la probabilidad de que se conviertan. Ese representante va a pasar su tiempo conectando con los clientes en la parte superior de la lista y evitar los clientes potenciales fríos.
      3. Servicio de atención al cliente – El servicio de atención al cliente es otra área en la que la IA puede ayudar a su empresa. Todos los días su empresa recibe correos electrónicos de clientes que buscan asistencia. En muchas empresas, alguien tiene que leer estos correos electrónicos y dirigirlos a las personas adecuadas. Están empleando un tiempo en clasificar correos electrónicos que podrían dedicar a proporcionar asistencia. La IA podría ayudar leyendo los correos electrónicos, realizando la clasificación de casos basada en consultas anteriores y, a continuación, dirigiendo automáticamente los correos electrónicos a la persona adecuada. Los casos llegarán a manos del agente adecuado más rápidamente.
      4. Minoristas y comercio – Cuando los compradores navegan por las tiendas online, quieren una experiencia que se adapte directamente a ellos. La IA puede satisfacer esta expectativa produciendo recomendaciones personalizadas para sus clientes. Los datos históricos indican a la IA qué productos se compran juntos con frecuencia. Así que si un cliente elige un producto, su sitio puede mostrar automáticamente una oferta para un paquete con descuento, justo en la página del producto.
    23. <li

    24. Breve resumen de algunos de los componentes más importantes de la IA.
      1. Comprensión del lenguaje natural (NLU) se refiere a los sistemas que gestionan la comunicación entre las personas y las máquinas.
      2. Comprensión del lenguaje natural (NLU)
      3. Procesamiento del lenguaje natural (NLP)< es distinto de NLU y describe la capacidad de una máquina para entender lo que quieren decir los seres humanos cuando hablan como lo harían naturalmente a otro ser humano.
      4. Reconocimiento de Entidades Nombradas (NER) etiqueta secuencias de palabras y selecciona lo importante, como nombres, fechas y horas. El NER consiste en dividir una frase en segmentos que un ordenador pueda comprender y a los que pueda responder con rapidez.
      5. Reconocimiento de entidades con nombre
      6. Aprendizaje profundo se refiere al desarrollo de redes neuronales artificiales entre puntos de datos de grandes bases de datos. Al igual que nuestra mente humana conecta los puntos para darnos ideas, el aprendizaje profundo utiliza algoritmos para tamizar los datos, sacar conclusiones y mejorar el rendimiento
    25. Añadir einstein a nuestro producto, para que sea más fácil para cualquier cliente de cualquier tamaño a través de cualquier industria para desplegar AI y utilizarlo en su centro de contacto, el empoderamiento de usted y sus agentes con la inteligencia predictiva que necesita para impulsar una mayor satisfacción del cliente. 
      1. Incremente la desviación y reduzca el tiempo de gestión.< Los Einstein Bots pueden resolver las solicitudes rutinarias de los clientes y pasar sin problemas el cliente a un agente si un problema requiere un toque humano.
        1. Turbocharge agent productivity.< Einstein Agent ofrece a sus agentes sugerencias inteligentes y contextualizadas, ayudándoles a hacer lo que mejor saben hacer: ayudar a sus clientes.
        2. Turbocharge agent productivity
        3. Implantación rápida y tiempo de obtención de valor.< Service Cloud Einstein está preintegrado con Salesforce y sus canales de servicio existentes, y viene con una interfaz de usuario intuitiva y lista para usar.
        4. Service Cloud Einstein ofrece a sus agentes sugerencias inteligentes en contexto para ayudarles a ayudar mejor a sus clientes

        <li

      2. Einstein le ayuda a ofrecer una experiencia de servicio al cliente transformadora, y está integrado en su implementación existente de Service Cloud. Mediante el uso de IA y aprendizaje automático en tiempo real, las siguientes características hacen que todos en el centro de contacto sean más inteligentes y eficaces.
        1. Bots de Einstein resuelven automáticamente los principales problemas de los clientes, recopilan información cualificada de los clientes y los transfieren sin problemas a los agentes, lo que supone un aumento de la desviación de casos en el centro de contacto y una reducción de los tiempos de gestión para los agentes.
        2. Einstein Agent impulsa la productividad de los agentes en todo el centro de contacto.
        3. Einstein Discovery ayuda a los gestores a tomar medidas con KPI de servicio predictivos.
        4. Einstein Vision for Field Service automatiza la clasificación de imágenes para resolver los problemas más rápidamente in situ.
        5. Einstein Language pone la potencia del aprendizaje profundo al alcance de los desarrolladores. Pueden utilizar modelos preentrenados para clasificar texto por el sentimiento como positivo, neutro o negativo, y luego ser capaces de clasificar la intención subyacente en un cuerpo de texto. Póngalo todo junto, y usted tiene la capacidad de procesar el lenguaje a través de datos no estructurados en cualquier app.
      3. Un bot es simplemente un programa informático que puede mantener una conversación cuando un usuario habla o envía un mensaje de texto con él. Pero los chatbots son mucho más que eso.
        1. Los chatbots son tus aliados< en la carrera por resolver rápidamente los problemas de soporte.
        2. Chatbots reflejan los problemas comunes de los clientes.< Ayudan a los clientes a autodirigirse inmediatamente y a resolver problemas comunes sin tener que esperar a "ponerse en la cola".
        3. Chatbots&nbsp
        4. Chatbotsreducen la duración del chat< (y ahorran dinero). Para cuestiones más complejas, los chatbots conectados a CRM pueden recopilar y calificar la información del cliente y transferirla sin problemas a un agente, reduciendo el tiempo de gestión y aumentando la satisfacción del cliente.
        5. Y lo que es más importante, los chatbots pueden entrenarse para comprender el lenguaje humano y responder de forma inteligente mediante la comprensión del lenguaje natural (NLU).
        6. Los chatbots conectados a CRM pueden recopilar y calificar la información de los clientes y transferirla sin problemas a un agente, lo que reduce el tiempo de gestión y aumenta la satisfacción del cliente
      4. <li

      5. Los chatbots de atención al cliente pueden programarse de todo tipo de formas, incluso su tono. En concreto, los bots pueden programarse para que resulten naturales y cumplan las expectativas básicas de los usuarios sobre cómo funciona una conversación. Para ello, los chatbots deben reflejar el comportamiento y las preferencias humanas en la conversación. Los chatbots bien diseñados expresan las siguientes cualidades.
        1. Transparente.< El chatbot debe identificarse a sí mismo como chatbot desde el principio. Debe indicar lo que puede hacer y proporcionar orientación a través de un menú emergente de las principales peticiones de los clientes.
        2. Transparente
        3. Personalizable.< El chatbot debe tener una voz y un tono que expresen la marca. Esto puede ser en el tipo de lenguaje o qué emojis (si los hay) se utilizan.
        4. Personalización
        5. Detallado.< El chatbot debe dar al usuario información completa-y tiempo para leerla. Los chatbots también pueden proporcionar imágenes para mejorar la claridad de la información proporcionada.
        6. Información completa
        7. Iterativo.< Para abordar cualquier problema que surja, los chatbots deben modificarse continuamente. Los chatbots deben mejorar su rendimiento con el tiempo y no pensarse como algo de un solo uso.
      6. Inteligencia artificial generativa (IA) es la inteligencia artificial capaz de generar texto, imágenes u otros medios, utilizando modelos generativos. Los modelos generativos de IA aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y luego generan nuevos datos que tienen características similares.
      7. Inteligencia artificial generativa
      8. la IA predictiva es la inteligencia artificial que recopila y analiza datos para predecir sucesos futuros. El objetivo de la IA predictiva es comprender patrones en los datos y hacer predicciones informadas. Se utiliza en diversos sectores, como el financiero, para realizar debates financieros informados sobre posibles pérdidas y ganancias esperadas en función de los registros, en la atención sanitaria, para determinar si el estado de salud de una persona se inclina hacia una enfermedad, y también se puede ver en la detección de fraudes.
      9. La inteligencia artificial predictiva es una herramienta que se utiliza para predecir el futuro
      10. Algunas IA que realizan PNL se entrenan con enormes cantidades de datos, lo que en este caso significa muestras de texto escrito por personas reales. Internet, con sus mil millones de páginas web, es una gran fuente de datos de muestra. Debido a que estos modelos de IA se entrenan con cantidades tan masivas de datos, se conocen como grandes modelos lingüísticos(LLMs).
        1.  Estos modelos lingüísticos de gran tamaño permiten realizar algunas tareas increíblemente avanzadas relacionadas con el lenguaje.
            1. Traducción
            2. Corrección de errores
            3. Respuesta a preguntas
            4. Generación de imágenes guiadas
            5. Conversión de texto a voz

            <li

        2. Preocupaciones comunes sobre la IA generativa
          1. Alucinaciones: Recuerda que la IA generativa es en realidad otra forma de predicción, y a veces las predicciones son erróneas. Las predicciones de la IA generativa que divergen de una respuesta esperada, basada en hechos, se conocen como alucinaciones. Ocurren por varias razones, como si los datos de entrenamiento eran incompletos o sesgados, o si el modelo no estaba bien diseñado. Así que con cualquier texto generado por IA, tómate el tiempo necesario para verificar que el contenido es correcto en cuanto a los hechos.
          2. Las alucinaciones
          3. Seguridad de los datos: Las empresas pueden compartir datos propios en dos momentos del ciclo de vida de la IA generativa. En primer lugar, al afinar un modelo fundacional. En segundo lugar, cuando se utiliza realmente el modelo para procesar una solicitud con datos confidenciales. Las empresas que ofrecen servicios de IA deben demostrar que la confianza es primordial y que los datos siempre estarán protegidos.
          4. Datos confidenciales
          5. Plagio: Los LLM y los modelos de IA para la generación de imágenes suelen entrenarse con datos disponibles públicamente. Existe la posibilidad de que el modelo aprenda un estilo y replique ese estilo. Las empresas que desarrollan modelos fundacionales deben tomar medidas para añadir variación al contenido generado. Además, es posible que necesiten curar los datos de entrenamiento para eliminar muestras a petición de los creadores de contenido.
          6. Los modelos fundacionales son una herramienta muy útil para las empresas
          7. Falsificación de usuarios: Es más fácil que nunca crear un perfil en línea creíble, completo con una foto generada por IA. Los usuarios falsos de este tipo pueden interactuar con usuarios reales (y con otros usuarios falsos) de una forma muy realista. Eso hace que sea difícil para las empresas identificar las redes de bots que promueven su propio contenido de bots.
          8. Red de bots
          9. Sostenibilidad:< La potencia de cálculo necesaria para entrenar modelos de IA es inmensa, y los procesadores que realizan los cálculos requieren mucha potencia real para funcionar. A medida que los modelos crecen, también lo hace su huella de carbono. Afortunadamente, una vez entrenado un modelo, se necesita relativamente poca energía para procesar las solicitudes. Además, la energía renovable se está expandiendo casi tan rápido como la adopción de la IA
        3. Procesamiento del lenguaje natural (PNL), es un campo de la inteligencia artificial (IA) que combina la informática y la lingüística para dar a los ordenadores la capacidad de comprender, interpretar y generar lenguaje humano de una manera que sea significativa y útil para los seres humanos.
        4. Los datos que se obtienen a partir del procesamiento del lenguaje natural (PNL) se pueden procesar a través de un modelo de procesamiento del lenguaje natural (PLN)
        5. El procesamiento de datos de no estructurados a estructurados se denomina comprensión del lenguaje natural (NLU).
          1. Los elementos del lenguaje natural en inglés incluyen:
            1. Vocabulario:< Las palabras que utilizamos
            2. Gramática:< Las reglas que rigen la estructura de las oraciones
            3. Sintaxis:< Cómo se combinan las palabras para formar oraciones según la gramática
            4. Semántica:< El significado de las palabras, frases y oraciones
            5. Pragmática:< El contexto y la intención detrás del uso cultural o geográfico del lenguaje
            6. Discurso y diálogo:< Unidades más amplias que una sola frase u oración, incluidos documentos y conversaciones
            7. Fonética y fonología:< Los sonidos que emitimos cuando nos comunicamos
            8. Morfología:< Cómo las partes de las palabras pueden combinarse o des combinarse para formar nuevas palabras
        6. El análisis sintáctico implica el análisis de las palabras en la oración para la gramática y su disposición de una manera que muestra las relaciones entre las palabras. El análisis sintáctico puede incluir:
          1. SegmentaciónLos textos más grandes se dividen en trozos más pequeños y significativos. La segmentación suele producirse al final de las frases en los signos de puntuación para ayudar a organizar el texto para su posterior análisis.
          2. TokenizaciónLas frases se dividen en palabras individuales, llamadas tokens. En inglés, la tokenización es una tarea bastante sencilla porque las palabras suelen estar separadas por espacios. En idiomas como el tailandés o el chino, la tokenización es mucho más complicada y depende en gran medida de la comprensión del vocabulario y la morfología para tokenizar con precisión el lenguaje.
          3. <li

          4. StemmingLas palabras se reducen a su forma raíz, o stem. Por ejemplo romperrompe, o irrompible se reducen a romper. El stemming ayuda a reducir las variaciones de las formas de las palabras, pero, dependiendo del contexto, puede no conducir a la raíz más precisa.
          1. LematizaciónSimilar al stemming, la lematización reduce las palabras a su raíz, pero tiene en cuenta la parte de la oración para llegar a una palabra raíz mucho más válida, o lemma. Etiquetado de la parte de la oración:< Asigna etiquetas gramaticales a cada palabra en función de su parte de la oración, como sustantivo, adjetivo, verbo, etcétera. El etiquetado de la parte de la oración es una función importante en la PNL porque ayuda a los ordenadores a comprender la sintaxis de una frase.
          1. Reconocimiento de entidades con nombre (NER)Utiliza algoritmos para identificar y clasificar entidades con nombre -como personas, fechas, lugares, organizaciones, etc.- en el texto para ayudar en tareas como la respuesta a preguntas y la extracción de información.
          2. Análisis de sentimiento es el proceso de análisis de texto digital para determinar si el tono emocional del mensaje es positivo, negativo o neutro.
          3. Análisis de sentimiento
          4. Los ejecutivos de Salesforce opinan: ¿Qué es la IA generativa?
          5. La IA generativa frente a la IA predictiva
          6. AI de la A a la Z: el glosario de IA generativa para líderes empresariales
        7. Capacidades de la IA en CRM: 8%
          1. Estrategia de IA 101: todo lo que necesitas saber sobre IA + datos + CRM Vídeo de YouTube
          2. Salesforce Einstein Discovery aumenta su inteligencia empresarial con modelado estadístico y aprendizaje automático supervisado en un entorno de iteración rápida sin necesidad de código. Einstein Discovery le permite: 
            1. Identificar, aflorar y visualizar perspectivas en los datos de su empresa.
            2. Predecir el valor de los datos de su empresa
          3. <li

          4. Las soluciones potenciadas por Einstein Discovery abordan estos casos de uso:
            1. Regresionespara resultados numéricos representados como datos cuantitativos (medidas), tales como moneda, recuentos o cualquier otra cantidad.
            2. Clasificación binariapara resultados de texto con sólo dos resultados posibles. Se trata normalmente de preguntas de sí o no que se expresan en términos empresariales, como churned o not churned, oportunidad ganada o perdida, empleado retenido o no retenido, etc.
            3. Clasificación binariapara resultados de texto con sólo dos posibles resultados
            4. Clasificación multiclasepara resultados de texto con entre 3 y 10 resultados posibles. Por ejemplo, un fabricante puede predecir, basándose en los atributos del cliente, cuál de los cinco contratos de servicio es más probable que elija un cliente.
            5. Clasificación multiclase
          5. Pasos para implantar la solución einstein discovery
            1. Resultado objetivo
            2. Preparar los datos
            3. Crear Modelo
            4. Evaluar el modelo
            5. Explorar perspectivas
            6. Evaluar modelo
            7. Evaluar modelo
            8. Desplegar el modelo
            9. Predecir los resultados
            10. Predecir los resultados
            11. Predecir & Imporve
          6. <li

          7. Idealmente, su conjunto de datos incluye: 
            1. Incluye todos los factores relevantes asociados con el resultado empresarial que desea investigar y mejorar
            2. Omite las columnas extrañas que añaden complejidad pero no valor analítico
            3. Contiene datos de alta calidad que son representativos de la realidad operativa del resultado en el que se centra
          8. Un modelo< es una sofisticada ecuación personalizada basada en un exhaustivo conocimiento estadístico de resultados pasados que se utiliza para predecir resultados futuros. Un modelo de Einstein Discovery es una colección de métricas de rendimiento, configuraciones, predicciones y perspectivas de datos. Einstein Discovery le guía a través de los pasos para crear un modelo basado en el resultado que desea mejorar (el objetivo de su modelo), los datos que ha reunido para ese fin (en el conjunto de datos de CRM Analytics) y otras configuraciones que indican a Einstein Discovery cómo realizar el análisis y comunicar sus resultados.
          9. Einstein Discovery es una herramienta de análisis de datos que le ayuda a predecir los resultados futuros
          10. Einstein Discovery genera este tipo de perspectivas.
            Tipo Descripción
            Descriptivo Derivados de datos históricos utilizando análisis descriptivos que implican análisis estadísticos. Las perspectivas descriptivas muestran qué sucedió en sus datos.
            Diagnóstico Derivados del modelo. Los conocimientos de diagnóstico muestran por qué ha ocurrido. Los insights de diagnóstico profundizan y le ayudan a comprender qué variables impulsan de forma más significativa el resultado empresarial que está analizando.
            Comparativa Derivados del modelo. Los insights comparativos explican la diferencia en la variable de resultado comparando dos subgrupos específicos. Con los insights comparativos, se aíslan factores (categorías o cubos) y se compara su impacto en el resultado con otros factores o con medias globales. Einstein Discovery muestra gráficos en cascada para ayudarle a visualizar estas comparaciones.
          11. Einstein Discovery permite a las empresas explorar patrones, relaciones y correlaciones en datos históricos. A través del poder del aprendizaje automático y la inteligencia artificial, Einstein también puede predecir resultados futuros, lo que permite a los usuarios empresariales priorizar sus cargas de trabajo y tomar decisiones basadas en datos. Junto con los beneficios de este poder predictivo viene la responsabilidad de producir modelos que sean éticos y responsables. Los modelos que se construyen a partir de datos históricos sesgados pueden dar lugar a predicciones sesgadas. Afortunadamente, Einstein Discovery le ayuda a detectar el sesgo en sus datos para que pueda eliminar su influencia de sus modelos.
          12. Cuando se construyen modelos basados en datos históricos sesgados, las predicciones pueden ser sesgadas
          13. Cuando trabaje con variables sensibles, puede marcar una variable en su modelo para analizar el sesgo. Por ejemplo, en Estados Unidos y Canadá, las variables relacionadas con clases legalmente protegidas, como la edad, la raza y el género, se enfrentan a restricciones en su uso.
          14. Los valores proxy son otros atributos de su conjunto de datos que están correlacionados con variables sensibles. En este caso, Nombre de cuenta es un proxy del 90% para el código postal. A partir de una correlación tan fuerte, podemos deducir que muchos de los códigos postales que Einstein Discovery identificó como más propensos a pagar con retraso se debían a que el código postal estaba asociado a un Nombre de cuenta.
          15. Einstein Discovery para Informes produce perspectivas rápidas como el rayo que son imparciales, objetivas y estadísticamente significativas. Utiliza gráficos coloridos y explicaciones llenas de hechos para que le resulte fácil digerir e interpretar los datos. Su trabajo consiste simplemente en hojear los datos para encontrar los más relevantes para sus objetivos empresariales
          16. Einstein Prediction Service es un servicio público REST API que le permite interactuar mediante programación con los modelos y predicciones de Einstein Discovery. Se utiliza Einstein Prediction Service para:
            1. Obtener predicciones sobre sus datos.
            2. Obtener sugerencias de acciones a realizar para mejorar los resultados predichos.
            3. Gestionar las predicciones
            4. Gestione las definiciones de predicción y los modelos desplegados en Salesforce.
            5. Gestione las definiciones de predicción y los modelos desplegados en Salesforce
            6. Gestionar trabajos de puntuación masiva
            7. Gestionar trabajos de actualización de modelos.
          17. El panel de predicciones le muestra los elementos clave devueltos en una solicitud de predicción.
            # Elemento Descripción
            1 Predicción Resultado previsto y una etiqueta descriptiva. En este ejemplo, se predice que la oportunidad se cerrará en 29,5 días.  
            2 Previsores principales Condiciones que contribuyeron en mayor medida al resultado predicho, incluidas las contribuciones favorables y desfavorables. En este ejemplo, la condición Tipo de Competidor es Conocido y la Ruta al Mercado es Revendedor aumenta el tiempo previsto para el cierre en 2,02 días. La flecha de la izquierda apunta hacia arriba para indicar que este predictor aumenta el resultado previsto. La flecha es roja (en lugar de verde) para indicar que el efecto de este predictor es desfavorable, porque nuestro objetivo es minimizar el tiempo hasta el cierre. 
            3 Cómo mejorar esto Acciones sugeridas que el usuario puede realizar para mejorar el resultado previsto. En este ejemplo, la acción de cambiar Grupo de Suministros a Accesorios de Coche reduce el tiempo de cierre en 3,48 días, como indica la flecha verde que apunta hacia abajo.
          18. <li

          19. Una predicción es un valor derivado, producido por un modelo, que representa un posible resultado futuro basado en una comprensión estadística de los resultados pasados más los valores de entrada proporcionados (predictores).
          20. Al trabajar con Einstein Prediction Service, es útil pensar en dos actividades principales:
            1. Producir un modelo implica utilizar CRM Analytics Studio para construir e implementar el modelo en Salesforce. Para predecir la pérdida de clientes, por ejemplo, alguien necesita proporcionar el modelo que predice si es probable que un cliente se vaya o se quede. La siguiente unidad le guía a través de los pasos de creación e implementación de un modelo.
            2. Creación e implementación de un modelo en Salesforce
            3. Consumir un modelo implica utilizar el modelo desplegado para generar predicciones y mejoras para sus datos. Nuestro ejemplo de abandono de clientes utilizó una página Lightning para mostrar la predicción, los principales predictores y las mejoras. En la última unidad, aprenderás a obtener la misma información utilizando tu cliente REST favorito y Einstein Prediction Service.
          21. Puedes obtener predicciones de Einstein Prediction Service de dos formas clave:
            1. Declarativamente en los campos de predicción automática, la función PREDICT en las fórmulas de automatización de procesos, la transformación Discovery Predict en Data Prep Recipes, la acción Einstein Discovery en los flujos de Salesforce y en Einstein Discovery en Tableau.
            2. Puede obtener predicciones de Einstein Prediction Service de dos formas clave:
              1. Programáticamente mediante APEX y API REST
            3. < Aprende cómo Einstein está integrado en las nubes hoy en día
              1. Sales Cloud Einstein – En Ventas, el objetivo principal es vender, vender y vender. Sabemos lo importante que es para los representantes de ventas priorizar su día para poder convertir el mayor número de clientes potenciales y centrarse en las oportunidades adecuadas. También tienen que mantenerse en contacto con sus clientes potenciales e identificar el mejor momento para hacer un seguimiento. La productividad es su activo más importante. Los representantes pueden ser más productivos si saben cuándo interactuar con los clientes con la oferta adecuada. Estas son algunas cosas que Sales Cloud Einstein puede hacer por tu representante de ventas.
                1. Incrementar las tasas de ganancia priorizando los clientes potenciales y las oportunidades con más probabilidades de conversión.
                2. Incrementar las tasas de ganancia priorizando los clientes potenciales y las oportunidades con más probabilidades de conversión
                3. Descubra las tendencias de la tubería y tome medidas analizando los ciclos de ventas con las mejores prácticas preempaquetadas.
                4. Mejore la productividad de su personal de ventas.
                5. Mejore la productividad de su personal de ventas
                6. Maximice el tiempo dedicado a la venta mediante la automatización de la captura de datos.
                7. Generación de oportunidades de venta
                8. Genere alcance relevante automáticamente con datos de CRM.
              2. Service Cloud Einstein – La piedra angular de un buen servicio al cliente es asegurarse de que cada cliente tenga una experiencia estelar de principio a fin. De hecho, el servicio al cliente puede ser más importante para el consumidor que la calidad o el precio de un producto. He aquí algunas cosas que Service Cloud Einstein puede hacer por sus agentes de servicio.
                1. Acelerar la resolución de casos mediante la predicción automática y el relleno de campos en los casos entrantes para ahorrar tiempo y reducir las tareas repetitivas.
                2. Aumentar la productividad de los agentes de servicio
                3. Incrementar la desviación de llamadas resolviendo las solicitudes rutinarias de los clientes en canales digitales en tiempo real como el chat web y móvil o la mensajería móvil.
                4. Resuelva los problemas más rápidamente proporcionando a sus agentes sugerencias de conversación y recomendaciones de conocimientos inteligentes y en contexto.
                5. Cree una solución para cada problema
              3. Marketing Cloud Einstein – El objetivo de los profesionales del marketing es comprender mejor a sus clientes para poder ofrecer las campañas más eficaces y personalizadas. Pero cada cliente es único, lo que significa que los profesionales del marketing necesitan saber en qué canales pasan más tiempo, cómo ofrecerles el contenido adecuado y cuándo interactuar con ellos. Analizar el comportamiento pasado de los clientes ayuda a los profesionales del marketing a predecir comportamientos futuros, anticiparse a las necesidades de los clientes y orientar las experiencias en todos los puntos de contacto. Marketing Cloud Einstein puede ayudarle a conseguirlo.
                1. Interactúe de forma más eficaz sugiriendo cuándo y en qué canales llegar a los clientes.
                2. Consiga que sus clientes se sientan más cómodos con usted
                3. Crear mensajes y contenidos personalizados basados en las preferencias y la intención de los consumidores.
                4. Sea más productivo racionalizando las operaciones de marketing.
                5. Genere líneas de asunto y campañas web automáticamente con los datos de CRM.
                6. Genere líneas de asunto y campañas web automáticamente con los datos de CRM
              4. <li

              5. Commerce Cloud Einstein – Probablemente se haya dado cuenta de que sus clientes interactúan con su marca en múltiples canales. Ya sea que estén comprando en línea o quejándose en el chat, su marca necesita proporcionar una experiencia de cliente altamente personalizada sin importar dónde o cómo compren. Aquí hay algunas cosas que Commerce Cloud Einstein puede hacer por sus minoristas y clientes.
                1. Incrementar los ingresos mostrando a los compradores los mejores productos para ellos, y eliminar la actividad que consume tiempo de comercialización manual de cada página individual.
                2. Cree cuadros de mando muy visuales para obtener una instantánea de los patrones de compra de sus clientes y utilice estos cuadros de mando para potenciar su comercialización.
                3. Personalice la búsqueda explícita (búsqueda a través del cuadro de búsqueda), la búsqueda implícita (navegación en el catálogo de la tienda) y las páginas de categorías para cada comprador, ahorrando tiempo a sus clientes y aportando más ingresos a su negocio.
                4. Cree cuadros de mando muy visuales para obtener una visión general de los patrones de compra de sus clientes y utilice estos cuadros de mando para potenciar su comercialización
                5. Genera descripciones de productos inteligentes de forma automática para aumentar las conversiones.
            4. Bots de Einstein le permiten crear un asistente inteligente en los canales favoritos de sus clientes, como el chat, la mensajería o la voz.  Los bots de Einstein utilizan el procesamiento del lenguaje natural (PLN) para proporcionar ayuda instantánea a los clientes respondiendo a preguntas comunes o recopilando la información adecuada para transferir la conversación sin problemas al agente adecuado para preguntas o casos más complejos. 
            5. Einstein Prediction Builder es un sencillo asistente que le permite realizar predicciones personalizadas en sus datos no cifrados de Salesforce, de forma rápida. Puede crear predicciones para cualquier parte de su negocio (ventas, servicios, marketing, comercio, TI, finanzas e incluso recursos humanos) con clics, no con código
            6. Einstein Next Best Action (NBA) le permite utilizar modelos basados en reglas y predictivos para proporcionar a cualquier persona de su negocio recomendaciones y ofertas inteligentes y contextuales. Las acciones se entregan en el momento de máximo impacto, lo que permite obtener información directamente en Salesforce
            7. Al igual que Einstein Prediction Builder, Einstein Discovery también predice resultados sin necesidad de contar con su propio científico de datos.
            8. Predecir resultados sin necesidad de contar con su propio científico de datos
            9. Einstein GPT permite a las empresas generar contenido personalizado y relevante mediante el enraizamiento de grandes modelos de lenguaje (LLM) en sus datos CRM de forma segura.
            10. Einstein GPT permite a las empresas generar contenido personalizado y relevante mediante el enraizamiento de grandes modelos de lenguaje (LLM) en sus datos CRM de forma segura
            11. Creación responsable de inteligencia artificial
            12. Bases de los bots de Einstein
            13. Siguiente mejor acción de Einstein
            14. La nube de ventas Einstein
          22. <li

          23. Consideraciones éticas de la IA: 39%
            1. Los mayores desafíos éticos para la inteligencia artificial Vídeo de YouTube
            2. ¿Qué es la ética de la IA? Vídeo de YouTube
            3. Sesgo y equidad algorítmica: Crash Course AI Vídeo de YouTube
            4. La IA de confianza para la empresa Vídeo de YouTube
            5. Principios de la IA de confianza
              1. Responsable – Nos esforzamos por salvaguardar los derechos humanos, proteger los datos que se nos confían, observar las normas científicas y aplicar políticas contra el abuso. Esperamos que nuestros clientes utilicen nuestra IA de forma responsable y de conformidad con sus acuerdos con nosotros, incluida nuestra Política de uso aceptable
              2. Responsables – Creemos que debemos rendir cuentas ante nuestros clientes, socios y la sociedad. Buscaremos comentarios independientes para la mejora continua de nuestras prácticas y políticas y trabajaremos para mitigar el daño a los clientes y consumidores.
              3. Responsables
              4. Transparentes: nos esforzamos por garantizar que nuestros clientes comprendan el «por qué» de cada recomendación y predicción basada en IA para que puedan tomar decisiones informadas, identificar resultados no deseados y mitigar los daños.
              5. Potenciación – Creemos que la IA se utiliza mejor cuando se combina con la capacidad humana, aumentando a las personas y permitiéndoles tomar mejores decisiones. Aspiramos a crear tecnología que capacite a todos para ser más productivos e impulsar un mayor impacto dentro de sus organizaciones.
              6. Empowering
              7. Inclusiva – La IA debe mejorar la condición humana y representar los valores de todos los afectados, no solo de los creadores. Impulsaremos la diversidad, promoveremos la igualdad y fomentaremos la equidad a través de la IA.
            6. De los principios a la práctica – No basta con tener una serie de principios. La ética es un deporte de equipo y, para que tenga sentido, todos en la empresa deben comprender sus responsabilidades a la hora de vivir estos principios. A continuación se muestran ejemplos de cómo hemos llevado estos principios a la práctica.<img loading="lazy" decoding="async" data-attachment-id="59590" data-permalink="https://automationchampion.com/2023/09/06/how-to-pass-salesforce-certified-ai-associate-certification-exam-2/tai-principles-to-practice-2/" data-orig-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/TAI-principles-to-practice-2.png?fit=1122%2C633&ssl=1" data-orig-size="1122,633" data-comments-opened="1" data-image-meta="{"aperture":"0","credit":"","camera":"","caption":"","created_timestamp":"0","copyright":"","focal_length":"0","iso":"0","shutter_speed":"0","title":"","orientation":"0"}" data-image-title="TAI-principles-to-practice-2" data-image-description data-image-caption data-medium-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/TAI-principles-to-practice-2.png?fit=300%2C169&ssl=1" data-large-file="https://i0.wp.com/automationchampion.com/wp-content/uploads/2023/09/TAI-principles-to-practice-2.png?fit=640%2C361&ssl=1" class="aligncenter wp-image-59590 size-full" src="https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-3.png" alt width="640" height="361" srcset="https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-22.png 1122w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-23.png 300w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-24.png 1024w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-25.png 150w, https://discover.egafutura.com/wp-content/uploads/2023/11/como-aprobar-el-examen-de-certificacion-salesforce-certified-ai-associate-26.png
            7. AI generativa: 5 pautas para un desarrollo responsable
            8. Modelo de madurez ética de la IA
            9. Recomendaciones para un marketing conductual ético – Los consumidores valoran la personalización que aborda sus necesidades, tiene un beneficio claro y demuestra un cuidado genuino. He aquí algunas recomendaciones para desplegar una solución de personalización que limite los aspectos negativos al tiempo que impulsa resultados positivos compartidos.
              1. Recoja y respete las preferencias – Respete las preferencias de los clientes y utilice únicamente los datos que hayan consentido compartir. Sea explícito con los consumidores sobre el impacto -los beneficios y las consecuencias- de su consentimiento o falta de consentimiento. Proporcione controles claros para aceptar o rechazar el consentimiento.
              2. <li

              3. Dirigir la audiencia – Los mensajes deben dirigirse en función de los intereses expresados por el consumidor, no de datos demográficos. Hay que ver a los consumidores como realmente son: individuos multidimensionales con afinidades idiosincrásicas muy variadas. Los mensajes muy individualizados son más eficaces que los basados únicamente en datos demográficos. Es esencial reducir los sesgos que pueden distorsionar su mensajería con asociaciones que simplemente no se sostienen o que nunca fueron precisas en primer lugar.
              4. <li

              5. Frequency Capping – Abrumar a un cliente con demasiadas comunicaciones puede subvertir su marca. Los mensajes frecuentes pero no deseados pueden molestar a sus clientes y hacer que dejen de prestarle atención. Entonces, ¿con qué frecuencia debe enviar mensajes? ¿Una vez al día? ¿Diez veces al mes? ¿Existe un número mágico? Es un equilibrio delicado. Por supuesto que quieres que tus clientes se comprometan. Pero exponerlos en exceso a tu mensaje puede tener el efecto contrario.
              6. Cuidado con el número de veces al mes
            10. <li

            11. Conozca el diseño de relaciones
            12. Aprende la ley de privacidad y protección de datos
            13. Cinco directrices que Salesforce está utilizando para guiar el desarrollo de IA generativa de confianza, aquí en Salesforce y más allá.
              1. Exactitud: Debemos ofrecer resultados verificables que equilibren la exactitud, la precisión y la recuperación en los modelos permitiendo a los clientes entrenar modelos en sus propios datos. Debemos comunicar cuándo hay incertidumbre sobre la veracidad de la respuesta de la IA y permitir a los usuarios validar estas respuestas. Esto se puede hacer citando fuentes, explicando por qué la IA dio las respuestas que dio (por ejemplo, mensajes de cadena de pensamiento), destacando las áreas que deben verificarse (por ejemplo, estadísticas, recomendaciones, fechas) y creando barandillas que impidan que algunas tareas sean totalmente automatizadas (por ejemplo, lanzar código en un entorno de producción sin una revisión humana)
              2. Seguridad: Al igual que con todos nuestros modelos de IA, debemos hacer todo lo posible para mitigar el sesgo, la toxicidad y la salida perjudicial mediante la realización de evaluaciones de sesgo, explicabilidad y robustez, y red teaming. También debemos proteger la privacidad de cualquier información de identificación personal (PII) presente en los datos utilizados para la formación y crear guardarraíles para evitar daños adicionales (por ejemplo, forzar la publicación de código a una caja de arena en lugar de empujar automáticamente a la producción).
              3. Los modelos de IA deben ser seguros, fiables y fiables
              4. Honestidad: Al recopilar datos para entrenar y evaluar nuestros modelos, debemos respetar la procedencia de los datos y asegurarnos de que tenemos el consentimiento para utilizarlos (por ejemplo, de código abierto, proporcionados por el usuario). También debemos ser transparentes en cuanto a que una IA ha creado contenido cuando se suministra de forma autónoma (por ejemplo, respuesta de chatbot a un consumidor, uso de marcas de agua).
              5. <span
              6. Empoderamiento: Hay algunos casos en los que es mejor automatizar completamente los procesos, pero hay otros casos en los que la IA debe desempeñar un papel de apoyo al humano – o donde se requiere el juicio humano. Tenemos que identificar el equilibrio adecuado para «sobrealimentar» las capacidades humanas y hacer que estas soluciones sean accesibles para todos (por ejemplo, generar texto ALT para acompañar a las imágenes).
              7. Sostenibilidad: A medida que nos esforzamos por crear modelos más precisos, debemos desarrollar modelos de tamaño adecuado siempre que sea posible para reducir nuestra huella de carbono. Cuando se trata de modelos de IA, más grande no siempre significa mejor: En algunos casos, los modelos más pequeños y mejor entrenados superan a los modelos más grandes y escasamente entrenados.
        8. Datos para IA: 36%
          1. ¿El papel de la calidad de los datos en la Inteligencia Artificial? Vídeo de YouTube
          2. Existen cuatro tipos principales de análisis de datos
            1. Descriptivo – El análisis descriptivo es un tipo de análisis de datos que se utiliza principalmente para ofrecerle información relativa a lo sucedido. Su objetivo es permitirle utilizar los datos recopilados por un sistema para ayudarle a identificar lo que estaba mal, lo que podría mejorarse o qué métrica no está informando como debería. Como este tipo de análisis de datos se utiliza ampliamente para resumir grandes conjuntos de datos con el fin de describir los resultados a las partes interesadas
            2. Diagnóstico – el análisis de diagnóstico ayuda yendo más allá del alcance de sólo informar, sino diagnosticando investigando más a fondo y correlacionando esos KPIs con el fin de darle sugerencias sobre dónde podría estar potencialmente el problema.
            3. Predictivo – el análisis predictivo de datos implica una mayor complejidad, ya que, como su nombre indica, predice lo que es probable que ocurra en el futuro basándose en datos del pasado, o basándose en hacer un cruce de datos entre múltiples conjuntos de datos y fuentes. En pocas palabras, trata de predecir el futuro basándose en las acciones del pasado
            4. Prescriptivo – el análisis prescriptivo es básicamente una suma de todos los anteriores. El análisis prescriptivo se basa en gran medida en estrategias de aprendizaje automático con el fin de encontrar patrones y sus correspondientes remedios mediante la búsqueda y el cruce de grandes conjuntos de datos.
          3. La analítica ayuda a las personas a desarrollar perspectivas, y esas perspectivas les ayudan a abordar la resolución de problemas complejos. No importa si se trata de juegos, mercados de valores, datos inmobiliarios, información de tráfico, sistemas informáticos de moda, servidores web o registros de seguridad, la analítica de datos ayuda a dar respuestas a escenarios complejos.
          4. La analítica de datos ayuda a las personas a desarrollar perspectivas, y esas perspectivas les ayudan a enfrentarse a la resolución de problemas complejos
          5. Factores que determinan la calidad de los datos
            1. Registros ausentes – Su empresa tiene más de 500 clientes solo en California, pero los informes muestran datos de solo unas 200 cuentas en toda la región occidental.
            2. Registros duplicados – Un vistazo rápido a una lista de cuentas muestra que los datos de los clientes con varias ubicaciones se capturan en varios registros de cuenta. De hecho, tantos clientes aparecen en tantos registros que ni siquiera está seguro de qué define a un cliente. ¿Se trata de una dirección? ¿Un nombre de empresa?
            3. Sin estándares de datos – Un desglose regional muestra clientes en 87 estados. La clase de geografía fue hace mucho tiempo, pero parece recordar sólo 50 estados. Por ejemplo, California aparece como: CA, Calif, Cali y, tu favorito, «Surfin’, USA».
            4. Registros incompletos – En casi todas las cuentas de la región occidental faltan datos clave. En las cuentas de consumidores faltan datos como el teléfono y el correo electrónico. En las cuentas de empresas faltan el sector, los ingresos y el número de empleados.
            5. Datos obsoletos – Al menos la mitad de las cuentas de la región occidental no se han actualizado en los últimos 6 meses, por lo que no se sabe la exactitud de los datos. Y esos datos ni siquiera incluyen las cuentas no capturadas en Salesforce.
          6. <li

          7. Los datos erróneos se relacionan sistemáticamente con:
            1. Ingresos perdidos
            2. Información incompleta o inexacta
            3. Pérdida de tiempo y recursos
            4. Ineficiencia
            5. Lenta recuperación de información
            6. Mala atención al cliente
            7. Daños a la reputación
            8. Disminución de la adopción por parte de los representantes
          8. Los buenos datos permiten a su empresa:
            1. Prospectar y dirigirse a nuevos clientes
            2. Identificar las oportunidades de ventas cruzadas y ventas adicionales
            3. Obtener información sobre la cuenta
            4. Aumentar la eficiencia
            5. Recuperar rápidamente la información correcta
            6. Construir confianza con los clientes
            7. Aumentar la adopción por parte de los representantes
            8. Planificar y alinear mejor los territorios
            9. Consiga y enrute clientes potenciales más rápido
          9. La calidad de los datos tiene varios atributos clave. Es importante comprender estas dimensiones antes de intentar solucionar cualquier problema de datos

            Dimensión de la calidad de los datos

            Descripción

            Cómo evaluarlo

            Edad Los datos no envejecen como el buen vino. Cuál fue la última vez que se actualizó cada registro? Ejecute un informe sobre la fecha de última modificación de los registros. Qué porcentaje de registros se han actualizado recientemente?
            Completitud ¿Mantequilla de cacahuete sin mermelada? Imposible Del mismo modo, no puede encontrar oportunidades de venta sin una jerarquía completa de la empresa y la información de la industria. ¿Se han rellenado todos los campos empresariales clave de los registros? Enumere los campos necesarios para cada uso comercial. A continuación, ejecute un informe que muestre el porcentaje de espacios en blanco de estos campos. También puede utilizar una aplicación de calidad de datos de AppExchange.
            Exactitud No se gana el oro olímpico por fallar la diana. ¿Sus datos son lo más precisos posible? ¿Se han contrastado con una fuente fiable? Instale una aplicación de calidad de datos de AppExchange. Puede cotejar tus registros con una fuente de confianza y decirte cómo se pueden mejorar tus datos.
            Consistencia ¿Se utiliza el mismo formato, ortografía y lenguaje en todos los registros? Ejecute un informe para mostrar los valores utilizados para los campos de fecha, moneda, estado, país, región e idioma. ¿Cuántas variaciones se utilizan para un único valor?
            Duplicación A veces dos no es mejor que uno. Los datos duplicados suelen significar ineficiencias. ¿Hay registros y datos duplicados en su organización? Utilice las funciones de gestión de duplicados de Salesforce e instale una aplicación de detección de duplicados de AppExchange.
            Uso ¡Usarlo o perderlo! Se están aprovechando sus datos en informes, cuadros de mando y aplicaciones? Revise las herramientas y recursos disponibles que utiliza su empresa. Está optimizando el uso de los datos?
          10. Data Cloud lleva el poder de los datos en tiempo real al Cliente 360, para que pueda crear experiencias mágicas sin problemas.
          11. Data Cloud cuenta con conectores incorporados que traen datos de cualquier fuente, incluidas las aplicaciones de Salesforce, móviles, web, dispositivos conectados e incluso de sistemas heredados con MuleSoft y datos históricos de lagos de datos propios, en tiempo real.
          12. Data Cloud permite a cualquier usuario acceder a los datos en tiempo real
          13. Data Cloud permite a cualquier equipo crear experiencias mágicas.
            Ventas Cada representante de ventas puede recibir orientación en tiempo real durante las llamadas de vídeo y voz de los clientes para adaptarse a la conversación y ofrecer ofertas personalizadas a sus clientes.
            Servicio Todos los representantes de servicio, desde el centro de contacto hasta el terreno, pueden ofrecer un servicio proactivo con alertas en tiempo real que detectan desafíos, permiten a los agentes intervenir, involucrar al cliente y resolver el problema.
            Marketing Cada comercializador puede ofrecer mensajes personalizados en todos los canales que se adaptan a la actividad del cliente en varias propiedades de la marca en tiempo real.
            Comercio Todos los minoristas pueden crear experiencias de compra personalizadas que se adapten a las acciones de los clientes en tiempo real, incluidos los carritos de la compra abandonados o las acciones realizadas en un sitio web o una aplicación móvil.
            Plataforma Los equipos de TI pueden utilizar herramientas de bajo código para construir cosas como apps que aprovechen datos en tiempo real para, por ejemplo, proporcionar detección de fraude o datos económicos en tiempo real para determinar beneficios.
            MuleSoft Todas las empresas pueden desbloquear datos en tiempo real a través de cualquier sistema moderno o heredado.
            Tableau Todas las empresas pueden supervisar los indicadores clave de rendimiento en tiempo real para informar de las acciones en toda la empresa, incluidos los datos de compra en tiempo real para las ventas, los picos de casos en tiempo real para el servicio y el tráfico web en tiempo real para el marketing.
            Slack Los líderes pueden aumentar inmediatamente la eficiencia permitiendo a los equipos ver automáticamente datos en tiempo real de cualquier canal con flujos de trabajo inteligentes
            Sanidad y ciencias de la vida Las organizaciones de contribuyentes y proveedores pueden conectar datos clínicos y no clínicos de diversas fuentes para ofrecer perspectivas inteligentes en tiempo real, que pueden utilizarse para construir recorridos automatizados que ayuden a los pacientes a lograr mejores resultados
            Servicios financieros Los asesores financieros y los banqueros pueden ayudar a sus clientes a acelerar sus objetivos financieros proporcionándoles el asesoramiento adecuado en el momento oportuno.
            AppExchange Amplíe la potencia de Data Cloud con AppExchange Data Cloud Collection, que incluye 18 aplicaciones de socios y expertos de Data Cloud que ayudan a las empresas a automatizar la publicidad relevante y a enriquecer los perfiles de los clientes.
          14. <li

          15. ¿Sus datos están preparados para la IA?
            1. Los datos de los clientes están en el corazón de la entrega de grandes experiencias. No es necesario que sus datos sean perfectos para crear un programa de IA eficaz, pero deben estar limpios. Eso significa que no deben contener errores, formatos incorrectos, duplicados ni etiquetas erróneas
            2. Los expertos en datos de Tableau ofrecen estos pasos sobre cómo limpiar sus datos, un primer paso importante para unificar conjuntos de datos para proyectos de IA:
              1. Eliminar observaciones duplicadas o irrelevantes – La duplicación se produce cuando se combinan conjuntos de datos de varios lugares y se crean entradas duplicadas. Las observaciones irrelevantes se producen cuando los datos (por ejemplo, sobre consumidores mayores) no encajan en el problema que se intenta analizar (por ejemplo, los hábitos de compra de los millennials). Eliminarlas hace que el análisis sea más eficiente, útil y preciso para un sistema de IA.
              2. Corregir errores estructurales – Esto ocurre cuando los datos incluyen errores tipográficos, mayúsculas incorrectas o etiquetas erróneas. Por ejemplo, «N/A» y «no aplicable» significan lo mismo, pero no se analizan de la misma manera porque se presentan de forma diferente. Las entradas deben ser coherentes para garantizar un análisis preciso y completo por parte del sistema de IA.
              3. Filtra los valores atípicos no deseados – A menudo hay observaciones puntuales que no parecen alinearse con los datos que estás analizando. Esto puede ser el resultado de una introducción incorrecta de datos (y debe eliminarse), pero a veces el valor atípico ayudará a demostrar una teoría en la que se está trabajando. En cualquier caso, es necesario realizar un análisis para determinar su validez.
              4. Manejar los datos que faltanLos datos que faltan o están incompletos son un problema muy común en los conjuntos de datos, y pueden reducir la precisión de los modelos de IA. Hay algunas maneras de lidiar con esto:
                1. Eliminar las observaciones que incluyen valores que faltan; sin embargo, esto dará lugar a la pérdida de información.
                2. Introducir los datos que faltan
                3. Introduzca los valores que faltan basándose en otras observaciones; sin embargo, puede perder la integridad de los datos porque está operando a partir de suposiciones y no de observaciones reales
                4. Considere alterar la forma en que se utilizan los datos para navegar eficazmente por los valores que faltan
              5. ValidarDespués de limpiar los datos, debería poder responder a estas preguntas: 
                1. ¿Tienen sentido los datos? 
                2. Los datos son coherentes?
                3. ¿Siguen los datos las reglas apropiadas para su campo? 
                4. ¿Son coherentes?
                5. ¿Prueban o refutan su teoría, o aportan alguna información?
                6. ¿Pueden los datos ser útiles?
                7. ¿Puede encontrar tendencias que ayuden a fundamentar la siguiente teoría? Si no es así, ¿se debe a problemas de calidad de los datos?
          16. Guía de mejores prácticas de gestión de datos
          17. Determinar los requisitos de datos
          18. Construya su alfabetización de datos
          19. Calidad de los datos Es una medida del grado en que los datos son adecuados para su finalidad. Una buena calidad de datos genera confianza en los datos. Las dimensiones de calidad de datos son una medida de un atributo específico de la calidad de un dato.
            1. Completitud mide el grado en que están presentes todos los registros esperados en un conjunto de datos. A nivel de elemento de datos, la exhaustividad es el grado en que todos los registros tienen datos rellenados cuando se espera.
            2. Completitud
            3. Validez mide el grado de validez de los valores de un elemento de datos
            4. Unicidad mide el grado en que los registros de un conjunto de datos no están duplicados.
            5. Puntualidad es el grado en que un conjunto de datos está disponible cuando se espera y depende de los acuerdos de nivel de servicio que se establezcan entre los recursos técnicos y empresariales.
            6. Actualidad
            7. Consistencia es una dimensión de la calidad de los datos que mide el grado en que los datos son los mismos en todas sus instancias. La coherencia puede medirse estableciendo un umbral para la cantidad de diferencia que puede haber entre dos conjuntos de datos.
            8. Consistencia
            9. Todos los registros de la tabla Cliente deben tener los campos Nombre del cliente, Fecha de nacimiento del cliente y Dirección del cliente exactos cuando se comparan con el formulario de impuestos.
          20. Alfabetización en datos es la capacidad de leer, comprender, crear y comunicar datos como información.
          21. Alfabetización en datos
          22. Los datos son hechos individuales, estadísticas o elementos de información. Una colección de datos es una colección de hechos. Aún más específicamente, considere esta definición ampliada. Jeffrey Leek, un científico de datos que trabaja como profesor en la Johns Hopkins Bloomberg School of Public Health, empezó con la definición de datos de Wikipedia y la amplió para formar su propia definición: Los datos se componen de [sic] valores de cualitativos o cuantitativos variables, pertenecientes a un conjunto de elementos.
            Término Definición
            Conjunto de elementos A veces llamado población, es el conjunto de objetos que te interesan.
            Variable Medida, propiedad o característica de un elemento que puede variar o cambiar (a diferencia de una medida constante, como pi, que no varía)
            Variable cualitativa Una variable cualitativa describe cualidades o características, como el país de origen, el sexo, el nombre o el color del pelo.
            Variable cuantitativa Una variable cuantitativa describe características medibles, como la altura, el peso o la temperatura.
          23. Algunos ejemplos de datos brutos incluyen:
            1. Un espécimen de bacteria visto al microscopio
            2. Archivos binarios producidos por máquinas de medición
            3. Archivos de hoja de cálculo sin formato
            4. Datos JSON extraídos de la API de Twitter
            5. Números recopilados y registrados manualmente
          24. Estos son algunos de los rasgos de los datos de alta calidad.

            Los datos deben escribirse en términos que puedan entenderse fácilmente, no en código

            Características Descripción
            Alto volumen Una gran cantidad de datos relevantes y disponibles significa que hay más posibilidades de que tenga lo que necesita para responder a sus preguntas.

            Nota: No es necesario limitarse a adquirir datos porque sí; la relevancia es importante.

            Históricos Los datos que se remontan en el tiempo permiten ver cómo surgió la situación actual debido a patrones que han surgido a lo largo del tiempo, como observar las tendencias de ventas en los últimos 10 años para ver aumentos o disminuciones.
            Consistente  Como las cosas cambian, los datos deben ajustarse para que sean coherentes. Los datos sobre salarios y precios ajustados a la inflación son un buen ejemplo de ello.
            Multivariantes Los datos deben contener variables cuantitativas (medibles numéricamente) y cualitativas (características, no medibles numéricamente). Cuantas más variables contengan los datos, más se podrá descubrir de ellos.
            Atómicas  Cuanto más detallados sean los datos, mayor será la posibilidad de examinarlos con distintos niveles de detalle. Por ejemplo, si desea comprender las tendencias del uso de la bicicleta en su estado, sería útil ver estas tendencias en función del condado, la ciudad y el barrio.
            Limpio Para que los datos sean útiles, deben ser precisos, completos y sin errores.
            Claro Los datos deben escribirse en términos que puedan entenderse fácilmente, no en código. Por ejemplo, los valores de tipo de vivienda unifamiliar, conversión bifamiliar y casa adosada final son mucho más fáciles de entender que 1Fam, 2fmCon y TwnhsE.
            Estructurado dimensionalmente  Una forma accesible de estructurar los datos es organizarlos en dos tipos: Dimensiones (valores cualitativos) y Medidas (valores cuantitativos). Esta es la estructura organizativa que utiliza Tableau a la hora de interpretar los datos.
            Richamente segmentados Los grupos, basados en características similares, deben construirse en los datos para facilitar el análisis. Por ejemplo, los datos sobre películas podrían agruparse por géneros (acción, ciencia ficción, romántica, comedia, etcétera).
            De pedigrí conocido Para confiar en los datos, debes conocer sus antecedentes: de dónde proceden y cómo se han alterado desde entonces.
          25. <li

          26. Las opciones que puede utilizar para reestructurar los datos incluyen:
            1. Cambiar la base de datos subyacente
            2. Utilizar un lenguaje de programación, como R o Python
            3. Usando herramientas, como pivotar y dividir datos, dentro de la plataforma Tableau, incluido Tableau Prep Builder o Tableau Desktop
            4. Utilizar otras herramientas ETL (extraer, transformar, cargar)
          27. <li

          28. En el módulo Datos bien estructurados aprendió que los datos se organizan en columnas, o campos, y que en los datos bien estructurados los campos están formados por variables, una variable por campo.
            1. Variables cualitativasson variables que no se pueden medir numéricamente, como categorías o características. Se pueden clasificar a su vez en dos tipos: nominales y ordinales.
              1. Nominales: Las variables cualitativas nominales son categorías que no se pueden clasificar. Por ejemplo, consideremos algunos tipos de fruta: plátanos, uvas, albaricoques y manzanas. Se trata de variables nominales porque no existe un orden implícito entre ellas. Un plátano, por ejemplo, no está mejor clasificado que un albaricoque
              2. Ordinales: a diferencia de las variables cualitativas nominales, las variables cualitativas ordinales pueden clasificarse. Son cualitativas porque no se pueden medir numéricamente, pero existe un orden lógico entre ellas. Piense, por ejemplo, en las encuestas que haya realizado. Ejemplos de valores cualitativos ordinales en las encuestas son: Nunca, A veces, En su mayoría, Siempre, Extremadamente insatisfecho, Insatisfecho, Ni satisfecho ni insatisfecho, Satisfecho, Extremadamente satisfecho.
            2. Variables cuantitativasson variables que pueden medirse numéricamente, como el número de elementos de un conjunto. Cuando se añaden a un conjunto de datos, las variables cualitativas se convierten en campos (o columnas) cualitativos y las variables cuantitativas se convierten en campos (o columnas) cuantitativos. Se pueden clasificar a su vez en dos tipos: discretas y continuas.
              1. Variables discretas: Las variables discretas son individualmente separadas y distintas. En pocas palabras, si se puede contar individualmente, es una variable discreta. Por ejemplo, puede contar individualmente el número de niños de un hogar. Un hogar puede tener 0 hijos, 3 hijos, 6 hijos, etc., pero no puede tener 3,45 hijos. El número de dedos de un pie y el número total de calcetines de un cajón también son ejemplos de variables discretas. El número total de dedos de todos los pies de todas las personas de su ciudad es incluso una variable discreta. Llevaría mucho tiempo contar individualmente todos esos dedos, pero aún así es posible hacerlo.
              2. Variables continuas: Continuas significa que forman un todo ininterrumpido, sin interrupción. Son variables que no se pueden contar en un tiempo finito porque hay un número infinito de valores entre dos valores cualesquiera. Por ejemplo, si se quiere medir el tiempo, cada unidad de tiempo puede dividirse en unidades aún más pequeñas: El tiempo de respuesta a un estímulo podría expresarse como 1,64 segundos, o podría descomponerse aún más y expresarse como 1,642378765 segundos, y así infinitamente. Otros ejemplos de valores continuos son la temperatura, la distancia y la masa.
          29. Agregación se refiere a una colección de datos cuantitativos y puede mostrar grandes tendencias de datos. Por ejemplo, sumando todas las búsquedas en Internet de un camping en particular o tomando la media de los ingresos de todos los asalariados de una ciudad. 
          30. Agregación
          31. Granularidad hace referencia al grado de detalle de los datos. 
          32. Correlación es una técnica que puede mostrar si los pares de variables cuantitativas están relacionados y con qué fuerza.

        Conclusión

        Si tiene experiencia básica con todos los temas anteriores, aprobar el examen será pan comido y podrá obtener el tan codiciado examen de certificación Salesforce Certified AI Associate Sin embargo, si no tiene suficiente experiencia con los fundamentos de la IA, la plataforma Salesforce y planea convertirse en Asociado certificado en IA. Le sugiero que trace un plan de 3-4 semanas (termine el Trailhead anterior para prepararse para ello).

        <p

        Espero que estos consejos y recursos te resulten útiles. Si le dedicas tiempo y esfuerzo, lo conseguirás. Feliz estudio y suerte

        Evaluación formativa:

        ¡Quiero saber de ti!

        ¿Ha realizado el examen Salesforce Certified AI Associate? ¿Se está preparando ahora para el examen? Comparta sus consejos en los comentarios

        Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://automationchampion.com/2023/09/06/how-to-pass-salesforce-certified-ai-associate-certification-exam-2/

Categories
Developers Salesforce

🚀 Guía definitiva de 150 preguntas sobre Salesforce Service Cloud: ¡domine cada detalle! 🌟

Servicio_nube

Temas cubiertos en la entrevista de Salesforce Service Cloud:

  • Conocimientos generales y características
  • Gestión de casos
  • Soluciones y base de conocimientos
  • Consola de servicio
  • Portales/comunidades de clientes y agentes
  • Flujo de trabajo y automatización:
  • Informes y paneles en Service Cloud
  • Integración de CTI y telefonía
  • Servicio al cliente en redes sociales
  • Chat y mensajería
  • Integración de correo electrónico
  • Métricas y análisis de rendimiento
  • Inteligencia artificial (IA) en la nube de servicios
  • Servicio de campo
  • Macros
  • Preguntas basadas en escenarios

Conocimientos generales y características

1. ¿Qué es Salesforce Service Cloud?

– Imagine que dirige una empresa y tiene toneladas de clientes que hacen preguntas o tal vez tienen problemas con su producto. Ahora, desea ayudarlos de manera rápida y eficiente. ¡Ahí es donde entra Salesforce Service Cloud!

2. ¿Cómo beneficia Service Cloud a un departamento de atención al cliente?

niño, niño, juego, malabarismo, pelota, vector, aislado, 18804576, arte vectorial, en, Vecteezy

Como empresa, usted maneja cosas agitadas que pueden ponerse cuando los clientes lo llaman, le envían correos electrónicos o le hacen ping en las redes sociales. ¡Es como hacer malabares! Service Cloud es como un asistente súper inteligente que ayuda a atrapar esas pelotas. Realiza un seguimiento de todos los problemas de los clientes (llamados "casos" en Salesforce), se asegura de que los vea la persona adecuada y proporciona respuestas que su equipo puede utilizar para responder más rápido.

¿La mejor parte? Puede conectarse con sus clientes dondequiera que estén: por teléfono, en las redes sociales, lo que sea. ¡Menos caos, más choca esos cinco en la oficina!

3. ¿Cuál es la diferencia entre Salesforce Sales Cloud y Service Cloud?

Paseo en coche (#1) - Openclipart

Piense en su negocio como en un automóvil. Sales Cloud es como el motor que lo impulsa hacia adelante: lo ayuda a encontrar nuevos clientes y los convence para que se sumen. Estamos hablando de gestionar contratos, realizar un seguimiento de las ventas y realizar previsiones. Ahora bien, ¿la nube de servicios? Ese es su sistema de dirección y comodidad. Una vez que los clientes están a bordo, se garantiza que estén contentos durante el viaje. Atiende sus preguntas, resuelve cualquier problema y se asegura de que disfruten tanto del viaje que querrán viajar contigo nuevamente.

4. ¿Qué es OmniCanal en el contexto de Service Cloud y cómo beneficia a una empresa?

OmniCanal es una forma para que su empresa hable con los clientes dondequiera que prefieran: redes sociales, correo electrónico, teléfono o incluso chat en vivo. Pero es inteligente; garantiza que su equipo no se sienta abrumado y que las preguntas de sus clientes lleguen a la persona adecuada que pueda responderlas mejor.

5. ¿Cómo mejora Service Cloud la satisfacción del cliente?

Conocer bien a sus clientes y satisfacer sus necesidades rápidamente no sólo los deja satisfechos; ¡Puede convertirlos en fanáticos de tu marca! Además, los clientes satisfechos a menudo significan que volverán y les dirán a sus amigos lo fantástico que eres: ¡todos ganan!

Gestión de casos

1.¿Qué es un caso en Salesforce?

– Imagínese esto: un cliente tiene una pregunta o tiene problemas con su producto. Piden ayuda. ¿Ese mensaje de ayuda? En Salesforce, a eso lo llamamos "caso".

2.¿Cómo se pueden crear casos en Salesforce?

Los casos son como boletos. En Salesforce, los casos pueden surgir de todas partes: un cliente envía un correo electrónico, completa un formulario en su sitio web, le envía un mensaje en las redes sociales o incluso llama. Cada una de estas acciones puede iniciar un caso para que su El equipo sabe que alguien necesita una mano.

3. ¿Qué es Web-to-Case y cómo se utiliza?

¿Sabes cómo puedes pedir tu café con anticipación en una aplicación y te estará esperando cuando llegues? Web-to-Case es algo así, pero para servicio al cliente. Permite a sus clientes completar un formulario en su sitio web cada vez que necesitan ayuda, y esa información se envía directamente a Salesforce como un caso. De esta manera, su equipo de servicio al cliente puede comenzar a desarrollar soluciones de inmediato.

4. ¿Explicar el correo electrónico para enviar casos?

Piense en Email-to-Case como un puente entre su bandeja de entrada de correo electrónico de servicio al cliente y Salesforce . Cuando sus clientes le envían un correo electrónico pidiéndole ayuda, Email-to-Case lo detecta y lo convierte en un caso en Salesforce.

5. ¿Qué es la escalada de casos y cómo se configura?

Una captura de pantalla de una computadora Descripción generada automáticamente

A veces, las cosas necesitan un poco más de urgencia, como una entrega de pizza en 30 minutos o menos. La escalada de casos ocurre cuando un caso no se ha resuelto en un cierto período de tiempo y sube en la lista de prioridades o incluso se entrega a un gerente. En Salesforce, esto se configura creando reglas de escalamiento que controlan el tiempo de los casos y activan una señal de alerta cuando uno está tardando demasiado.

6. ¿Cómo funcionan las reglas de asignación de casos?

Señales manuales de emergencia de la policía de tránsito para conductores: conduzca en Malasia

Las reglas de asignación son como los policías de tránsito de Salesforce. Observan los nuevos casos que llegan y les indican la dirección correcta. Según los detalles del caso, como de qué se trata o de quién proviene, estas reglas los envían al departamento correcto o a la persona más adecuada para ayudar. Mantiene las cosas en movimiento sin problemas.

7. ¿Qué son las colas de casos y en qué se diferencian de las reglas de asignación?

Las reglas de asignación dirigen los casos a personas específicas de inmediato, mientras que las colas les permiten esperar en un lugar relevante para que los tome cualquier miembro disponible del equipo.

8. ¿Cómo se realiza un seguimiento del historial del caso?

Realizar un seguimiento del historial de un caso en Salesforce es como tener un mapa de dónde ha estado, a quién ha visitado y qué se ha hecho hasta el momento. Cada vez que alguien ve el caso, realiza un cambio o agrega algo, Salesforce toma nota de ello. Así, cualquiera que observe el caso podrá ponerse al día con su recorrido.

9. ¿Qué son los equipos de casos?

Los equipos de casos en Salesforce son como grupos de proyectos en la escuela. Puede formar un equipo de varios usuarios con diferentes roles para colaborar y resolver un caso de manera eficiente.

10. ¿Cómo se utilizan los feeds de casos?

Los feeds de casos son como líneas de tiempo de las redes sociales para cada caso. Muestran una vista cronológica de todas las actividades, como mensajes, cambios de estado o acciones del usuario, relacionadas con un caso.

11. ¿Puedes realizar un seguimiento del tiempo dedicado a cada caso?

Sí, con funciones de seguimiento del tiempo. Es como un cronómetro del trabajo: puede medir cuánto tiempo dedican los agentes a cada caso.

12. ¿Cómo maneja Salesforce los correos electrónicos masivos en la gestión de casos?

Salesforce le permite enviar correos electrónicos masivos para mantener actualizados a muchos clientes a la vez.

13. ¿Qué son los hitos del caso?

Los hitos son como puntos de control en una carrera. Son objetivos específicos que los agentes deben alcanzar dentro de un plazo determinado mientras resuelven un caso.

14. ¿Cuál es la diferencia entre un caso y una orden de trabajo?

Un caso es un registro de un problema de un cliente, mientras que una orden de trabajo es una solicitud de trabajo, a menudo utilizada para servicios de campo o tareas físicas.

15. ¿Cuáles son los beneficios de utilizar Chatter para los casos?

Chatter es como una sala de chat para el trabajo. Los agentes pueden discutir casos, compartir archivos y obtener comentarios de los miembros del equipo directamente en el registro del caso.

16. ¿Cuáles son los componentes de la regla de asignación de casos en Salesforce?

En Salesforce, la regla de asignación de casos giraba en torno a dos componentes principales, como la regla de caso y los criterios de caso.

Regla de caso: una regla de caso define una o más de una condición que debe cumplirse para ser asignada a un usuario específico. Podemos agregar tantas entradas de reglas como queramos a una sola regla de asignación.

Criterios de caso: Los criterios de caso son las condiciones que se basan en diferentes factores como el origen del caso, el estado, el tipo, etc.

Soluciones y base de conocimientos

1. ¿Qué es el conocimiento de Salesforce?

Salesforce Knowledge es como una carpeta para toda la información que su equipo necesita para ayudar a los clientes. Es un lugar donde puedes almacenar artículos, preguntas frecuentes, guías de solución de problemas y más, todo organizado y fácil de encontrar.

2. Explicar el proceso de creación y mantenimiento de una Base de Conocimiento en Salesforce.

Crear una base de conocimientos es como abastecer una biblioteca. Empiece por escribir artículos; pueden ser preguntas frecuentes, guías prácticas o pasos para la solución de problemas. Una vez que haya terminado, los colocará en los estantes (es decir, los publicará en Salesforce Knowledge) y así, estarán disponibles para que los lea su equipo o incluso sus clientes. Deberá revisar sus artículos con regularidad, actualizar la información anterior y seguir agregando material nuevo para mantener todo actualizado.

3. ¿Cuál es la diferencia entre Soluciones y Artículos de Conocimiento?

Libro. Antiguo libro de texto, enciclopedia, diccionario o libro de cuentos de hadas. Diseño de dibujos animados felices para niños, página para colorear, estampado de camisetas, icono, logotipo, etiqueta, parche, pegatina. SVG, cliparts, vectores y ilustraciones libres de derechos.

Las soluciones son como esas viejas enciclopedias : tienen información útil, pero son un poco básicas y solo su equipo puede leerlas. Por otro lado, los artículos de conocimiento son como tener una base de datos completa en línea. Son más dinámicos, pueden incluir videos e imágenes y puedes compartirlos no solo con tu equipo sino también con tus clientes.

4. ¿Cómo pueden los usuarios de Service Cloud aprovechar los artículos de conocimiento?

Piense en los usuarios de Service Cloud como bibliotecarios. Cuando un cliente tiene una pregunta, en lugar de hojear montones de libros o luchar para encontrar un experto, puede buscar el artículo de conocimiento correcto y tener las respuestas al alcance de su mano. Esto hace que ayudar a los clientes sea más rápido, más preciso y, sinceramente, mucho menos estresante.

5. ¿Pueden los clientes acceder a los artículos de conocimiento? ¿Si es así, cómo?

¡Por supuesto que pueden! Puede configurar una comunidad de clientes o un sitio web público donde estos artículos estén disponibles. Los clientes pueden ingresar, buscar lo que necesitan y, a menudo, resolver sus propios problemas sin tener que levantar el teléfono o enviar un correo electrónico.

Consola de servicio

1.¿Qué es la Consola de Servicio en Salesforce?

Ilustración de Chef y más Vectores Libres de Derechos de Adulto - Chef, Dibujos Animados, Gorro De Chef - iStock

Imagínese ser chef en una cocina ocupada y bien equipada. La Consola de servicio es como su estación de cocina, donde tiene sus ingredientes (datos del cliente), utensilios (herramientas y aplicaciones) y recetas (artículos de conocimiento), todo en un solo lugar. Estás allí, cocinando varios platos (manejando varios casos de clientes) a la vez. 🍳👩‍🍳🔥

2. ¿Cómo mejora la Consola de servicio la productividad de los agentes?

Si eres chef en una cocina, ¿no sería más fácil cocinar si todos tus ingredientes, utensilios y recetas estuvieran en un solo lugar? Eso es lo que hace la Consola de servicio por los agentes. Pone todo lo que necesitan en un solo lugar. Pueden chatear con los clientes, echar un vistazo al historial de su cuenta y comprobar sus pedidos, todo al mismo tiempo. ¡Es como tener superpoderes, para que puedan ayudar a los clientes más rápido y mejor!

3. ¿Se puede personalizar la Consola de servicio? Si es así, ¿cómo?

¡Por supuesto! Al igual que puedes reorganizar las aplicaciones en tu teléfono, puedes modificar la Consola de servicio para adaptarla a tus necesidades. Todo esto se hace a través de algo llamado "Creador de aplicaciones", donde arrastra y suelta los componentes que desea. Es como jugar un juego en el que diseñas tu centro de mando.

Portales/comunidades de clientes y agentes:

1. ¿Qué es una comunidad de clientes en el contexto de Service Cloud?

Dibujo infantil de CCC, bloques de colores – Catskill Community Center

Imagínese un centro comunitario en un vecindario. Es un lugar donde los residentes se reúnen para discutir temas, compartir noticias, pedir prestado herramientas o incluso organizar eventos. Ahora, imagine si su empresa tuviera un “centro comunitario” virtual para sus clientes. Esa es una comunidad de clientes en Salesforce. Es un espacio en línea donde sus clientes pueden reunirse para hacer preguntas, compartir ideas e incluso resolver problemas juntos. También pueden encontrar artículos o anuncios útiles que haya publicado, ¡muy parecido a un tablero de anuncios comunitario!

2. ¿En qué se diferencian los portales de agentes de los portales/comunidades de clientes?

Cree un portal de socios, habilite la cuenta de socio y los usuarios y agregue

En el centro comunitario, piense en el Portal del Cliente/Comunidad como el salón principal donde todos se reúnen, conversan y comparten. El Portal del Agente, sin embargo, es como la oficina administrativa que da al salón principal. Desde esta oficina, sus agentes de servicio al cliente pueden observar lo que sucede en la comunidad, intervenir para ayudar cuando sea necesario o proporcionar recursos.

3. ¿Cómo pueden los clientes utilizar las comunidades para autoservicio?

En una comunidad de clientes, los clientes pueden explorar los artículos que usted ha proporcionado, encontrar respuestas a preguntas comunes o hacer una nueva pregunta que cualquier miembro de la comunidad puede responder. Esto les permite encontrar soluciones en su propio tiempo y términos, sin necesidad de llamar directamente a la “oficina del administrador” (contactar con soporte).

4. ¿Cuáles son las mejores prácticas para crear una comunidad de clientes?

La comunidad de clientes de Salesforce debe ser fácil de usar y proporcionar valor real. Asegúrese de que sea de fácil acceso, con categorías claras para la discusión y una amplia base de conocimientos. Actualice y modere periódicamente el contenido para garantizar que sea relevante y apropiado. Fomente la participación reconociendo a los miembros activos u organizando eventos o desafíos comunitarios.

Flujo de trabajo y automatización

1. ¿Se puede automatizar el enrutamiento de casos? ¿Si es así, cómo?

En Service Cloud, los casos se pueden enrutar automáticamente. Puede establecer criterios, como si un caso proviene de un cliente VIP, va directamente a su mejor agente, o si es un problema común, va a cualquier agente disponible. De esta manera, todos reciben un servicio eficiente y eficaz.

2. ¿Cómo se automatiza el seguimiento del acuerdo de nivel de servicio (SLA) en Service Cloud?

¿Estás preparado para Domino's... - Domino's Pizza Bangladesh | Facebook

Imagínese el restaurante prometiendo que cada pedido se servirá en 30 minutos o, de lo contrario, será gratis. Para cumplir esta promesa, tienen un sistema que inicia una cuenta regresiva en el momento en que se realiza un pedido y alerta al gerente si llega a los 25 minutos. Service Cloud puede realizar un seguimiento de los SLA de forma similar. Puede establecer los plazos en los que los casos deben resolverse según su nivel de prioridad y automatizar recordatorios, escalamientos u otras acciones si esos plazos se acercan o no se cumplen. ¡Mantiene al equipo responsable y a los clientes contentos!

3. ¿Podría definir la Gestión de derechos en el contexto de Salesforce Service Cloud?

La gestión de derechos en Salesforce Service Cloud es una función que ayuda a las empresas a definir, hacer cumplir y realizar un seguimiento de los acuerdos de nivel de servicio (SLA) con sus clientes. Permite a las empresas establecer el nivel de soporte al que tiene derecho un cliente, en función de factores como garantías de productos, contratos de servicio o planes de soporte. Esta característica garantiza que los clientes reciban el soporte al que tienen derecho dentro del plazo acordado.

4. ¿Puedes explicar la funcionalidad de Visual SLA Timelines?

Los cronogramas visuales de SLA en Salesforce Service Cloud ofrecen una representación gráfica de los cronogramas asociados con cada SLA. Ayudan a los agentes de servicio a visualizar el tiempo restante necesario para resolver un caso según el SLA asociado. Esto permite a los agentes priorizar su trabajo de manera efectiva y garantizar el cumplimiento de los términos del SLA.

Informes y paneles

1. ¿Cómo mejoran los informes y paneles las operaciones de servicio?

Imagínese que al final de cada día, el gerente recibe un resumen de todo lo sucedido: cuántos clientes llegaron, cuál fue el plato más popular, cuántos elogios o quejas se recibieron, etc. En Service Cloud, los informes y paneles son como este resumen diario. Ofrecen a los directivos una visión rápida pero completa de cómo van las cosas. ¿Los clientes esperan demasiado? ¿Algunos problemas se resuelven más rápido que otros? Esta información ayuda al equipo a saber qué funciona y qué no, para que puedan mejorar su "servicio".

2. ¿Se puede realizar un seguimiento del rendimiento de los agentes con Service Cloud? Si es así, ¿cómo?

Service Cloud le permite realizar un seguimiento del desempeño de sus agentes. Puede ver cuántos casos han resuelto, qué tan rápido están trabajando e incluso cómo los clientes califican su servicio. Es como un gráfico de desempeño para los camareros, pero para sus agentes de servicio.

3. ¿Cuáles son algunas métricas de servicio comunes que puede rastrear en Service Cloud?

En el mundo de Service Cloud, las métricas comunes incluyen cosas como

  • tiempo promedio de resolución de casos
  • puntuaciones de satisfacción del cliente
  • tasas de resolución del primer contacto
  • volúmenes de casos por tipo o fuente

Integración de CTI y telefonía

1. ¿Qué es la Integración Telefónica Computadora (CTI)?

Representante De Servicio Al Cliente De Dibujos Animados De Forma Tridimensional De Persona De Negocios - Banco de fotos e imágenes de stock - iStock

Es un término para un sistema que permite que las computadoras interactúen con los teléfonos. Significa que cuando alguien llama, el sistema de atención al cliente sabe inmediatamente quién es y cuál es su historial con la empresa.

2.¿Cómo mejora CTI el servicio al cliente?

En el restaurante sin CTI, cada llamada de un cliente sería como una reunión de camareros durante la cena por primera vez. Tendrían que volver a hacer todas las preguntas básicas: "¿Tiene alguna alergia?" “¿Prefieres asiento junto a la ventana o en el pasillo?” etcétera. Con CTI, es como si el camarero ya te conociera. Te saludan por tu nombre, recuerdan que eres alérgico al maní, saben que te gusta el queso extra y tienen lista tu mesa favorita. En términos de atención al cliente, esto ahorra tiempo, personaliza la experiencia del cliente.

3. ¿Puede darnos un ejemplo de cómo se utiliza CTI en un escenario de call center?

Cuando un cliente llama, la pantalla del agente muestra inmediatamente el nombre del cliente, su historial de compras, problemas anteriores y cualquier otra información relevante. Luego, el agente puede saludar al cliente por su nombre y atender sus necesidades de manera proactiva, a veces incluso antes de que el cliente indique por qué llama. Se trata de hacer que la experiencia de servicio sea fluida y placentera, como tener la mejor mesa lista incluso antes de entrar.

Servicio al cliente en redes sociales

1. ¿Qué es el servicio al cliente social en Salesforce?

¿Sabes cómo puedes chatear con amigos y ver qué están haciendo en las redes sociales? Salesforce permite a las empresas hacer lo mismo con sus clientes. Pueden revolotear y ver lo que la gente dice sobre ellos en las redes sociales.

2. ¿Cómo pueden los agentes utilizar Salesforce para responder a las consultas de los clientes en las redes sociales?

Ya sea que los clientes tuiteen, publiquen en Facebook o compartan historias de Instagram sobre sus experiencias o problemas, los agentes no tienen que desplazarse de una plataforma a otra. Pueden responder a todas estas publicaciones sociales desde su 'colmena' de Salesforce, asegurándose de que nadie se sienta ignorado y que cada problema se resuelva rápidamente.

3. ¿Puedes realizar un seguimiento de las conversaciones de las redes sociales en Service Cloud?

¡Absolutamente! Service Cloud controla todas las conversaciones que ocurren entre la empresa y los clientes en las plataformas sociales. Recuerda quién dijo qué, almacena información sobre los problemas del cliente e incluso cómo se resolvió. De esta manera, si el cliente vuelve a comunicarse, la empresa no hace las mismas preguntas de siempre, sino que continúa la conversación justo donde la dejó, como si retrocediera en el historial de chat con un amigo.

Chat y mensajería

1. ¿Cómo funciona Live Agent en Service Cloud?

Imagínese si estuviera comprando en una gran tienda y en lugar de tener que buscar ayuda por todo el lugar, apareciera un asistente personal a su lado en el momento en que parecía confundido. Así es Live Agent en el mundo online. Es una característica de Service Cloud que permite a los agentes de servicio al cliente chatear en tiempo real con los clientes mientras están en el sitio web para responder preguntas, dar consejos o ayudarlos a encontrar lo que necesitan.

2. ¿Cuáles son los beneficios de utilizar el chat para atención al cliente?

Los clientes obtienen atención instantánea y sus preguntas pueden responderse de inmediato. Además, es muy conveniente porque pueden hacer otras cosas mientras conversan. Para las empresas, significa que pueden manejar varios chats a la vez, lo que es como poder ayudar a varios clientes al mismo tiempo en diferentes líneas de pago.

3. ¿Se pueden automatizar las respuestas en Live Agent?

Sí, si alguien dice "hola", el sistema puede decir automáticamente "¡Hola!". ¿Cómo puedo ayudarte hoy?" Está programado para reconocer palabras o preguntas específicas y luego proporcionar una respuesta preestablecida. Esto significa que el agente no tiene que escribir las mismas respuestas una y otra vez y los clientes obtienen respuestas ultrarrápidas a preguntas comunes.

4. ¿Cómo maneja Salesforce los mensajes SMS para el servicio de atención al cliente?

Salesforce aporta esa comodidad al servicio al cliente. Con las funciones de mensajería SMS, las empresas pueden enviar mensajes de texto a los clientes y los clientes pueden responder. Pueden enviar recordatorios de citas, confirmaciones, actualizaciones rápidas o incluso responder preguntas, todo a través de mensajes de texto. Todo se rastrea y almacena en Salesforce, para que la empresa no pierda la conversación.

Integración de correo electrónico

1. ¿Cómo se utiliza el correo electrónico en Service Cloud?

No se trata sólo de enviar y recibir correos electrónicos; es un sistema completo que gestiona las comunicaciones por correo electrónico con los clientes. Puede mantener un historial de todas las interacciones, para saber exactamente qué se dijo y cuándo.

2. ¿Puedes automatizar las respuestas por correo electrónico?

– ¡Absolutamente! Según ciertas palabras clave en el correo electrónico del cliente o criterios específicos, el sistema puede enviar una respuesta escrita previamente. Es instantáneo, por lo que los clientes no tienen que esperar y les da a los agentes reales más tiempo para manejar los problemas complejos que necesitan un toque humano.

3. ¿Cómo se asegura de que los correos electrónicos de los clientes se envíen a los agentes adecuados?

Utilice el enrutamiento de correo electrónico en Service Cloud. Usando las reglas que usted configura, los correos electrónicos se pueden dirigir a ciertos agentes según el contenido del correo electrónico, la información del cliente o incluso la carga de trabajo de cada agente.

Soporte Móvil

1. ¿Cómo respalda Salesforce el servicio al cliente móvil?

Con la aplicación móvil Salesforce, todo lo que puede hacer en su escritorio, ahora puede hacerlo en su teléfono: verificar los detalles del cliente, actualizar casos o incluso chatear con los clientes.

2. ¿Cuáles son las limitaciones del servicio al cliente móvil en Salesforce?

Dibujos animados y cómics de Parking Boot - imágenes divertidas de CartoonStock

Si bien la aplicación móvil Salesforce es súper poderosa, es un poco como intentar colocar una nave espacial en un lugar de estacionamiento. Algunas tareas o informes complejos pueden resultar difíciles de navegar en una pantalla más pequeña y es posible que ciertas personalizaciones no se muestren como lo hacen en un escritorio.

Métricas y análisis de rendimiento

1. ¿Cómo se mide la satisfacción del cliente en Service Cloud?

En Service Cloud, no solo responde las consultas de los clientes y espera que estén satisfechos; lo verifica utilizando herramientas como encuestas, puntajes CSAT y Net Promoter Scores (NPS). Puede enviarlos automáticamente después de que se resuelva un caso. Es como preguntar: "¿Qué le pareció nuestro servicio?" ¡para que puedas seguir viviendo esa experiencia de servicio cinco estrellas!

2. ¿Qué es una puntuación de satisfacción del cliente (CSAT)?

CSAT es como preguntarle a sus clientes, en una escala del 1 al 5. Es una puntuación que los clientes otorgan en función de su satisfacción con una interacción específica que tuvieron con su equipo de servicio. Cuanto mayor sea la puntuación, mejor trabajo hizo para cumplir (¡o superar!) sus expectativas.

3. ¿Qué es Net Promoter Score (NPS) y cómo se utiliza en Salesforce?

NPS es como preguntar a sus comensales: "¿Recomendaría nuestro restaurante a otras personas?" y luego, dependiendo de su respuesta, se agrupan en Promotores, Pasivos o Detractores. No se trata sólo de un plato de sopa; ¡Lo importante es si toda la experiencia gastronómica les hace querer contárselo a sus amigos! En Salesforce, puede enviar encuestas NPS y luego realizar un seguimiento de su puntuación a lo largo del tiempo, con el objetivo siempre de mejorar la experiencia del curso completo.

4. ¿Se pueden integrar herramientas de encuestas externas con Salesforce?

Puede integrarlo con herramientas de encuestas externas que quizás ya esté utilizando o prefiera, como SurveyMonkey o Google Forms. De esta manera, reúne todos esos comentarios cruciales en un solo lugar, lo que facilita ver el panorama general y tomar decisiones informadas.

Inteligencia artificial (IA)

1. ¿Qué es Salesforce Einstein y cómo se aplica a Service Cloud?

Salesforce Einstein utiliza IA para analizar las diferentes interacciones y datos, predecir las necesidades de los clientes e incluso automatizar las respuestas.

2. ¿Cómo funcionan los Bots de Einstein?

Se encargan de las tareas sencillas y rutinarias del servicio de atención al cliente, como responder preguntas comunes o guiar a un usuario a través de un proceso establecido.

3. ¿Puede Einstein sugerir respuestas a los agentes?

Es como un manual dinámico e inteligente que no sólo tiene todas las respuestas sino que también sabe exactamente cuándo proporcionarlas. Analiza el problema del cliente y proporciona al agente la mejor respuesta o solución, acelerando el servicio y asegurándose de que las "comidas" de su servicio al cliente sean siempre deliciosas.

Servicio de campo

1. ¿Qué es Field Service Lightning?

Vector libre | Banner de camión de comida de estilo de dibujos animados

Imagina que organizas un festival de camiones de comida, donde varios camiones sirven diferentes delicias por todo el lugar. Ahora, Field Service Lightning (FSL) es como tener un coordinador de eventos súper organizado que sabe qué camión de comida está dónde, qué sirven, quién está disponible para servir delicias y quién se toma un descanso. ¡Se trata de administrar su equipo sobre la marcha, asegurándose de que tengan los "ingredientes" correctos (herramientas, piezas) para resolver cualquier desafío "culinario" (problema del cliente) que encuentren en el campo!

2.¿Cómo se integra Field Service Lightning con Service Cloud?

Field Service Lightning, cuando se integra con Service Cloud, brinda información en tiempo real hacia y desde las unidades móviles (FSL), para que todos sepan lo que sucede a su alrededor.

3. ¿Puede programar y enviar agentes de servicio de campo utilizando Salesforce?

¡Absolutamente! Puede planificar horarios, asignar agentes a diferentes trabajos y asegurarse de que estén listos para mejorar sus especialidades según sea necesario. Y si hay una prisa repentina, el sistema puede redirigir a los agentes desde lugares menos concurridos para que ayuden, equilibrando la carga de trabajo y manteniendo contentos a los clientes.

Claro, profundicemos en las macros en Service Cloud de Salesforce con un enfoque conversacional fácil de recordar. ¡Imagínate que estamos charlando en tu cafetería favorita!

macros

1.¿Qué es una macro en Salesforce Service Cloud?

Es un atajo genial que realiza tareas repetitivas por ti. Entonces, si te encuentras haciendo los mismos clics una y otra vez, una macro dice: "¡Oye, ya tengo esto!". ¡Y listo!

2. ¿Todos pueden usar mis Macros?

Si los mantiene públicos, cualquiera puede usarlos. Pero si cree que su macro es secreta, puede guardársela para usted. En Salesforce, se trata de establecer permisos y compartir configuraciones.

3. ¿Pueden las macros interactuar con aplicaciones de terceros en Salesforce?

– Directamente, no. Las macros están diseñadas para automatizar las funcionalidades estándar de Salesforce.

4. ¿Es posible deshacer las acciones de una Macro una vez ejecutada?

No, no hay un botón "deshacer" para las macros. Una vez que se ejecuta una macro, sus acciones se consideran definitivas.

5. ¿Se pueden programar las macros para que se ejecuten a una hora específica?

No, las macros no se pueden programar. Son como un conjunto de herramientas manuales que requieren que alguien las utilice activamente; no funcionan con un temporizador automático.

6. ¿Qué tipo de acciones no puedes realizar con una Macro?

Las macros no pueden manejar procesos complejos de toma de decisiones, interactuar con sistemas externos ni crear registros.

7. ¿Cómo se organizan y gestionan las Macros para un equipo de agentes en Service Cloud?

Utilice carpetas para organizar y compartir colecciones de macros.

8. ¿Se puede modificar una macro activa? ¿Hay que tomar alguna precaución?

Sí, puede editar una macro y probar las modificaciones antes de su uso generalizado.

9. ¿Es posible asignar Macros específicas a usuarios o perfiles específicos?

Si bien no puede asignar una macro directamente a usuarios específicos, puede controlar el acceso utilizando las carpetas de macros y la configuración de uso compartido de Salesforce.

10. ¿Cómo se relacionan las macros con la API de Salesforce?

Las macros no interactúan directamente con la API de Salesforce. Funcionan dentro de la interfaz de usuario, automatizando las acciones manuales del usuario.

11. ¿Se pueden utilizar las macros junto con Salesforce Flows?

Las macros y los flujos tienen diferentes propósitos. Mientras que las Macros automatizan las acciones del usuario, los Flujos automatizan los procesos en el backend.

12. ¿Cómo funciona el manejo de errores con Macros?

Si una macro encuentra un problema durante la ejecución, se detiene y se muestra un mensaje de error.

13. ¿Pueden los usuarios sin privilegios de administrador crear o modificar macros?

Los usuarios pueden crear macros personales, pero crear o modificar macros compartidas normalmente requiere ciertos permisos o privilegios de administrador.

14. ¿Existe alguna forma de realizar un seguimiento de los cambios realizados por una Macro?

No existe un mecanismo de seguimiento directo para las macros, pero puede utilizar las funciones de seguimiento de auditoría estándar de Salesforce para ver los cambios en los registros.

15. ¿Cuál es el papel de las instrucciones macro en el proceso de creación?

Las instrucciones macro son el corazón de la macro y dictan qué acciones realiza. Elaborarlos es como escribir una lista detallada de tareas pendientes para otra persona; es necesario especificar cada paso de forma clara y en orden.

29. ¿Puedes usar macros para enviar correos electrónicos con archivos adjuntos?

No, las macros pueden automatizar el proceso de envío de un correo electrónico, pero no pueden agregar archivos adjuntos.

Omnicanal

1. ¿Puedes explicar qué es OmniCanal en Salesforce?

Conozca todo sobre: OmniCanal en Salesforce

OmniCanal es una característica de Salesforce que permite la gestión de elementos de trabajo entrantes desde diferentes canales de comunicación. Se trata de dirigir el trabajo adecuado a los agentes adecuados en el momento adecuado, en función de su disponibilidad y capacidad, garantizando que las cargas de trabajo se gestionen de manera eficiente.

2: ¿Cómo beneficia OmniCanal a un equipo de servicio al cliente?

OmniChannel ayuda a los equipos de servicio al cliente al distribuir el trabajo de manera uniforme entre los agentes, reducir los tiempos de espera de los clientes y permitir que los agentes manejen el trabajo desde varios canales dentro de una sola plataforma. Este enfoque simplificado conduce a un mejor servicio al cliente y una mayor productividad de los agentes.

3. ¿Cuál es la diferencia entre OmniCanal y distribución del trabajo tradicional?

La distribución tradicional del trabajo a menudo implica una asignación manual, lo que puede llevar mucho tiempo y ser ineficiente. OmniChannel, por otro lado, dirige automáticamente el trabajo a los agentes más adecuados según criterios preestablecidos y la disponibilidad de los agentes en tiempo real, lo que hace que el proceso sea más rápido y eficiente.

4. ¿Puede explicar el “Estado de presencia” en OmniCanal?

“Estado de presencia” se refiere a la disponibilidad actual de un agente para recibir trabajo. Los agentes pueden configurar su estado para mostrar si están disponibles, ocupados o ausentes, y OmniCanal utiliza esta información para enrutarles el trabajo en consecuencia.

5. ¿Cómo garantiza OmniCanal que los casos de alta prioridad se manejen rápidamente?

OmniCanal permite a los administradores establecer niveles de prioridad para diferentes tipos de trabajo. Cuando llegan elementos de trabajo, se enrutan automáticamente según estos niveles de prioridad. Los elementos de alta prioridad se envían al principio de la cola para que se atiendan más rápido.

6. ¿Se puede integrar OmniCanal con otras funciones de Salesforce?

Sí, OmniCanal se integra perfectamente con otras funciones de Salesforce. Por ejemplo, funciona con Service Cloud para gestionar procesos de atención al cliente, Sales Cloud para procesos de ventas e incluso aplicaciones personalizadas de Salesforce.

7. ¿Cómo admite OmniCanal los diferentes canales de comunicación?

OmniCanal es versátil al admitir varios canales de comunicación como correo electrónico, chat, SMS y redes sociales. Dirige todos estos diferentes tipos de trabajo a los agentes a través de la misma plataforma, garantizando un enfoque unificado del servicio al cliente.

8. ¿Puede describir un escenario en el que el enrutamiento omnicanal podría resultar beneficioso?

Imagine un escenario en el que hay un gran volumen de solicitudes de servicio entrantes y una cantidad limitada de agentes disponibles. OmniCanal dirige eficientemente las solicitudes a los agentes disponibles según sus habilidades, carga de trabajo y prioridad de los casos, garantizando una carga de trabajo equilibrada y respuestas oportunas.

9. ¿Cuáles son los tipos de Omni Channel?

Basado en cola → Asignar agentes a la cola

Basado en habilidades → Asignar habilidades a los agentes

Enrutamiento externo → Configuración de enrutamiento de terceros

10. ¿Cómo configurar Omni Channel?

  1. Habilite OmniCanal.
  2. Crear canales de atención.
  3. Cree configuraciones de enrutamiento.
  4. Asociar configuraciones de enrutamiento y agentes con colas.
  5. Crear configuraciones de presencia.
  6. Crear estados de presencia.
  7. Agregue el widget omnicanal.

11. ¿Cómo crear un Canal de Atención?

Se puede crear un canal de servicio para cualquier objeto de Salesforce, como un caso, cliente potencial, sesión SOS o objeto personalizado.

12. ¿Cómo crear una configuración de enrutamiento?

Las configuraciones de enrutamiento determinan cómo se enrutan los elementos de trabajo a los agentes.

Utilícelos para priorizar la importancia relativa y el tamaño de los elementos de trabajo de sus colas.

13. ¿Explicar los ajustes de configuración de enrutamiento?

Prioridad de ruta:

El orden en el que los elementos de trabajo de la cola asociados con esta configuración de enrutamiento se enrutan a los agentes. Los objetos en colas con un número menor se enrutan primero a los agentes.

Modelo de enrutamiento:

Determina cómo se enrutan los elementos de trabajo entrantes a los agentes asignados al canal de servicio de configuración.

Tiempo de espera de empuje (segundos):

Establece un límite de tiempo para que un agente responda a un elemento antes de enviarlo a otro agente.

Unidades de Capacidad:

Cantidad de capacidad total del agente.

Preguntas basadas en escenarios

1. ¿Cómo diseñaría una solución para respaldar a un equipo de soporte multilingüe que utiliza Service Cloud?

Service Cloud de Salesforce admite equipos multilingües mediante el uso de funciones como Translation Workbench, que le permite traducir objetos estándar y personalizados, reglas de validación, etiquetas de campo y más, a cualquiera de los idiomas admitidos.

Además, los artículos de conocimiento se pueden escribir y traducir a varios idiomas, lo que permite a los agentes de soporte acceder y proporcionar información en varios idiomas.

También puede configurar OmniCanal para enrutar casos a los agentes adecuados según sus habilidades lingüísticas. De esta manera, los clientes pueden interactuar con el soporte en su idioma preferido, mejorando la satisfacción del cliente.

2. ¿Puede explicarme el proceso de diseño de una solución de Service Cloud que incorpore reglas de escalamiento de casos y SLA para garantizar una resolución oportuna del caso?

  1. Es necesario definir los SLA, es decir, el tiempo dentro del cual se deben resolver casos de ciertos tipos o prioridades.
  2. Una vez definidos, configurará los procesos de derechos para especificar el cronograma para cada etapa de resolución del caso.
  3. Luego, usaría Milestones dentro de estos procesos para rastrear si los casos se están resolviendo dentro de los SLA definidos.
  4. Las reglas de escalamiento de casos se usarían para escalar casos que estén en peligro de violar sus SLA. Estos se pueden configurar para escalar según la antigüedad del caso, la prioridad o incluso si el caso ha estado inactivo. Los casos escalados pueden luego remitirse automáticamente a agentes o supervisores con más experiencia para recibir atención urgente.

3. ¿Cómo abordaría el diseño de una solución para un centro de llamadas a gran escala que necesita gestionar grandes volúmenes de casos y llamadas?

– Para los centros de llamadas de gran volumen, le conviene aprovechar la función OmniCanal de Service Cloud, que garantiza que los casos se dirijan a los agentes adecuados según su disponibilidad y conjunto de habilidades, lo que ayuda a gestionar la carga de trabajo de manera eficiente. La integración de la telefonía mediante Open CTI permite a los agentes recibir y realizar llamadas directamente dentro de Salesforce, garantizando que tengan toda la información relevante del cliente al alcance de su mano.

4. ¿Cuál es su experiencia con la integración de aplicaciones de terceros en Service Cloud y cómo ha abordado la solución de problemas de integración en el pasado?

Mi enfoque implica primero garantizar que la aplicación de terceros tenga una documentación API sólida y cumpla con las mejores prácticas de seguridad y cumplimiento. Salesforce ofrece varias formas de integración, como mediante API REST o SOAP, servicios externos o incluso mediante aplicaciones AppExchange, si están disponibles.

5. ¿Cómo diseñaría una solución que utilice Service Cloud para rastrear la opinión del cliente e incorporar esa información en los flujos de trabajo de gestión de casos?

Service Cloud puede integrarse con herramientas que ofrecen análisis de sentimientos, incluido Einstein Sentiment de Salesforce. Al analizar el texto de las interacciones con los clientes (correos electrónicos, transcripciones de chat, publicaciones en redes sociales), se puede determinar el sentimiento (positivo, neutral, negativo). Estos datos de opinión se pueden almacenar como un campo en el objeto Caso o en un objeto personalizado relacionado.

6. ¿Puede dar un ejemplo de cómo ha utilizado Service Cloud para mejorar las capacidades de autoservicio del cliente y reducir la cantidad de solicitudes de soporte entrantes?

Una estrategia eficaz es implementar una comunidad o portal de clientes utilizando Salesforce Community Cloud, integrado con Service Cloud. Aquí se puede acceder a los artículos de la base de conocimientos, lo que permite a los clientes encontrar respuestas a sus preguntas. También se pueden crear casos directamente desde la comunidad y los clientes pueden verificar su estado sin necesidad de comunicarse con el soporte. La implementación de un chatbot a través de Einstein Bots también puede desviar consultas rutinarias al proporcionar respuestas automáticas a preguntas comunes.

7. ¿Has trabajado con Service Cloud Voice? ¿Cómo ha utilizado esta tecnología para mejorar el rendimiento del call center y la satisfacción del cliente?

Service Cloud Voice integra la telefonía en Salesforce, brindando una vista unificada del cliente y transcripción de llamadas en tiempo real. Esto permite a los agentes centrarse más en el cliente que en tomar notas. La transcripción en tiempo real, impulsada por Einstein, también puede proporcionar sugerencias para el siguiente paso, ayudando a los agentes más nuevos. La conclusión posterior a la llamada se acelera porque los datos de la llamada ya están en Salesforce, lo que reduce el trabajo posterior a la llamada y, en consecuencia, los tiempos de espera para los clientes. Los datos históricos de llamadas brindan información valiosa para el análisis de la opinión del cliente y el desempeño de los agentes, lo que impacta positivamente la capacitación y la satisfacción del cliente.

8. ¿Cómo abordaría el diseño de una solución para una empresa que opera en varios países con diferentes regulaciones de privacidad de datos?

– El cumplimiento de diversas normas de privacidad de datos se puede gestionar en Service Cloud mediante el uso de funciones como opciones de residencia de datos para almacenar datos en regiones específicas, enmascaramiento de datos, cifrado, seguridad a nivel de campo y reglas de acceso a registros para controlar quién puede acceder a qué datos.

9. ¿Cómo ha abordado los problemas de escalabilidad y rendimiento al diseñar soluciones de Service Cloud para grandes empresas?

  • Para las grandes empresas, las consideraciones incluyen la gestión del volumen de datos, el uso de las herramientas de optimización del rendimiento integradas de Salesforce y la revisión periódica de la organización para eliminar configuraciones y personalizaciones obsoletas.
  • También es importante diseñar con una mentalidad de “clics, no código” para minimizar el código personalizado, que puede introducir complejidad y sobrecarga de rendimiento.
  • Cuando es necesario un código personalizado, es vital seguir las mejores prácticas para la masificación y las consultas SOQL eficientes. Finalmente, el monitoreo a través del Optimizador, Health Check y otras herramientas de Salesforce puede ayudar a identificar y mitigar problemas de rendimiento de manera proactiva.

10. ¿Cómo ha utilizado Service Cloud para mejorar la retención de clientes y reducir las tasas de abandono?

En Service Cloud, la retención de clientes se puede mejorar significativamente utilizando las sólidas funciones de servicio al cliente de la plataforma. Por ejemplo, aprovecho las capacidades de análisis e informes de Service Cloud para realizar un seguimiento de las puntuaciones de satisfacción del cliente e identificar problemas comunes que provocan la insatisfacción del cliente. Al integrar los comentarios directamente en el sistema de gestión de casos, los agentes pueden abordar las inquietudes de manera proactiva antes de que se intensifiquen, lo que impacta directamente en la satisfacción y retención del cliente. Además, características como la comunicación personalizada con el cliente, artículos de conocimiento para el autoservicio y la resolución eficiente de casos a través del enrutamiento y escalamiento automatizados de casos ayudan a mantener una experiencia positiva para el cliente, reduciendo así la deserción.

11. ¿Ha trabajado con la funcionalidad Live Agent de Service Cloud? ¿Cómo ha utilizado esta tecnología para mejorar las experiencias de atención al cliente?

Sí, utilicé Live Agent dentro de Service Cloud para mejorar el soporte que reciben los clientes en tiempo real. Al integrar Live Agent, los clientes pueden chatear instantáneamente con agentes de soporte, lo que reduce los tiempos de espera y mejora la satisfacción general. Descubrí que incorporar el chat de Live Agent en sitios web y aplicaciones móviles donde los clientes son más activos reduce significativamente la barrera para acceder al soporte.

12. ¿Puede describir cómo diseñaría una solución de Service Cloud que incorpore el enrutamiento automatizado de casos al agente apropiado según el problema del cliente y el conjunto de habilidades del agente?

Para lograr esto, aprovecharíamos la función OmniCanal, que permite enrutar los casos según el conjunto de habilidades, la disponibilidad y la carga de trabajo del agente.

  1. Comenzaría por definir varios conjuntos de habilidades de agentes dentro del sistema y asociaría estas habilidades con los agentes correspondientes.
  2. Luego, establecía configuraciones de enrutamiento, donde los casos entrantes se evalúan según criterios predefinidos relacionados con el problema del cliente y luego se los relaciona con un agente que posee el conjunto de habilidades requerido.

13. ¿Cómo abordaría el diseño de una solución de Service Cloud que pueda manejar grandes volúmenes de casos manteniendo tiempos de respuesta consistentes y niveles de satisfacción del cliente?

  • Primero, implementaría reglas de asignación de casos para automatizar la distribución de casos a los agentes o colas correctos.
  • Luego, utilizaría la función de reglas de escalamiento de casos de Service Cloud para priorizar casos urgentes o de alto impacto.
  • Para mantener tiempos de respuesta constantes, se pueden utilizar funciones como reglas de respuesta automática para reconocer inmediatamente los envíos de casos.
  • Además, integraría una base de conocimientos integral para facilitar las opciones de autoservicio, reduciendo así la carga de casos para los agentes.

50% Me gusta VS
50% No me gusta

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://www.sfdcamplified.com/salesforce-service-cloud-interview-questions/#utm_source=rss&utm_medium=rss&utm_campaign=salesforce-service-cloud-interview-questions

Categories
Developers Tutoriales de Salesforce

Diseñe una API Swagger con código para traer datos a Salesforce ☁️

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.

Diseñe una API de Swagger con código para llevar datos a Salesforce | Blog de desarrolladores de Salesforce

La integración de una API externa con su organización de Salesforce puede ser una tarea sencilla que no requiere código si utilizaCredenciales con nombre y Servicios externos . Deberá crear una credencial con nombre que apunte a la API y configurar un servicio externo en la interfaz de usuario de configuración. La clave aquí es proporcionar una especificación OpenAPI para la API. Si la API no tiene una, puede diseñarla usted mismo manualmente usando YAML o JSON, usar MuleSoft Anypoint Platform o aprovechar las herramientas y el código de código abierto.

En esta publicación, le presentaremos la especificación OpenAPI y Swagger, discutiremos los elementos principales de la especificación y lo guiaremos a través del diseño e implementación de una API con código. Usaremos Node.js y Swagger dentro del marco Fastify para esta tarea. Finalmente, integraremos esta API con Salesforce.

OpenAPI y Swagger

OpenAPI es una especificación para diseñar y construir API. Proporciona una forma estandarizada de definir su API para otros, brindando una forma estructurada que incluye puntos finales, tipos de solicitud/respuesta, definiciones de esquema, métodos de autenticación y más. Las especificaciones de OpenAPI están escritas en formatos YAML o JSON, ambos fáciles de leer y escribir. Esta especificación es ampliamente adoptada y respaldada por una variedad de herramientas, lo que la convierte en una opción popular para diseñar y documentar API. De hecho, si desea importar una API a Salesforce utilizando servicios externos, deberá especificarse con OpenAPI. Además, Salesforce es miembro de la Iniciativa OpenAPI .

Nota: A la fecha de esta publicación, la versión actual de la especificación OpenAPI es 3.1.0.

Swagger , por otro lado, es un conjunto de herramientas ( la mayoría de código abierto ) para implementar la especificación OpenAPI. Incluye la interfaz de usuario de Swagger, que proporciona una interfaz gráfica para comprender y probar las API, y Swagger Codegen, que genera código SDK de cliente y apéndices de servidor a partir de una especificación OpenAPI.

La especificación OpenAPI v2 también se conoce como Swagger, pero su nombre cambió cuando se convirtió en parte de la iniciativa OpenAPI en 2016.

Estructura básica de la especificación OpenAPI

La especificación OpenAPI está organizada en las siguientes secciones clave:

API abierta Define el documento raíz y combina la lista de recursos y la declaración de la API. Requerido
Información Proporciona metadatos sobre la API, como el título, la descripción, los términos del servicio, la información de contacto, etc. Obligatorio
Servidores Especifica una o más URL base para su API, como producción o preparación.
Seguridad Define un esquema de seguridad que pueden utilizar las operaciones de la API.
Caminos Describe las rutas y operaciones disponibles para la API. Cada ruta tiene un método HTTP con los detalles de la operación.
Etiquetas Agrega metadatos a una sola etiqueta que utiliza el objeto de operación.
Documentos externos Proporciona una descripción y una URL para la documentación externa.
Componentes Define un conjunto de objetos reutilizables para diferentes aspectos de la API. Esto puede incluir esquemas, respuestas, parámetros, ejemplos, cuerpos de solicitud, encabezados, esquemas de seguridad, etc.

Para obtener una explicación más detallada de cada sección y sus correspondientes definiciones de objeto, consulte la documentación oficial de la especificación OpenAPI .

Para fines de demostración, crearemos una API para administrar una librería. Esta API contará con dos métodos HTTP: uno para enumerar los libros disponibles y otro para agregar nuevos libros. A continuación, encontrará una definición básica de esta API, centrándose en el método para listar libros ( GET /books ) y sus objetos de respuesta.

Tenga en cuenta que estamos usando tres secciones principales aquí: Información , Rutas y Componentes . Como se mencionó anteriormente, describiremos esta API a medida que la implementemos mediante código. Para este propósito, utilizaremos Fastify y Fastify Swagger.

Fastify y Fastify Swagger

Fastify es un marco web altamente eficiente y flexible para Node.js. Está diseñado para facilitar su uso y ofrecer la máxima velocidad sin comprometer la personalización. Fastify proporciona una base sólida para las aplicaciones web y las API, con funciones como la validación de solicitudes y respuestas basadas en esquemas, ganchos, complementos y registro automático. Una de sus principales ventajas radica en su ecosistema, que incluye numerosos complementos centrales y mantenidos por la comunidad.

Uno de estos complementos es fastify-swagger . Este complemento nos permite ofrecer definiciones de Swagger (OpenAPI v2) u OpenAPI v3, que se generan automáticamente a partir de sus esquemas de ruta o de una definición existente de Swagger/OpenAPI. Además, utilizará fastify-swagger-ui , un complemento que sirve una instancia de Swagger UI dentro de su aplicación.

Nota: La siguiente demostración requiere la instalación de Node.js LTS y, a la fecha de esta publicación de blog, la última versión es v18.16.0.

Comencemos a crear la API de su librería instalando Fastify CLI y generando un nuevo proyecto ejecutando:

Luego, vayamos a la carpeta del proyecto e instalemos las dependencias fastify-swagger y fastify-swagger-ui .

Nota: En esta demostración, se centrará en tres aspectos principales: agregar compatibilidad con Swagger a Fastify, definir rutas de API y delinear esquemas y tipos de respuesta. No explicaremos cómo integrar la API con una base de datos. Si está interesado en explorar la fuente completa del proyecto, está disponible en el repositorio de ejemplos de codeLive.

Agreguemos compatibilidad con Swagger a Fastify editando el archivo app.js , luego importemos Swagger y SwaggerUI y registrémoslos como complementos.

aplicación.js

En la configuración del complemento de Swagger, tiene la opción de pasar toda la definición de especificación de OpenAPI, o puede aprovechar el enfoque dinámico que ofrece el complemento. Para esta demostración, utilizará el enfoque dinámico. Dado que el único campo obligatorio es info , definirá los metadatos de su API allí, además, la sección refResolver se encarga de nombrar las referencias de definición de esquema.

Y para SwaggerUI, solo especifica la ruta donde se alojará el sitio de documentación.

Ahora vamos a crear una carpeta schemas . Aquí es donde definirá los esquemas de su API. Para esta demostración, definirá un esquema book y un esquema error .

esquemas/index.js

Los esquemas representan la estructura de los objetos con los que trabajará, tanto para los cuerpos de solicitud como para los de respuesta. Para la especificación OpenAPI, el complemento Swagger agregará automáticamente estos objetos en el campo components .

Finalmente, definamos las rutas API para GET /books y POST /books usando Fastify. Primero, deberá registrar los esquemas dentro de Fastify. Luego, especificará los objetos de respuesta y solicitud para cada ruta que haga referencia a esos esquemas.

rutas/root.js

{ // … look at the code repository for a complete implementation } ) // POST /books fastify.post( ‘/books’, { schema: { description: "Create a book", body: { $ref: ‘book#’, required: [‘author’, ‘title’] }, response: { 201: { description: ‘Returns the book that has been created’, $ref: ‘book#’ }, 500: { description: ‘Returns an error’, $ref: ‘error#’ } } } }, async (request, reply) => { const { title, author } = request.body const id = randomUUID() const client = await fastify.pg.connect() try { const { rows: books } = await client.query( ‘INSERT INTO books(id, title, author) VALUES($1, $2, $3) RETURNING *’, [id, title, author] ) const [newBook] = books reply.code(201).send(newBook) } catch (error) { reply .status(500) .send({ code: 500, message: `An error ocurred: ${error.message}` }) } finally { client.release() } } ) // GET / fastify.get(‘/’, { schema: { hide: true } }, async function (request, reply) { reply.status(301).redirect(‘/api-docs’) })
} «>

Analicemos la ruta POST /books :

  • La función fastify.post define el método HTTP.
  • El primer argumento especifica la ruta: /books.
  • El segundo argumento especifica el schema , que incluye el body : el objeto de carga útil que espera la API. (Tenga en cuenta que es una referencia al esquema del book ). También incluye varios objetos response para esa ruta, que se asignan a los códigos de estado HTTP correspondientes 201 y 500 .
  • El tercer argumento es la implementación de la ruta. En este caso, está insertando el objeto en la base de datos y devolviendo el nuevo objeto. Si este proceso falla, devolverá un objeto de error. Es importante tener en cuenta que está utilizando los mismos esquemas que definió anteriormente.

Nota: También tiene la opción de excluir ciertas rutas de la documentación pasando hide: true en el objeto de esquema de esa ruta específica, como se demuestra en GET / route.

Su API está lista, así que ejecútela localmente para echar un vistazo a la interfaz de SwaggerUI ejecutando:

Y navegue a http://localhost:3000/api-docs para ver las diferentes rutas, su documentación y tener una forma de probarlas directamente desde la interfaz.

Si desea probarlo e implementarlo en Heroku, asegúrese de actualizar el script start en el archivo package.json con lo siguiente.

Además, asegúrese de tener acceso a una base de datos Heroku PostgreSQL y cree el esquema de la base de datos ejecutando:

<dx-code-block title language code-block="heroku pg:psql

Nota: El archivo database.sql está disponible en el repositorio de ejemplos de codeLive.

Luego puede implementarlo ejecutando:

Si desea ver cómo se ve implementado, vea mi versión que se ejecuta en Heroku .

Integración de una API externa con Salesforce

Ahora que tiene una API de acceso público, integrémosla con Salesforce como un servicio externo.

Primero, deberá crear una credencial con nombre para esta API. En la interfaz de usuario de configuración, vaya a Seguridad > Credenciales con nombre y cree una credencial externa con un protocolo de autenticación personalizado y una entidad de seguridad.

Asegúrese de que la credencial externa tenga una entidad principal a la que le haya asignado permisos en Acceso principal de credenciales externas en su conjunto de permisos.

Luego, cree una credencial con nombre que haga referencia a la credencial externa con la URL que apunta a la API pública.

A continuación, vaya a Integraciones > Servicios externos y agregue un nuevo servicio externo desde una especificación de API, seleccione la credencial con nombre y configure la ruta relativa a la ruta de especificación de OpenAPI. En su demostración, será /api-docs/json .

Después de eso, guarde sus cambios y seleccione las operaciones que desea importar a Salesforce, revise las operaciones y finalice.

Como puede ver, las operaciones que ha seleccionado se han importado correctamente, especificando tanto los parámetros de entrada como los de salida.

Ahora podrá invocar este servicio externo desde Flow, Apex, Einstein Bots y OmniStudio.

Conclusión

OpenAPI y los servicios externos de Salesforce brindan una poderosa combinación para integrar API externas en su organización de Salesforce. Al aprovechar el enfoque estandarizado de OpenAPI para definir las API y la capacidad de Salesforce para consumir fácilmente estas definiciones e invocarlas desde soluciones de código bajo y pro-código, los desarrolladores como usted pueden optimizar el proceso de conexión a servicios externos y mejorar las capacidades de sus aplicaciones de Salesforce.

Si está interesado en obtener más información sobre los servicios externos , puede encontrar una lista de recursos de aprendizaje a continuación, incluidos videos que muestran cómo invocarlos desde Flow y Apex.

Recursos de aprendizaje

Sobre el Autor

Julián Duque es un defensor principal de desarrolladores en Salesforce, donde se enfoca en Node.js, JavaScript y desarrollo backend. Le apasiona la educación y el intercambio de conocimientos y ha estado involucrado en la organización de comunidades tecnológicas y de desarrolladores desde 2001.

Sígalo en Twitter @julian_duque, @julianduque.co en Bluesky social o LinkedIn.

Obtenga las últimas publicaciones de blog de desarrolladores de Salesforce y episodios de podcast a través de Slack o RSS.

Agregar a Slack Suscríbete a RSS

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2023/06/design-a-swagger-api-with-code-to-bring-data-into-salesforce.html

Categories
Developers Tutoriales de Salesforce

Lanzamiento de Marketing Cloud Spring '23 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.

Lanzamiento de Marketing Cloud Spring '23 para desarrolladores | Blog de desarrolladores de Salesforce

El lanzamiento de Marketing Cloud Spring '23 está repleto de nuevas características increíbles para los desarrolladores de Marketing Cloud. Le llegarán muchas mejoras de Package Manager, Journey Builder, Account Engagement y más. En esta publicación, compartiremos algunos aspectos destacados de esta versión, incluidas las funciones que más nos entusiasman.

Barra de progreso de implementación de Package Manager

Package Manager le permite agrupar sus cambios e implementarlos en todos los entornos. Por ejemplo, si tiene un conjunto de recorridos o automatizaciones que desea reutilizar, puede agruparlos con sus dependencias y luego implementarlos en otras unidades comerciales. Además, puede crear soluciones empaquetadas que contengan activos de contenido, extensiones de datos y grupos de atributos.

Anteriormente, cuando usaban Package Manager para implementar un paquete, los desarrolladores no podían ver si sus implementaciones estaban progresando o cuánto tiempo más se necesitaba para que se completaran. Una nueva barra de progreso de implementación ahora muestra a los desarrolladores el estado de sus implementaciones en tiempo real. Esto brinda a los desarrolladores la visibilidad que tanto necesitan sobre el estado de su implementación e infunde confianza en que la implementación está avanzando. La siguiente imagen muestra la nueva barra de progreso de implementación en Package Manager.

Administrador de paquetes ContentBlockByName Compatibilidad con la función AMPscript

La nueva barra de progreso de implementación no es la única mejora que recibe Package Manager en la versión Spring '23. La función ContentBlockByName AMPscript también está recibiendo soporte adicional. Cualquier contenido al que haga referencia la función AMPscript ContentBlockByName ahora se incluirá automáticamente durante el empaquetado.

Anteriormente, al usar el siguiente código AMPscript…

… El Administrador de paquetes mostraría una advertencia que indica que es posible que AMPscript no funcione una vez implementado. Además, el recurso "my-image-block" no se incluiría automáticamente en el paquete. Ahora, el contenido al que se hace referencia se incluirá automáticamente durante el empaquetado. ¡Esto debería ayudar a ahorrarles a los increíbles desarrolladores un tiempo valioso!

[contenido incrustado]

CloudPages muestra errores de secuencias de comandos de Marketing Cloud en la vista previa de CloudPages

La vista previa de CloudPage ahora mostrará errores relacionados con los lenguajes de secuencias de comandos de Marketing Cloud, como AMPscript, Server Side JavaScript (SSJS) y GuideTemplate Language (GTL), para ayudar a los desarrolladores a solucionar problemas antes de publicar sus páginas. Antes de esta versión, la vista previa de CloudPages mostraba un mensaje de error genérico cuando había un error de lenguaje de secuencias de comandos de Marketing Cloud. Para evitar esto, los desarrolladores anteriormente tenían que solucionar problemas con try/catch para depurar y mitigar el problema. Las mejoras en los mensajes de error que aparecen en esta versión para los lenguajes de secuencias de comandos de Marketing Cloud deberían ayudar a aliviar algunos problemas de depuración.

Piloto de la API por lotes de Journey Builder

En este nuevo piloto de Journey Builder , los desarrolladores pueden ingresar hasta 50 contactos a la vez, en lugar de uno por uno, en los viajes utilizando la API de Batch. Esto ayudará a aumentar la estabilidad general de su instancia de Marketing Cloud durante las cargas y también mejorará la eficiencia operativa al reducir la cantidad de solicitudes de API necesarias para ingresar contactos en viajes. Los desarrolladores pueden esperar ver un rendimiento constante en tiempo real, incluso durante los picos de carga.

Actualmente, esta función no está disponible de forma general y solo está abierta a los candidatos a piloto. Si está interesado en participar en la prueba piloto, comuníquese con su gerente de cuenta, quien puede ponerlo en contacto con el equipo del producto.

API de exportación de compromiso de cuenta v5

Se han realizado algunas actualizaciones importantes en la API de exportación de compromiso de la cuenta para mejorar la velocidad y el rendimiento de los desarrolladores que utilizan la API para recuperar datos. Export API v5 facilita a los desarrolladores la sincronización de sus datos de marketing con un lago de datos, una plataforma de datos de clientes (CDP) o una herramienta de análisis.

La API de exportación ahora puede recuperar grandes volúmenes de datos más rápido y cubre más de 28 objetos en la exportación. La actualización más reciente de la API de exportación también permite a los desarrolladores ajustar el tamaño máximo del archivo de exportación entre 10 MB y 500 MB, para que los desarrolladores puedan extraer más datos. Export API v5 también dará prioridad a las funciones de marketing críticas sobre la exportación de datos, de modo que la ejecución del informe no cause interrupciones en los programas de marketing asincrónicos.

Echemos un vistazo a un ejemplo de cómo crear una solicitud para definir y poner en cola una exportación utilizando la nueva versión de Export API. Este ejemplo exporta una lista de prospectos creados dentro de un rango de tiempo específico. Los campos que elegimos incluir en la exportación están en el código.

Ahora echemos un vistazo a la respuesta a la solicitud anterior.

API de acción masiva de compromiso de cuenta

Bulk Action API v5 brinda a los desarrolladores la capacidad de importar una lista de ID de prospectos y moverlos de forma masiva a la papelera de reciclaje. Ahora, los desarrolladores pueden usar sus herramientas preferidas para identificar prospectos obsoletos y moverlos a la papelera de reciclaje. Esto ahorrará tiempo a los desarrolladores mientras realizan una actividad que antes era muy tediosa, para que puedan concentrarse en otras cosas. Además, se generará un informe de error que muestra los prospectos que no pudieron ser procesados. Actualmente, solo se admiten la acción soft-delete y el objeto prospect en este momento.

A continuación se muestra un ejemplo de una solicitud creada para eliminar prospectos.

Aquí está la respuesta a la solicitud anterior:

Conclusión

¡El lanzamiento de Spring '23 es emocionante con muchas mejoras para los desarrolladores de Marketing Cloud! Puede ver las notas de la versión completas para ver todas las increíbles funciones y mejoras que llegarán a Journey Builder, CloudPages, Account Engagement, Data Cloud y más. Ahora, ¡vamos a codificar!

Sobre el Autor

Danielle Larregui es promotora sénior de desarrolladores en Salesforce y se centra en las plataformas Marketing Cloud y Data Cloud. Le gusta el marketing digital, el diseño de experiencia de usuario, el diseño de interfaz de usuario y el desarrollo móvil. Puedes seguirla en Twitter @DnLarregui .

Obtenga las últimas publicaciones de blog de desarrolladores de Salesforce y episodios de podcast a través de Slack o RSS.

Agregar a Slack Suscríbete a RSS

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2023/03/marketing-cloud-spring-23-release-for-developers.html

Categories
Developers Tutoriales de Salesforce

Inicie su bot de Einstein en Twitter con el marco del conector del canal de bots de Einstein ☁️

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.

Inicie su bot de Einstein en Twitter con el marco del conector de canal de bots de Einstein | Blog de desarrolladores de Salesforce

En nuestra serie de blogs sobre la API de la plataforma Einstein Bots, hemos profundizado en diferentes aspectos del uso de la API para ayudarlo a aprovecharla al máximo en sus canales digitales. En esta cuarta publicación de la serie, nos centraremos en cómo usar el Marco de conector de canal de Bots de Einstein con Twitter, para que pueda usar Bots de Einstein para monitorear y responder tweets.

Hagamos un breve resumen de nuestra serie hasta ahora. El primer blog presentó los fundamentos de la API de Einstein Platform Bots, incluida la autorización, la autenticación y la gestión de sesiones. En el segundo blog , cubrimos los detalles del uso de un cliente de bot administrado por sesión y la administración de caché. El marco del conector de canales se presentó en el tercer blog , que proporciona un conjunto de herramientas para simplificar la creación de conectores de canales externos para un bot de Einstein. Es un Spring Boot Starter que puede definir una conexión a un bot preconfigurado con algunos parámetros de configuración.

El repositorio de código para Channel Connector contiene una carpeta de ejemplos con conectores de muestra para Twitter, Microsoft Teams, Slack y mensajes de texto. Estos ejemplos se pueden desarrollar y se pueden usar por sí solos o se pueden hacer referencia a ellos para desarrollar nuevos conectores personalizados. Empecemos a mirar el conector de Twitter.

Presentación de Einstein Bot Channel Connector con Twitter

Con el marco del conector de canal de Bots de Einstein, los Bots de Einstein pueden extender su alcance a Twitter. Puede configurarlos para monitorear conversaciones, responder consultas directas y conectar clientes con agentes las 24 horas del día, los 7 días de la semana.

En este artículo, veremos la implementación de un conector de canal que usa la API de Twitter para monitorear un conjunto de palabras clave o menciones. Luego, el marco del conector de canal reenvía estos tweets a un bot de Einstein. El código completo de esta demostración está disponible en la carpeta de ejemplos de este repositorio . El proyecto requiere ciertas configuraciones para conectarlo a su cuenta de desarrollador de Twitter y Bots de Einstein. Explicaremos estos parámetros y cómo obtenerlos en la siguiente sección.

requisitos previos

Para aquellos que son nuevos en Einstein Bots, Salesforce proporciona documentación detallada y módulos de Trailhead que cubren el diseño de bots. Para este ejemplo, comenzaremos con un Bot de Einstein que ya ha sido diseñado. Para acceder al bot a través de la API, debemos crear una nueva aplicación conectada y conectarla a su Einstein Bot. Después de este paso, tendrá los extremos orgId , botId , runtime-base url y ForceConfig para su bot, que usaremos más adelante en el archivo application.properties durante la configuración de la aplicación.

También se requiere una cuenta de desarrollador de Twitter para poder usar la API de Twitter. Una vez que haya configurado la cuenta de desarrollador, cree un proyecto y genere dos conjuntos de claves y tokens. El primer conjunto de claves es la clave y el secreto del consumidor de OAuth, que se puede crear siguiendo estas instrucciones . El segundo conjunto de claves es el token de acceso y el secreto. Para crear el token de acceso y el secreto:

  1. Active la autenticación de usuario en la configuración → Configuración de OAuth1.0a y configure los permisos. La aplicación de Twitter debe tener permisos de LECTURA y ESCRITURA.
  2. Instale twurl y ejecútelo usando su clave de consumidor y el secreto generado anteriormente: twurl authorize --consumer-key "your_key" --consumer-secret "your_secret" . Luego, siga las instrucciones en pantalla:
    1. Visite la salida del enlace del comando anterior, que le permite autorizar la aplicación.
    2. Luego de ser autorizado, genera un PIN que debe ingresarse en la terminal.

twurl almacena el token de acceso y el secreto del token de acceso en ~/.twurlrc .

Creación de una aplicación Java Spring

Nuestra demostración está construida con Java Spring , que es un marco de código abierto que se utiliza para crear aplicaciones empresariales. Utilizaremos Apache Maven para la automatización de compilaciones y la gestión de dependencias. Se proporciona un arquetipo Maven en el directorio del proyecto para crear un nuevo proyecto.

Este conector de demostración será una aplicación independiente que monitoreará los tweets usando la API de Twitter usando un conjunto de reglas definidas. Una vez que se encuentra un tweet que cumple con los criterios requeridos, se envía a un Bot de Einstein conectado mediante la API de Bots de Einstein y la respuesta del bot se envía de regreso al autor del tweet.

El proyecto recién creado tiene el código de esqueleto y todas las dependencias para la conectividad de Einstein Bots predefinidas. A continuación, agregaremos las dependencias correspondientes para la API de Twitter como se detalla en la siguiente sección.

dependencias del proyecto

Las dependencias del proyecto se definen en pom.xml y el proyecto recién creado incluye todas las dependencias requeridas por el marco del conector de canal de forma predeterminada. Como tal, solo requiere las dependencias para la API de Twitter que se agregaron de la siguiente manera en la sección de dependencias de pom.xml .

<dx-code-block title language code-block=" com.twitter twitter-api-java-sdk ${twitter-sdk-version} com.squareup.okhttp3 okhttp ${okhttp-version} com.squareup.okhttp3 logging-interceptor ${okhttp-version} «>

En el momento de escribir este artículo, las versiones de la biblioteca eran twitter-sdk-version=1.1.1 y okhttp-version=4.9.2 . La configuración de la conexión del bot implica la definición de un pequeño conjunto de parámetros de configuración que se analizan en la siguiente sección. Con las dependencias resueltas, ahora podemos implementar nuestro conector de Twitter.

diseño de código

El diseño de la aplicación web consta de dos servicios principales:

  • EinsteinBotService : un servicio que utiliza SessionManagedChatbotClient proporcionado por Einstein Bots SDK para enviar y recibir mensajes al bot de destino
  • TwitterStreamService : un servicio que se conecta continuamente a la transmisión filtrada de Twitter y busca menciones de identificadores definidos anteriormente en twitter.user.name

TwitterStreamService se conecta a un flujo filtrado y recibe tweets que coinciden con un conjunto definido de reglas. Estas reglas son configurables y definidas por el parámetro twitter.rule.ids discutido en la siguiente sección. Si hay una falla o un error, el servicio espera un breve intervalo preconfigurado y vuelve a intentar conectarse a la transmisión filtrada. Cuando se recibe un tweet coincidente, su contenido de texto se envía al Bot de Einstein.

El Bot de Einstein se puede configurar para responder preguntas frecuentes, registrar estos tweets en Salesforce, interactuar directamente con el usuario final o reenviar los tweets a un agente. Después de recibir una respuesta del bot, EinsteinBotService crea un tweet de respuesta y lo publica mediante la API de Twitter.

El resto del código trata de establecer una comunicación segura con Einstein Bots y la API de Twitter. Los parámetros de configuración, creados en los requisitos previos, deben establecerse en application.properties de su proyecto, como se describe en la siguiente sección.

Parámetros de configuración

El proyecto es totalmente configurable y está diseñado para obtener sus configuraciones específicas de Twitter y bots de application.properties . Los detalles de los parámetros de configuración están disponibles en el repositorio de código .

Estos parámetros son suficientes para permitir que el proyecto recién generado se conecte con éxito a su Einstein Bot y a su cuenta de Twitter. Como tal, los parámetros de configuración se pueden categorizar ampliamente en dos grupos. El primer conjunto de parámetros contiene detalles para el bot de Einstein y la organización a la que pertenece. También contiene información relacionada con OAuth, lo que le permitiría comunicarse de forma segura con el bot de Einstein.

El segundo conjunto de parámetros de configuración incluye cosas como el identificador de Twitter, reglas para filtrar las transmisiones de Twitter para identificar Tweets y detalles de autenticación para la API de Twitter. Tenga en cuenta que el acceso a la API de Twitter estará restringido detrás de un nivel pago después del 9 de febrero de 2023.

Una vez que se establecen los parámetros según las instrucciones dadas, la aplicación está lista para monitorear y enviar tweets seleccionados al bot de Einstein y enviar la respuesta del bot al usuario final. En su forma actual, el conector de Twitter está diseñado para funcionar con solo un bot de Einstein y un identificador de Twitter. Sin embargo, se puede ampliar fácilmente para monitorear varios identificadores e intercambiar mensajes con varios Bots de Einstein.

Conclusión

El conector de Twitter es solo un ejemplo de extremo a extremo desarrollado con el marco del conector de canal de Einstein Bots, y permite que Einstein Bots supervise y responda a los tweets. El marco de Channel Connector proporciona un conjunto de herramientas para simplificar y acelerar la integración de muchos canales personalizados a Einstein Bots. El marco viene empaquetado con un conjunto completo de ejemplos, incluidos conectores de muestra para Slack, Twitter, Microsoft Teams e incluso mensajes de texto que utilizan proveedores externos. Puede usar estas soluciones de muestra por sí solas o como referencia para desarrollar soluciones de conectividad personalizadas para sus Bots de Einstein.

Sobre los autores

Asif Ali es ingeniero de software principal en Salesforce y trabaja en Einstein Bots. Síguelo en LinkedIn .

Atul Kshirsagar es arquitecto de software en Salesforce y trabaja en Einstein Bots. Sígalo en LinkedIn y Twitter @atulckshirsagar .

Obtenga las últimas publicaciones de blog de desarrolladores de Salesforce y episodios de podcast a través de Slack o RSS.

Agregar a Slack Suscríbete a RSS

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2023/02/launch-your-einstein-bot-to-twitter-with-the-einstein-bots-channel-connector-framework.html

Categories
Developers Tutoriales de Salesforce

Transferencias de chat y uso compartido de datos con la API de la plataforma Einstein Bots ☁️

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.

Transferencias de chat y uso compartido de datos con la API de la plataforma <a href="https://www.egafutura.com/glosario/analitica-negocios">Einstein</a> Bots | Blog de desarrolladores de Salesforce

En nuestrapublicación de blog anterior , presentamos la nueva y poderosa API de la plataforma Einstein Bots. En esta publicación, analizaremos cómo funcionan las transferencias de Einstein Bot y profundizaremos en cómo funcionan las transferencias de bot a bot y cómo compartir datos entre bots.

¿Qué es una transferencia de chat de Einstein Bot?

Una transferencia de chat de bot es un proceso automatizado mediante el cual el sistema transfiere al usuario a un chatbot diferente o a un agente humano. Las transferencias pueden ocurrir debido a varias razones, tales como:

  • Debido a una solicitud del usuario
    • Durante una sesión de chat, los usuarios pueden, por varias razones, solicitar ser transferidos a un agente humano
  • Debido a una condición de error
    • Al procesar una solicitud de chat de un usuario, si hay un error/excepción en el sistema (por ejemplo, si una llamada de servicio falló o se agotó el tiempo de espera), el bot iniciará una solicitud de transferencia
  • Debido a una configuración predefinida
    • El administrador del bot puede configurar el bot de tal manera que si el usuario escribe una determinada frase/intención, o el flujo de diálogo lleva el chat a una determinada condición, entonces se inicia automáticamente una transferencia.

Puede leer más sobre las transferencias de chat de Einstein Bot en la documentación .

¿Cómo funcionan las transferencias de chat?

Como se explicó en nuestrapublicación de blog anterior , todas las sesiones de chat que no son de API están configuradas para funcionar en canales administrados por Salesforce. Es decir, el chat se inicia en nombre del usuario y se cancela o transfiere a un bot diferente o a un ser humano mediante un sistema de administración de canales propiedad de Salesforce.

El siguiente diagrama de secuencia ilustra un escenario típico de transferencia de chat de bot a bot.

El contexto del diagrama anterior es que hay una sesión de chat en curso entre el usuario y Einstein Bot 1. La secuencia sigue estos pasos:

  1. El usuario envía un mensaje de chat destinado a Einstein Bot 1.
  2. El canal de Salesforce recibe el mensaje y luego lo retransmite a Einstein Bot 1.
  3. Einstein Bot 1 inicia una solicitud de transferencia de chat. El bot puede hacer esto por cualquiera de las tres razones principales que describimos anteriormente en esta publicación (consulte la sección "¿Qué es una transferencia de chat de Einstein Bot?").
  4. El objetivo de la transferencia puede ser un agente humano, una cola de Salesforce o un bot diferente. En este escenario, el destino de la transferencia es Einstein Bot 2, lo que lo convierte en un escenario típico de transferencia de bot a bot.
  5. Una vez que el canal de Salesforce correspondiente recibe la solicitud de transferencia de Einstein Bot 1, simplemente establece una nueva sesión de chat con el objetivo (Einstein Bot 2) de la misma manera que lo hizo con Einstein Bot 1.
  6. La respuesta de Einstein Bot 2 al inicio del chat se transmite al usuario, quien luego comienza a chatear con Einstein Bot 2.

Tenga en cuenta que la transferencia se realizó sin problemas sin que el usuario lo notara (a menos que el usuario lo solicite explícitamente)

Transferencias de chat con la API de la plataforma de bots de Einstein

Con la nueva API de Einstein Bot Platform, las transferencias de chat funcionan de manera diferente. No hay un canal de Salesforce para realizar una transferencia de chat automatizada, el sistema del cliente tiene que hacer la transferencia real.

Exploremos esto usando nuestro escenario de transferencia de bot a bot. El siguiente diagrama ilustra una transferencia de chat mediante la API de la plataforma de bots de Einstein.

Nuevamente, el contexto de este diagrama de secuencia es que hay una sesión de chat en curso entre el usuario y Einstein Bot 1. La secuencia sigue estos pasos:

  1. El cliente envía un mensaje de chat a Einstein Bot 1. Nota: aquí el cliente es en realidad un sistema (un servicio web/un cliente de chat) escrito por el usuario y no por Salesforce. El usuario final en realidad está interactuando con este cliente.
  2. Einstein Bot 1 inicia una solicitud de transferencia de chat. Esta respuesta de iniciación de transferencia es esencialmente un objeto de respuesta simple que contiene la información objetivo de la transferencia. Puede leer más sobre este objeto de respuesta en la guía del cliente de la API de Einstein Bots Platform .
  3. El destino de la transferencia en el caso anterior es Einstein Bot 2.
  4. Una vez que el cliente del cliente recibe esta respuesta, simplemente establece una nueva sesión de chat con el objetivo (Einstein Bot 2) de la misma manera que lo hizo con Einstein Bot 1.

Como se puede observar, la API de la plataforma Einstein Bots proporciona solo la información relevante al cliente para realizar la transferencia. La API por sí sola no realiza la transferencia real.

Las transferencias de chat con la API se explican en detalle con un ejemplo de transferencia de bot a caso en la guía del cliente de la API de la plataforma Einstein Bots.

Ahora exploremos un caso de uso específico: compartir datos entre bots durante una transferencia de bot a bot.

Transferencias de bot a bot

Al diseñar un sistema de automatización, como un chatbot que interactúa con los clientes, los administradores de bots a menudo dividen la solución en varios componentes/bots independientes. Por ejemplo, considere una aplicación web de comercio electrónico. El chatbot en un sitio web de este tipo tiene una gran cantidad de tareas que se pueden realizar de forma independiente entre sí. Por ejemplo, una tarea puede vender/realizar pedidos, otra tarea puede rastrear un pedido, otra puede recopilar comentarios de los clientes, etc. Cada una de estas tareas se puede realizar de forma independiente, y no hay necesidad de poner toda esa lógica en un solo bot, lo que terminaría siendo una pesadilla de mantenimiento. Básicamente, el administrador del bot puede definir varios bots más pequeños que realizan cada una de las tareas anteriores de forma independiente.

Con un grupo de bots que trabajan juntos para lograr un objetivo determinado, a menudo existe la necesidad de compartir algunos datos que son críticos para su funcionalidad. Por ejemplo, en el diseño del chatbot de comercio electrónico, el bot de seguimiento de pedidos necesitaría saber el número de pedido y, en lugar de solicitar esa información al cliente, este bot puede obtenerla del bot que realizó el pedido.

Las siguientes secciones describen cómo podemos compartir información de manera efectiva entre bots con la nueva API de Einstein Bots.

Comparta datos de chat entre bots durante una transferencia

Los datos se pueden compartir entre dos bots durante una transferencia de bot a bot a través de variables de bot . Para comprender mejor este concepto, exploraremos un escenario de ejemplo.

Primero, definamos dos bots: "Bot de variables" y "Bot receptor de variables". Las siguientes dos capturas de pantalla muestran las dos implementaciones de bot:


Para el bot de variables, hemos definido tres variables personalizadas:

Además, el último elemento del bot de variables es un elemento de Rules que configura la respuesta de transferencia del bot. Puede obtener más información sobre cómo configurar esta respuesta de transferencia en la documentación .

Iniciemos una sesión de chat con el bot de variables y recopilemos las respuestas del usuario para las tres variables anteriores.

Inicie una sesión de chat con el Bot de Variables:

<dx-code-block title language code-block="curl -d '@body.json' -H 'Content-Type: application/json' -H 'Authorization: Bearer '$TOKEN -H 'X-Org-Id: ‘ https://runtime-api-na-east.prod.chatbots.sfdc.sh/v5.0.0/bots//sessions»>

El contenido de body.json debería verse así:

<dx-code-block title language code-block="{ "forceConfig": { "endpoint": "" }, "externalSessionkey": "Random UUID"
}»>

Una salida de muestra del comando anterior sería algo como lo siguiente:

A continuación, respondamos todas las preguntas que hace el bot para recopilar todas las variables necesarias.

Recopile la variable Name :

<dx-code-block title language code-block="curl -d '{"message": {"type":"text","text":"Test User","sequenceId":1}}' -H 'Content-Type: application/json' -H 'Authorization: Bearer '$TOKEN -H 'X-Org-Id: ‘ https://runtime-api-na-east.prod.chatbots.sfdc.sh/v5.0.0/sessions//messages»>

Recopile la variable de email :

<dx-code-block title language code-block="curl -d '{"message": {"type":"text","text":"user@testing.com","sequenceId":1}}' -H 'Content-Type: application/json' -H 'Authorization: Bearer '$TOKEN -H 'X-Org-Id: ‘ https://runtime-api-na-east.prod.chatbots.sfdc.sh/v5.0.0/sessions//messages»>

Recoge la variable company . De acuerdo con nuestra definición de bot, esta es la última entrada del usuario que solicitará el bot y luego devolverá un mensaje de respuesta de tipo escalate . El mensaje de escalado contiene el bot-id al que se debe transferir el chat en curso. Dado que esta es la última entrada de usuario esperada para el Bot de variables, ahora podemos incluir un parámetro en la solicitud que indica al Bot de variables que debe incluir todas las variables del Bot de variables en la respuesta.

El parámetro es el siguiente:

Por lo tanto, el comando de solicitud se parecería a lo siguiente:

<dx-code-block title language code-block="curl -d '{"message": {"type":"text","text":"Acme Inc","sequenceId":1},"responseOptions":{"variables":{"include":true,"onlyChanged":false}}}' -H 'Content-Type: application/json' -H 'Authorization: Bearer '$TOKEN -H 'X-Org-Id: 00D5e000003SihsEAC' https://runtime-api-na-east.prod.chatbots.sfdc.sh/v5.0.0/sessions//messages»>

La respuesta al comando anterior debe ser la siguiente:

La respuesta es de tipo escalate con una propiedad de destino de tipo Salesforce:Core:Bot:Id y su valor es el bot-id del bot VariablesReceiver. La respuesta también incluye una matriz de variables que contiene nuestras tres variables: name , email y company . También contiene algunas variables adicionales entre las que se encuentra la VariableReceiver VariableReceiver que creamos en el Bot de Variables para configurar nuestra transferencia de bot a bot.

NOTA: La transferencia aún no se ha realizado. El Bot de Variables acaba de proporcionar al cliente (nosotros) la información necesaria para realizar la transferencia. En este caso, esa información es la target property .

Ahora haremos la transferencia real simplemente iniciando una nueva sesión de chat con la bot-id (p. ej., 0Xx5e000000TglaCAC, que es el bot receptor de variables) que se proporcionó en la última respuesta del bot de variables.

El comando de inicio de chat sería el mismo que antes, solo que la bot-id sería diferente. Además, dado que ahora queremos compartir datos del Bot de variables con el Bot de receptor de variables, también incluiremos la matriz de variables en la solicitud. Puede leer más sobre la matriz de variables en la guía del cliente de la API de Einstein Bots Platform.

El comando sería algo como lo siguiente:

<dx-code-block title language code-block="curl -d '@body.json' -H 'Content-Type: application/json' -H 'Authorization: Bearer '$TOKEN -H 'X-Org-Id: ‘ https://runtime-api-na-east.prod.chatbots.sfdc.sh/v5.0.0/bots//sessions»>

Pero esta vez, el contenido de body.json sería el siguiente:

<dx-code-block title language code-block="{ "forceConfig": { "endpoint": "" }, "externalSessionkey": "Random UUID", "variables": [ { "name": "company", "type": "text", "value": "Acme Inc" }, { "name": "email", "type": "text", "value": "user@testing.com" }, { "name": "name", "type": "text", "value": "Test User" } ]
}»>

Y la respuesta del bot VariablesReceiver debería ser algo como lo siguiente:

A partir de la respuesta anterior, podemos ver que el bot VariablesReceiver ha recibido con éxito las tres variables que le pasamos en la solicitud de inicio de chat.

Conclusión

En esta publicación, discutimos cómo funcionan las transferencias de Einstein Bot a un alto nivel. Luego nos sumergimos profundamente en un caso de uso específico de transferencia de bot a bot, exploramos cómo funciona eso con un ejemplo y mostramos cómo compartir datos entre dos bots completamente independientes. A partir de la versión 242, el intercambio de datos entre bots solo es posible con la nueva API de Einstein Bots Platform. Además, con la API, puede compartir datos entre bots implementados en dos organizaciones de Salesforce completamente independientes.

Referencias:

Sobre el Autor

Makarand Bhonsle es ingeniero principal en Salesforce. Es el desarrollador principal de la API de la plataforma Einstein Bots.

Obtenga las últimas publicaciones de blog de desarrolladores de Salesforce y episodios de podcast a través de Slack o RSS.

Agregar a Slack Suscríbete a RSS

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2022/08/chat-transfers-and-data-sharing-with-the-einstein-bots-platform-api.html

Categories
Developers Tutoriales de Salesforce

Conecte canales externos con bots de Einstein mediante el marco del conector de canales ☁️

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.

La API de la plataforma Einstein Bots le permite agregar Einstein Bots a cualquier canal de conversación. Hemos creado un SDK de Java de código abierto y un conector de canal para brindarle las herramientas que necesita para integrar fácilmente Bots de Einstein en sus canales de conversación además de los canales de participación digital existentes compatibles con Service Cloud.

En nuestra publicación anterior , mostramos cómo usar el cliente administrado por sesión del SDK para simplificar su implementación mediante la administración automática de sesiones para su canal de conversación.

En esta publicación, exploraremos el marco de Channel Connector y sus características. Aprenderá lo fácil que es crear una aplicación de conector de canal para Bots de Einstein utilizando el marco Spring Boot . Además, aprenderá cómo monitorear el estado de su aplicación, verificar las métricas de su aplicación y más.

Resumen rápido del SDK de Bots de Einstein

El marco de Channel Connector se basa en el SDK de Bots de Einstein. Hagamos un resumen rápido de los beneficios de usar el SDK:

  • Abstrae las complejidades de la autenticación y la comunicación HTTP, y proporciona una API de Java simple para conectarse a Einstein Bots
  • Proporciona clases modelo que serializan/deserializan automáticamente cargas JSON a objetos Java.
  • Proporciona un cliente administrado por sesión para administrar automáticamente las sesiones.

Presentación del marco del conector de canal para los bots de Einstein

Einstein Bots se puede integrar con canales de conversación, como Webchat, Facebook, WhatsApp o Slack. Para implementar esta integración, deberá crear una aplicación de conector de canal que se ocupe de las interacciones. Por ejemplo, si crea una aplicación de conector para Slack, la aplicación deberá escuchar los mensajes en un canal de Slack, reenviar los mensajes recibidos a su Einstein Bot y enviar la respuesta del bot a Slack.

Si bien el SDK de Bots de Einstein hace mucho trabajo pesado por usted, para crear una aplicación de conector de canal completa, debe implementar las siguientes características:

  • Cree una instancia de BasicChatbotClient o SessionManagedChatbotClient y administre su ciclo de vida
  • Lea todas las configuraciones, como orgId y botId de las propiedades de la aplicación, y utilícelas para crear instancias de ChatbotClient
  • Supervise el estado y las métricas de su aplicación de conector de canal

Afortunadamente, no tiene que implementar todo esto usted mismo si usa Spring Boot , ya que hemos creado un marco de Channel Connector para ayudarlo.

El marco del conector de canales de Bots de Einstein es un Spring Boot Starter que simplifica la creación de conectores de canales externos para un Bot de Einstein. El marco utiliza el SDK de Bot de Einstein y configura dependencias como el almacenamiento en caché, la autenticación y las métricas mediante una configuración automática de Spring. Aquí hay una descripción general rápida de los beneficios que se obtienen al usar el marco de Channel Connector:

Configuración automática
Los beans Spring se configuran automáticamente mediante application.properties .

Mecanismo de autenticación
Si todas las propiedades de OAuth se especifican en las propiedades de la aplicación, el marco del conector de canal configura el SDK de Bots de Einstein para usar el flujo de OAuth de JWT Bearer para AuthMechanism .

mecanismo de almacenamiento en caché
Si sfdc.einstein.bots.cache.redis-url está incluido en las propiedades de la aplicación, el SDK usa una caché de Redis . De lo contrario, se implementa la caché en memoria.

Clientes bot básicos y administrados por sesión
Si configura todas las propiedades requeridas en application.properties , tanto BasicChatbotClient como SessionManagedChatbotClient se conectan automáticamente a Spring beans con configuraciones predeterminadas.

Indicador de salud del bot
El indicador de salud de Spring, BotsHealthIndicator , se configura automáticamente para permitirle verificar el estado de salud del tiempo de ejecución del bot. Más información sobre cómo hacer esto más adelante en el blog.

Soporte de implementación personalizado
Puede proporcionar su propia implementación de Spring beans en lugar de usar la predeterminada (por ejemplo, si desea usar su propio mecanismo de caché o usar su propio mecanismo de autenticación). Cuando se encuentra una implementación personalizada, se usará para conectar automáticamente los beans Spring en lugar de la implementación predeterminada proporcionada por el marco del conector de canal.

Métrica
El marco utiliza la biblioteca Spring Micrometer para recopilar las métricas. Puede publicar las métricas en la mayoría de los sistemas de monitoreo populares, como New Relic, Prometheus y Graphite, utilizando Spring Micrometer.

Para quién es el conector de canales

La forma estándar de la industria de administrar las dependencias y el ciclo de vida de los objetos es usar un marco de inyección de dependencias como Google Guice o Spring. Decidimos utilizar uno de los marcos de desarrollo de aplicaciones más populares, Spring Boot, para construir el marco de Channel Connector.

Si puede usar Spring Boot para su aplicación de conector, puede usar el conector de canal de bot de Einstein. Si necesita usar algún otro marco de desarrollo de aplicaciones o administrar las dependencias usted mismo, use el SDK de Bot de Einstein directamente como una biblioteca de Java.

Cómo usar el marco del conector de canal

Suficiente teoría: escribamos un poco de código utilizando el marco Channel Connector. En esta sección, aprenderá cómo crear una nueva aplicación de conector de canal, personalizarla según sus necesidades y monitorear su estado.

Crear una aplicación de conector de canal

Para crear su aplicación de conector de canal, simplemente ejecute el siguiente comando de Maven. Modifique el comando para incluir archetypeVersion en la versión más reciente del arquetipo del conector de canal de bot de Einstein . Además, configure el package , groupId de grupo y el ID de artifactId con los nombres de su elección.

 mvn archetype : generate
 - DarchetypeGroupId = com . fuerza . salesforce einsteinbot
 - DarchetypeArtifactId = einstein - bot - channel - connector - archetype
 - Versión del tipo de DarchetypeVersion =2 .0 . 1 
 - Dpackage = com . mycompany . myapp . channel
 - DgroupId = com . mycompany . myapp
 - DartifactId = myapp - channel - connector
 - Dversion =1.0.0-SNAPSHOT

Comprender la estructura del proyecto.

Se creará un nuevo directorio, myapp-channel-connector , siguiendo el esqueleto básico del proyecto que se muestra a continuación. El nombre del directorio y la estructura del directorio después de src/main/java serán diferentes en función de los valores que utilizó al ejecutar el comando anterior.

 myapp-channel-conector ├── LÉAME.md ├── pom.xml └─> origen └─> principal ├─>java │ └─>com │ └─> miempresa │ └─> mi aplicación │ └─> canal │ └─> conector │ └── AplicaciónConector.java └─> recursos └── aplicación.ejemplo.propiedades

El pom.xml creado incluirá todas las dependencias requeridas, incluido el marco de Channel Connector y el SDK de Bots de Einstein.

La clase ConnectorApplication creada, anotada con @SpringBootApplication , será el punto de entrada para iniciar la aplicación Spring Boot del conector.

Se incluirá un README.md con instrucciones sobre cómo ejecutar la aplicación.

Configurar la aplicación

Para configurar la aplicación, deberá crear un archivo application.properties en el directorio src/main/resources con todas las propiedades requeridas. Puede copiar las propiedades de ejemplo de src/main/resources/application.example.properties y actualizarlas según su entorno. También deberá colocar su clave privada de OAuth en src/main/resources . Puede consultar nuestra guía del usuario para ver una lista completa de las propiedades de la aplicación y cómo encontrar sus valores.

Iniciar la aplicación

Una vez que complete la configuración, puede iniciar la aplicación ejecutando Spring Boot con este comando de Maven.

 mvn spring-boot:ejecutar

¡Después de ejecutar el comando, tendrá una aplicación básica ejecutándose sin haber escrito una sola línea de código!

A continuación, usemos Spring beans con conexión automática para enviar mensajes al bot.

Cree una interfaz de usuario para comunicarse con su bot

Digamos que queremos crear una interfaz de usuario simple (como la captura de pantalla a continuación) para jugar con las solicitudes/respuestas de los bots.

La interfaz de usuario aceptará el mensaje del usuario, lo enviará al bot y mostrará la respuesta del bot. La interfaz se puede construir usando HTML. También necesitaremos un controlador REST para procesar la solicitud en el lado del servidor.

Podemos crear un controlador REST Spring y usar anotaciones @Autowired para inyectar beans Spring con la implementación del cliente chatbot. El código del controlador se verá así:

 @Controlador
@RequestMapping("bot")
clase pública EinsteinBotController { @autocableado salud privada de BotsHealthIndicator; @autocableado privado SessionManagedChatbotClient chatbotClient; @Value("${sfdc.einstein.bots.force-config-endpoint}") cadena privada forceConfigEndpoint; @Valor("${sfdc.einstein.bots.orgId:}") cadena privada orgId; @Valor("${sfdc.einstein.bots.botId:}") cadena privada botId;
}

El marco Channel Connector inicializa las propiedades @Autowired , como chatbotClient , incluidas sus dependencias como AuthMechanism y Cache, según las configuraciones definidas en n application.properties . Además, podemos referirnos a cualquier propiedad de la aplicación utilizando la anotación Spring @Value .

SessionManagedChatbotClient es una clase proporcionada por el SDK de bot de Einstein que puede usar para enviar mensajes al bot.

 botResponse = chatbotClient.sendMessage(requestConfig, ID de sesión externa, solicitud de bot);

El código de ejemplo de trabajo completo de este conector ui está disponible en el directorio de ejemplos en el repositorio einstein-bot-channel-connector.

Comprobar el estado de la aplicación

El conector del canal incluye una clase llamada BotsHealthIndicator que implementa el HealthIndicator de Spring . Puede ir a http://<host>:<port>/<baseurl>/actuator/health para comprobar el estado de la aplicación. Obtendrá una respuesta JSON que indica el status como UP o DOWN de esta manera:


También puede comprobar el estado mediante programación conectando automáticamente BotsHealthIndicator y llamando al método .health() .

Ver métricas

La biblioteca Spring Micrometer se utiliza para la instrumentación y ya se han recopilado muchas métricas fundamentales. Puede encontrar todas las métricas recopiladas en http://<host>:<port>/<baseurl>/actuator/metrics .

Publicar métricas

Spring Micrometer puede publicar métricas en todos los sistemas de monitoreo populares, como New Relic, Prometheus, Graphite y más. Para publicar las métricas en un sistema de monitoreo externo, consulte las instrucciones para su sistema de monitoreo en la documentación de Micrometer . Consulte NewRelicMetricsExportAutoConfiguration para ver un ejemplo de cómo publicar las métricas en New Relic.

Resumen

Para recapitular, ha aprendido a crear una aplicación utilizando el marco de conector de canal de Bots de Einstein. Además, sabe cómo verificar el estado de la aplicación y monitorear las métricas. Para obtener más información, consulte la guía del usuario de Einstein Bot Channel Connector y explore nuestras aplicaciones de ejemplo de código abierto.

Sobre el Autor

Rajasekar Elango es ingeniero de software principal en Salesforce y trabaja en la plataforma Einstein Bots. Puedes seguirlo en LinkedIn o Twitter .

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2022/08/connect-external-channels-with-einstein-bots-using-the-channel-connector-framework.html

Categories
Developers Tutoriales de Salesforce

Simplifique la integración de Bots de Einstein con el cliente administrado por sesión ☁️

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.

La API de la plataforma Einstein Bots es una nueva API REST que le permite interactuar con sus Bots de Einstein desde cualquier cliente. También creamos un SDK de Java de código abierto y un conector de canal para brindarle las herramientas que necesita para integrar fácilmente Einstein Bots en cualquiera de sus canales de conversación además de los canales de participación digital existentes que son compatibles con Service Cloud.

En la publicación anterior , mostramos cómo usar un cliente de bot básico con el SDK de Java para conectar su canal al Bot de Einstein. En esta publicación, veremos el cliente administrado por sesión del SDK y sus características. Aprenderá a simplificar su implementación mediante la gestión automática de sesiones para su canal de conversación. Además, aprenderá a usar la memoria caché incluida o a proporcionar una implementación de memoria caché personalizada con el cliente administrado por sesión.

Resumen del cliente bot básico

Antes de ver un cliente administrado por sesión, hagamos un resumen rápido. Estos son los pasos de alto nivel para usar el cliente de bot básico. Puede encontrar ejemplos de código en nuestra publicación anterior .

  1. Crear un cliente de chatbot básico
  2. Llame al método startChatSession() para iniciar una sesión usando su ExternalSessionId
  3. Recuperar RuntimeSessionId de la respuesta del bot
  4. Llame al método sendMessage() usando RuntimeSessionId para enviar un mensaje a la sesión activa
  5. Llame al método endChatSession() para finalizar la sesión cuando termine la conversación

Aquí está la interfaz BasicChatbotClient para su referencia.

 interfaz pública BasicChatbotClient { BotResponse startChatSession (configuración de RequestConfig, ExternalSessionId sessionId, Sobre de solicitud de BotSendMessageRequest); BotResponse sendMessage (configuración de RequestConfig, RuntimeSessionId sessionId, Sobre de solicitud de BotSendMessageRequest); BotResponse endChatSession (configuración de RequestConfig, RuntimeSessionId sessionId, Sobre de solicitud de BotEndSessionRequest);
}

¿Cuándo debe comenzar una nueva sesión?

El desafío es que debe saber cuándo debe iniciar una nueva sesión (en lugar de enviar un mensaje a una sesión existente) y llamar a los métodos startChatSession() y sendMessage() de manera adecuada. En algunos casos, el canal no tiene límites claros entre sesiones para poder saber cuándo comienza una nueva sesión de conversación.

Por ejemplo, supongamos que un bot está escuchando en un canal de Slack y un usuario publica un mensaje. Debe iniciar una nueva sesión cuando el usuario publique un mensaje por primera vez (o después de mucho tiempo, según el tiempo de espera de la sesión). Alternativamente, si el usuario ya está en una conversación activa, puede enviar un mensaje a la sesión existente.

Para enviar un mensaje a la sesión existente, debe realizar un seguimiento de las sesiones activas de los usuarios junto con RuntimeSessionId . La buena noticia es que el cliente administrado por sesión ya proporciona esta funcionalidad, por lo que no es necesario que la implemente.

Introducción al cliente administrado por sesión

Primero veamos la interfaz SessionManagedChatbotClient para ver la diferencia entre ella y el BasicChatbotClient mencionado anteriormente.

 // El cliente bot administrado por sesión
interfaz pública SessionManagedChatbotClient { BotResponse sendMessage (configuración de RequestConfig, ExternalSessionId sessionId, Sobre de solicitud de BotSendMessageRequest); BotResponse endChatSession (configuración de RequestConfig, ExternalSessionId sessionId, Sobre de solicitud de BotEndSessionRequest);
}

Observe dos diferencias con respecto a la interfaz de BasicChatbotClient :

  • No hay un método startChatSession , solo sendMessage
  • Los métodos aceptan solo ExternalSessionId como parámetro

La ventaja de usar un cliente administrado por sesión es que no tiene que llamar explícitamente al método startChatSession() y no tiene que saber acerca de RuntimeSessionId . El cliente administrado por sesión se encargará de la administración completa de la sesión por usted, y el código de su aplicación puede permanecer sin estado. Todo el trabajo pesado de mantener la asignación entre ExternalSessionId y RuntimeSessionId , junto con determinar cuándo iniciar una nueva sesión, está a cargo del cliente administrado por sesión.

Uso de un cliente administrado por sesión

Suficiente teoría: escribamos un código para usar un cliente administrado por sesión. En esta sección, aprenderá a implementar un ciclo de vida de conversación completo, como iniciar una sesión de chat, enviar un mensaje a la sesión actual y finalizar una sesión de chat.

1. Agregar una dependencia POM

Encuentre la última versión de einstein-bot-sdk-java de Maven Central y agregue esta dependencia a su pom.xml .

 <dependencia> <groupId>com.salesforce.einsteinbot</groupId> <artifactId>einstein-bot-sdk-java</artifactId> <versión>${einstein-bot-sdk-java-versión}</versión>
</dependencia>

2. Cree un cliente administrado por sesión

SessionManagedChatbotClient usa JwtBearerFlow para OAuth y agrega capacidades de administración de sesiones además de BasicChatbotClient . El siguiente paso es pasar AuthMechanism y BasicChatbotClient como parámetros para SessionManagedChatbotClient .

 // Crear un mecanismo de autenticación de portador JWT.
Mecanismo de autenticación oAuth = JwtBearerOAuth.with() .privateKeyFilePath(privateKeyFilePath) .loginEndpoint(loginEndpoint) .connectedAppId(conectadoAppId) .connectedAppSecret(secreto) .userId(usuarioId) .construir(); // Crear un cliente administrado por sesión.
Cliente SessionManagedChatbotClient = ChatbotClients .sesión gestionada() .basicClient(ChatbotClients.basic() .basePath(basePath) .authMechanism(oAuth) .construir()) .cache(nuevo RedisCache(TU_TTL_SECONDS,TU_REDIS_URL)) .construir();

Discutiremos el parámetro de cache más adelante en esta publicación.

3. Crear una configuración de solicitud

Cree una RequestConfig con su botId , orgId y forceConfigEndPoint . Para encontrar estos valores, consulte la Guía para desarrolladores de la API de Bots de Einstein . Por lo general, desea crear una configuración una vez por bot en su organización y reutilizarla para cada solicitud.

 //Crear configuración de solicitud
RequestConfig config = RequestConfig.with() .botId(botId) .orgId(orgId) .forceConfigEndpoint(forceConfigEndPoint) .construir();

4. Envía un mensaje

Primero, cree un ExternalSessionId para identificar de forma única una sesión en su canal. Por ejemplo, podría ser "ID de usuario" para Slack o "hilo de Twitter" para Twitter. Luego, cree un BotSendMessageRequest y llame al método sendMessage para enviar.

 // Recuperar el ID de la sesión externa del canal externo.
// Por ejemplo, podría ser ID de usuario para holgura, hilo de twitter para twitter. // Para este ejemplo, usamos UUID aleatorio ExternalSessionId externalSessionId = nuevo ExternalSessionId(UUID.randomUUID().toString()); // Crea la solicitud para enviar un mensaje al bot.
BotSendMessageRequest sendMessageRequest = BotRequest .withMessage(buildTextMessage(mensaje)) .construir(); // Envía la solicitud utilizando el ID de sesión externo.
Respuesta de BotResponse = cliente .sendMessage(config, externalSessionId, sendMessageRequest);

El objeto BotResponse es el mismo que con BasicChatbotClient , por lo que puede recuperar la respuesta del bot de la misma manera que se describe en la publicación de blog anterior .

5. Terminar la sesión del bot

El código es el mismo que con BasicChatbotClient excepto que pasa un ExternalSessionId en lugar del ID de sesión interna del bot.

 // Crea la solicitud para finalizar la sesión del bot.
BotEndSessionRequest botEndSessionRequest = BotRequest .withEndSession(EndSessionRason.USERREQUEST).build(); // Enviar la solicitud al bot para finalizar la sesión.
BotResponse endSessionResponse = cliente .endChatSession(config, externalSessionId, botEndSessionRequest);

Cómo realiza el seguimiento de las sesiones el cliente gestionado por sesión

Ahora aprendió a usar el cliente administrado por sesión proporcionado por el SDK, pero la lógica de seguimiento de la sesión dependerá de su canal y es posible que deba personalizarlo para su caso de uso. Por lo tanto, es útil comprender cómo funciona el cliente administrado por sesión.

El cliente administrado por sesión realiza un seguimiento de las sesiones en función de una combinación de ExternalSessionId , BotId y OrgId . Si el cliente envía una solicitud de mensaje con una nueva combinación de esos ID, llama automáticamente a startChatSession para iniciar la sesión de chat. Recupera RuntimeSessionId de startChatSession y agrega mapeo entre sesiones activas y RuntimeSessionId en un Cache . Si la combinación de ExternalSessionId , BotId y OrgId ya existe en Cache , enviará un sendMessage a la sesión existente utilizando el valor de RuntimeSessionId almacenado en caché.

El Cache ahora se puede personalizar para sus necesidades.

Personalización de la memoria caché utilizada por el cliente gestionado por sesión

¡Estas casi listo! En esta última sección, aprenderá cómo personalizar el caché para sus necesidades porque el caché
es una capa importante que es específica de la arquitectura de su aplicación.

Elegir una biblioteca de caché

Hemos incluido InMemoryCache y RedisCache listos para usar. InMemoryCache lo ayuda a ejecutarse fácilmente en un entorno de desarrollo. No se recomienda su uso en una organización de producción.

Puede usar RedisCache para implementarlo y ejecutarlo fácilmente en una infraestructura de nube. Si no puede usar Redis, puede proporcionar su propia implementación de caché.

Proporcionar su propia implementación de caché

Si desea utilizar cualquier otro servicio de caché distribuido (por ejemplo, Memcached), proporcionamos una abstracción de caché . Puede implementar esta interfaz de caché de acuerdo con su sistema de caché y pasarla al método .cache del generador de clientes administrados por sesión.

Resumen

En resumen, aprendió cómo simplificar su integración de Bots de Einstein usando el cliente administrado por sesión y cómo personalizarlo para sus necesidades. Esto le ahorra tiempo porque:

  • El cliente administrado por sesión simplifica la conexión a Einstein Bots mediante la administración automática de sesiones
  • No necesita iniciar una sesión explícitamente ni realizar un seguimiento de los ID de sesión en tiempo de ejecución.
  • Puede usar el RedisCache proporcionado o proporcionar su propia implementación de caché para el seguimiento de sesiones

Para obtener más información, consulte la guía del usuario de Einstein Bot SDK .

Sobre el Autor

Rajasekar Elango es ingeniero de software principal en Salesforce y trabaja en la plataforma Einstein Bots. Puedes seguirlo en LinkedIn o Twitter .

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2022/06/simplify-your-einstein-bots-integration-using-the-session-managed-client.html

Categories
Developers Tutoriales de Salesforce

Presentamos la API de la plataforma Einstein Bots ☁️

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.

La API de la plataforma Einstein Bots es una nueva API REST que le permite interactuar con sus Bots de Einstein desde cualquier cliente. En esta publicación de blog, exploraremos cómo usar esta nueva API para hablar con su bot, y en publicaciones posteriores de esta serie, analizaremos casos específicos en detalle.

¿Qué son los robots de Einstein?

Un bot es un programa autónomo que puede interactuar con sistemas o usuarios. Los casos de uso comunes incluyen: realizar pedidos, brindar atención al cliente, mostrar preguntas frecuentes y más. Los bots minimizan la necesidad de interacción humana al brindar servicios al cliente final.

Los bots se pueden hacer más inteligentes y más competentes con inteligencia artificial (IA). Respaldado por el poder de los datos, un bot puede ayudar a resolver tareas más complejas para el usuario final, reduciendo así la necesidad de un agente humano. Esto, a su vez, ahorra mucho dinero a las empresas que emplean estos bots impulsados por IA.

Los Bots de Einstein son exactamente lo anterior, y más. Los Einstein Bots están completamente integrados en el vasto ecosistema de la nube de Salesforce y, por lo tanto, pueden aprovechar directamente el poder de todas las excelentes herramientas y tecnologías que ofrece Salesforce, tanto en la actualidad como en el futuro. Puede leer más sobre su genialidad en la documentación de Einstein Bots .

¿Cómo definir y utilizar Bots de Einstein?

Para establecer el contexto de esta publicación de blog, primero debemos comprender cómo definir y utilizar Bots de Einstein en la organización de un cliente. Los siguientes pasos proporcionan una descripción general de alto nivel:

  1. Cree el bot: defina su bot de Einstein en Bot Builder. Este paso incluye la creación de todos los cuadros de diálogo, elementos, reglas, etc. del bot para que su nuevo bot sea funcional. Aquí también es donde definirá/entrenará su modelo de PNL de Einstein para usar las capacidades de PNL del bot. Puede encontrar todos los detalles necesarios en la documentación de introducción. El bot que definió en el Paso 1 es independiente del canal .

  1. Probar el bot: una vez que haya completado la fase de creación del bot, ahora puede activar y probar su bot de Einstein en la vista previa del bot. La vista previa del bot es un patio de recreo para que interactúes con el bot como lo haría un usuario final.
  2. Agregar canales: una vez que su Einstein Bot esté listo, es hora de llevarlo a sus clientes para el uso de producción real. Salesforce proporciona canales listos para usar, como web, SMS, WhatsApp y Facebook, y los bots de Einstein están disponibles para los usuarios finales solo a través de estos canales de Salesforce.

El siguiente diagrama del sistema muestra cómo interactúan los distintos sistemas al crear e implementar bots de Einstein.

Pero, ¿qué sucede si, como administrador de bots, necesita aprovechar los bots más allá de estos canales/conexiones de Salesforce? ¡Aquí es donde entra en juego la API de la plataforma Einstein Bots!

Más formas de integrarse con el Bot de Einstein

Como se discutió en la sección anterior, la única manera de integrar su Bot de Einstein en su infraestructura de interacción con el cliente es a través de los diversos canales de Salesforce. Esta era una limitación con versiones anteriores de Einstein Bots. Pero ahora, hemos lanzado la nueva API de la plataforma Einstein Bots, que elimina por completo esta limitación. Sus Bots de Einstein seguirán haciendo su increíble trabajo en sus canales actuales, pero ahora puede agregar sus canales personalizados e implementaciones de clientes.

¿Qué es la API de la plataforma Einstein Bots?

La API de la plataforma Einstein Bots es una API REST que permite la interacción con sus Bots de Einstein desde cualquier cliente. Es una verdadera solución de plataforma para exponer su Einstein Bot en cualquier entorno de interacción con el cliente. Por ejemplo, imagine un caso de uso en el que el cliente de participación del usuario final es una aplicación móvil React Native. Sin la API de la plataforma Einstein Bots, no hubiera sido posible integrar Einstein Bots con un cliente tan personalizado. Pero con la API de la plataforma Einstein Bots, ahora puede integrar fácilmente Einstein Bots con el cliente personalizado anterior. Puede encontrar más detalles sobre esto en la Guía del desarrollador .

El siguiente diagrama del sistema muestra cómo interactúan los distintos componentes, incluida la nueva API de la plataforma Einstein Bots, para ayudar a los clientes de Salesforce a entregar sus Einstein Bots a sus clientes.

Cómo usar la API

Comencemos con un ejemplo de código introductorio. Para usar la API, los pasos 1 y 2 descritos en la sección anterior "Cómo definir y usar Bots de Einstein" siguen siendo los mismos. Pero cuando llegue al Paso 3 (es decir, agregar conexiones/canales), elija la opción API como se muestra a continuación:


Cuando elija la conexión API, se le pedirá que complete los detalles de integración y un nombre de aplicación conectada de Salesforce, como se muestra a continuación. El nombre de la integración puede ser cualquier cadena que desee.

Algunas palabras sobre las aplicaciones conectadas de Salesforce

Una aplicación conectada de Salesforce es un marco utilizado para autorizar sistemas externos que interactúan con cualquier API de Salesforce. Con la API de la plataforma Einstein Bots, se utilizará una aplicación conectada para generar tokens de acceso de OAuth que deben incluirse en la solicitud externa como encabezados de autorización. La API de Einstein Bots, al recibir dicho encabezado de autorización, inspeccionará el token de acceso de OAuth entrante y determinará si la solicitud es válida o no. Puede encontrar más en la documentación de las aplicaciones conectadas . Para configurar una aplicación conectada para la API de Bots de Einstein específicamente, puede consultar la sección Requisitos previos de la Guía para desarrolladores de la API de Bot. Además, esta publicación de blog habla en detalle sobre cómo configurar una aplicación conectada para el flujo de portador de JWT y obtener un token de acceso de OAuth que se puede usar para hablar con la API de la plataforma Einstein Bots.

¡Hora de codificar!

Una vez que haya definido su bot de Einstein, configure la aplicación conectada de Salesforce habilitada para OAuth y la conecte al bot, estará listo para consumir la API de la plataforma de bots de Einstein. El siguiente fragmento de código muestra un ejemplo del uso de un servidor Python Flask para hablar con la API de Einstein Bots.

 registro de importación
solicitudes de importación
importar json
desde la aplicación importar aplicación
de solicitud de importación de matraz
desde app.auth importar get_oauth_access_token
desde app.constants import INIT_CHAT_URI, SEND_MESSAGES_URI, END_CHAT_URI, ORG_ID_HEADER_KEY, END_SESSION_HEADER_KEY @app.route("/inicio/<bot_id>", métodos=["POST"])
def inicializar(bot_id): request_url = get_request_url(INIT_CHAT_URI.format(bot_id)) respuesta = enviar (solicitud.json, solicitud_url) respuesta de retorno @app.route("/chat/<session_id>", métodos=["POST"])
chat def (sesión_id): request_url = get_request_url(SEND_MESSAGES_URI.format(session_id)) devolver enviar (request.json, request_url) @app.route("/end/<session_id>", métodos=["ELIMINAR"])
def end(session_id): request_url = get_request_url(END_CHAT_URI.format(session_id)) encabezados = get_headers() encabezados[END_SESSION_HEADER_KEY] = request.headers.get(END_SESSION_HEADER_KEY) respuesta = solicitudes.eliminar (solicitud_url, encabezados = encabezados) validar_respuesta(respuesta) devuelve json.loads(respuesta.texto) def enviar(datos, url): encabezados = get_headers() respuesta = solicitudes. publicación (url, encabezados = encabezados, datos = json. volcados (datos)) validar_respuesta(respuesta) devuelve json.loads(respuesta.texto) def validar_respuesta(respuesta): # verifique el código de estado si respuesta.código_estado != 200: aumentar ValueError("Código de respuesta no válido del servidor Bot. Error=" + respuesta.texto) def get_request_url(uri): devolver app.config.get("BOTS_SERVER_URL") + uri def get_headers(): token = get_oauth_access_token() orgId = app.config.get("ORG_ID") devolver { "Autorización": "Portador" + token, "Tipo de contenido":"aplicación/json", "Aceptar": "aplicación/json", ORG_ID_HEADER_KEY: orgId } si __nombre__ == "__principal__": aplicación.ejecutar()

NOTA: En cada implementación de ruta, agregamos explícitamente el encabezado de autorización. Para este encabezado, necesitamos el token de acceso de OAuth que se recupera en la función get_oauth_access_token . Consulte el repositorio de código para ver la implementación completa de esta función.

Las funciones init , chat y end corresponden a las tres API de Einstein Bot. Las estructuras de solicitud y respuesta para cada una de estas llamadas están muy bien documentadas en la Guía del cliente API, y las mismas se pueden usar con el servidor Python Flask anterior. Estas son algunas solicitudes de muestra realizadas al servidor de Python Flask:

Iniciar una sesión de chat:

 curl --ubicación --request POST 'http://127.0.0.1:5000/start/<id-bot>' --header 'Tipo de contenido: aplicación/json' --datos-sin procesar '{ "forceConfig": { "endpoint": "<ForceConfig Endpoint mostrado en el cuadro de diálogo Agregar conexión>" }, "clave de sesión externa": "UUID"
}'

Enviar mensajes en una sesión de chat existente:

 curl --ubicación --request POST 'http://127.0.0.1:5000/chat/<sessionId from the response of the Initiate Chat Session request>' --header 'Tipo de contenido: aplicación/json' --datos-sin procesar '{ "mensaje": { "teclee el texto", "texto": "Hola", "Id. de secuencia": 1 }
}'

Finalizar una sesión de chat:

 curl --ubicación --request DELETE 'http://127.0.0.1:5000/end/<sessionId from the response of the Iniciate Chat Session request>' --header 'Tipo de contenido: aplicación/json' --header 'X-Session-End-Razón: Solicitud de usuario'

¡Y eso es! ¡Acaba de hablar con su Einstein Bot a través de un cliente de Python personalizado!

¿Que sigue?

En las próximas publicaciones de esta serie, analizaremos casos específicos en detalle, incluido cómo manejar la inicialización de una sesión de bot con parámetros personalizados, así como escenarios de escalamiento, como un bot-to-case con la API de Einstein Bots Platform.

Referencias

Sobre el Autor

Makarand Bhonsle es ingeniero de software líder en Salesforce. Es el desarrollador principal de la API de la plataforma Einstein Bots.

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2022/05/introducing-the-einstein-bots-platform-api.html

Categories
Developers Tutoriales de Salesforce

Integre Bots de Einstein en cualquier canal con el nuevo SDK y Framework ☁️

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.

Einstein Bots es una solución de chatbot conversacional que funciona con Einstein AI Platform de Salesforce. Su trabajo es interactuar con los clientes y brindarles la información que necesitan rápidamente sin intervención humana. También puede manejar tareas simples y repetitivas, lo que libera a los agentes para que manejen casos más complejos.

En Spring '22, lanzamos la API de la plataforma Einstein Bots (Beta) para ayudar a los clientes a aprovechar el poder de Einstein Bots en cualquier canal digital. En Summer '22, pusimos a disposición Java SDK y Channel Connector de código abierto para simplificar la experiencia del desarrollador de bots. Esto le brinda las herramientas que necesita para integrar fácilmente Einstein Bots en cualquiera de sus canales de conversación además de los canales de participación digital existentes que son compatibles con Service Cloud.

En esta publicación, veremos cómo puede usar la API de la plataforma Einstein Bots, y también cubriremos cómo usar el SDK y sus beneficios. Consulte esta publicación de blog anterior para familiarizarse aún más con laAPI de la plataforma Einstein Bots .

Uso de la API de la plataforma Einstein Bots

La API de la plataforma Einstein Bots es una API REST y puede usarla sin el SDK. La Guía del cliente de la API de la plataforma Einstein Bots proporciona instrucciones sobre cómo integrar Einstein Bots con su canal mediante CURL o Postman. Veamos el código Java real necesario para trabajar con la API de la plataforma Einstein Bots.

1. Cree el token web JSON (JWT)

Los Bots de Einstein requieren que las solicitudes se autentiquen mediante OAuth. Se puede usar cualquier flujo de OAuth para obtener el token de acceso. Dado que se trata de una integración de servicio a servicio, utilizaremos el flujo OAuth del portador JWT para acuñar el JWT y obtener el token de acceso OAuth. Use su clave privada que creó en la configuración de su aplicación conectada para crear el algoritmo para firmar el JWT.

 Archivo f = nuevo archivo (archivo de clave privada);
DataInputStream dis = new DataInputStream(new FileInputStream(f));
byte[] keyBytes = new byte[(int) f.length()];
dis.readFully(keyBytes);
revelar(); PKCS8EncodedKeySpec spec = new PKCS8EncodedKeySpec(keyBytes);
KeyFactory kf = KeyFactory.getInstance("RSA");
PrivateKey privateKey = kf.generatePrivate(spec); Map<String, Object> headers = new HashMap<String, Object>();
headers.put("alg", "RS256");
Algoritmo algoritmo = Algorithm.RSA256(null, (RSAPrivateKey) privateKey);

Luego, cree el JWT con los valores apropiados.

 Instantáneo ahora = Instantáneo. ahora ();
Cadena jwt = JWT.create() .withHeader(encabezados) .withAudience(loginEndpoint) .withExpiresAt(Date.from(now.plus(jwtExpiryMinutes, ChronoUnit.MINUTES))) .withIssuer (identificación de la aplicación conectada) .withSubject (ID de usuario) .sign(algoritmo);

2. Obtenga el token de acceso de OAuth

Envíe una solicitud de publicación HTTP al extremo https://login.salesforce.com/ con services/oauth2/token en el jwt de la solicitud y utilizando los encabezados HTTP adecuados.

 // Crear datos de formulario de publicación Http.
MultiValueMap<String, String> formData= new LinkedMultiValueMap<>();
formData.add("grant_type", "urn:ietf:params:oauth:grant-type:jwt-bearer");
formData.add("afirmación", jwt); // Crear encabezados HTTP.
HttpHeaders httpHeaders = new HttpHeaders();
httpHeaders.setContentType(MediaType.APPLICATION_FORM_URLENCODED); // Crear solicitud HTTP.
HttpEntity<Mapa> oAuthHttpRequest = new HttpEntity<>(formData, httpHeaders); // Enviar solicitud al punto final de OAuth
ResponseEntity<String> respuesta = restTemplate .postForEntity(OAUTH_URL, oAuthHttpRequest, String.class);

Luego, analice la respuesta para obtener access_token :

 nodo ObjectNode = new ObjectMapper().readValue(response.getBody(), ObjectNode. class );
Token de cadena = node.get( "token_de_acceso" ).asText();

Ahora, tenemos el token requerido para la autenticación y estamos listos para realizar solicitudes a la API de la plataforma Einstein Bots.

3. Enviar una solicitud de inicio de sesión de chat

Envíe una solicitud de publicación HTTP al punto final https://<RUNTIME_BASE_URL>/ v5.0.0/bots/{botId}/sessions con el token de autenticación y el orgId en los encabezados HTTP. El RUNTIME_BASE_URL se puede obtener de la página de descripción general del bot documentada en la guía del cliente .

 // Crear encabezados HTTP
HttpHeaders requestHeaders = new HttpHeaders();
requestHeaders.setContentType(MediaType.APPLICATION_JSON);
requestHeaders.setBearerAuth(token);
requestHeaders.add("X-Org-Id", orgId); Mensaje de cadena = "Hola"; // Crear cuerpo de solicitud en formato TextMessage definido en Schema. // Estamos usando la concatenación de cadenas aquí solo por simplicidad.
// Es probable que cree clases de DTO que puedan ayudar
// con serialización/deserialización JSON en código de producción real.
Cadena de cuerpo de solicitud = "{norte" + " "clave de sesión externa": "" + UUID.UUID aleatorio().toString + "",n" + " "mensaje": {n" + " "texto": "" + mensaje + ""n" + "}, n" + " "forceConfig": {n" + " "punto final": "" + forceConfigEndPoint + ""n" + "}n" + "}"; // Crear solicitud HTTP
HttpEntity<String> httpRequest = new HttpEntity<>(requestBody, requestHeaders); // Crear URL con formato URI v5.0.0/bots/{botId}/sessions
URL de cadena = RUNTIME_BASE_URL + "/v5.0.0/bots/" + ID de bot + "/sesiones" ; // Enviar solicitud de inicio de sesión de chat
ResponseEntity<String> startSessionResponse = restTemplate .postForEntity(url, httpRequest, String.class);

Puede analizar la respuesta para mostrar el mensaje del bot al usuario según el canal. Para este ejemplo, solo enviaremos a la consola, que se verá así:

 { "ID de sesión": "9168d0c9-bbe2-4be1-a1a1-8a3902921e87", "versiónbot": "0X9SB00000007cb0AA", "mensajes" : [ { "id": "c0a95f75-06b2-4269-b88d-c119e038781f", "calendario" : { "RespuestaDelayMilisegundos": 1200 }, "teclee el texto", "texto": "Hola," }, { "id": "d45cdaa8-b278-42d1-b954-53f4db9ea204", "calendario" : { "RespuestaDelayMilisegundos": 1200 }, "teclee el texto", "text" : "Soy un bot de demostración para la guía del usuario". }, { "id": "4c484926-c6c5-4944-b650-cce011b0f3b6", "calendario" : { "RespuestaDelayMilisegundos": 1200 }, "teclee el texto", "texto": "Elija una de las opciones a continuación" }, { "id": "d05f2b3a-2453-4acb-9c33-43774487c76c", "calendario" : { "RespuestaDelayMilisegundos": 1200 }, "tipo": "opciones", "widget": "menú", "opciones" : [ { "etiqueta": "Estado del pedido", "alias": "1", "id": "2319a485-5c5c-4c27-8239-abb8f7366ff6" }, { "etiqueta" : "Preguntas frecuentes", "alias": "2", "id": "664d72d9-2a54-477b-9f9b-da2d01c58552" }, { "etiqueta": "Transferir al agente", "alias": "3", "id": "dccd1287-8fc0-426f-ae0b-0a8b6a41b011" }, { "label": "Finalizar chat", "alias": "4", "id": "c359eaea-f981-49ba-a424-18b8b7572d20" } ] } ], "identificadores de secuencia procesada": [ 0 ], "_Enlaces" : { "sesión" : { "href": "https://runtime-api-na-west.stg.chatbots.sfdc.sh/v5.0.0/sessions/9168d0c9-bbe2-4be1-a1a1-8a3902921e87" }, "uno mismo" : { "href": "https://runtime-api-na-west.stg.chatbots.sfdc.sh/v5.0.0/bots/0XxSB00000007UX0AY/sessions" }, "mensajes" : { "href": "https://runtime-api-na-west.stg.chatbots.sfdc.sh/v5.0.0/sessions/9168d0c9-bbe2-4be1-a1a1-8a3902921e87/messages" } }
}

A continuación, necesitaremos extraer el sessionId de sesión de la respuesta para continuar enviando mensajes a la misma sesión.

 // Imprime el cuerpo de la respuesta que tiene una respuesta de Chatbot.
System.out.println("Respuesta de inicio de sesión de Bot: " + startSessionResponse.getBody()); // Obtenga SessionId de Response para enviar un mensaje a la sesión de chat existente.
JsonNode responseNode = asignador .readValue(startSessionResponse.getBody(), JsonNode. class ); String sessionId = responseNode.get( "sessionId" ).asText();

Como puede ver, se requiere una gran cantidad de código repetitivo para usar la API de Einstein Bots Platform directamente. Para simplificar la integración y reducir gran parte del código repetitivo, creamos un SDK de Einstein Bots para Java .

Uso del SDK de Java para simplificar una integración de Bots de Einstein

El SDK es un contenedor de la API de la plataforma Einstein Bots que simplifica la integración al proporcionar características adicionales, como soporte de autorización y administración de sesiones. Veamos un poco de código para implementar el mismo ejemplo usando el SDK de Bots de Einstein.

1. Agregar una dependencia POM

Encuentre la última versión de einstein-bot-sdk-java de Maven Central y agregue esta dependencia a su pom.xml .

 <dependencia> <groupId>com.salesforce.einsteinbot</groupId> <artifactId>einstein-bot-sdk-java</artifactId> <versión>${einstein-bot-sdk-java-versión}</versión>
</dependencia>

2. Crear un cliente de chatbot

El cliente de chatbot proporciona JwtBearerFlow para OAuth, así que cree AuthMechanism con los parámetros apropiados. Luego, cree BasicChatbotClient con el mecanismo de autenticación y basePath de la URL de tiempo de ejecución de Bot.

 //Crear mecanismo de autenticación JwtBearer.
Mecanismo de autenticación oAuth = JwtBearerOAuth.with() .privateKeyFilePath(privateKeyFilePath) .loginEndpoint(loginEndpoint) .connectedAppId(conectadoAppId) .connectedAppSecret(secreto) .userId(usuarioId) .construir(); //Crear cliente de chatbot básico
Cliente de BasicChatbotClient = ChatbotClients.basic() .basePath(basePath) .authMechanism(oAuth) .construir();

3. Enviar solicitud de inicio de sesión de chat

Primero, cree una RequestConfig con su botId , orgId y forceConfigEndPoint . Puede consultar la guía del cliente para encontrar estos valores. Por lo general, desea crear una configuración una vez por bot en su organización y reutilizarla para cada solicitud.

 //Crear configuración de solicitud
RequestConfig config = RequestConfig.with() .botId(botId) .orgId(orgId) .forceConfigEndpoint(forceConfigEndPoint) .construir();

Luego, crea una BotSendMessageRequest con TextMessage .

 // Podemos usar clases Java tipadas estáticamente para el cuerpo de la solicitud.
Mensaje AnyRequestMessage = nuevo TextMessage() .text("Hola") .type(TextMessage.TypeEnum.TEXT) .sequenceId(Sistema.currentTimeMillis()); BotSendMessageRequest botSendInitMessageRequest = BotRequest .withMessage(mensaje) .construir();

Utilice el método startChatSession para iniciar una sesión.

 ExternalSessionId externalSessionKey = nuevo ExternalSessionId(UUID. randomUUID ().toString()); BotResponse respuesta = cliente .startChatSession(config, externalSessionKey, botSendInitMessageRequest); // Obtener ID de sesión de la respuesta. String sessionId = resp.getResponseEnvelope().getSessionId();

Analice el sobre de respuesta y muestre el mensaje al usuario según el canal. El SDK deserializará automáticamente el JSON a un modelo Java para hacerlo más fácil. El siguiente código muestra cómo analizar la respuesta como texto para los tipos TextResponseMessage y ChoiceResponseMessage . Para todos los tipos y códigos admitidos, consulte el esquema .

 List<AnyResponseMessage> mensajes = resp.getResponseEnvelope().getMessages();
StringBuilder sb = nuevo StringBuilder();
for(AnyResponseMessage mensaje: mensajes){ if (instancia de mensaje de TextResponseMessage){ sb.append(((TextResponseMessage) mensaje).getText()) .append("n"); }else if (instancia de mensaje de ChoicesResponseMessage){ List<ChoicesResponseMessageChoices> opciones = ((ChoicesResponseMessage) mensaje) .obtenerOpciones(); para (ChoicesResponseMessageChoices opción: opciones){ sb.append(elección.getAlias()) .adjuntar(".") .append(elección.getLabel()) .append("n"); } } //Maneje de manera similar otros tipos de mensajes de respuesta.
}
Cadena de respuestaMessageAsText = sb.toString();
System.out.println(responseMessageAsText);

La salida se verá así:

 Hola,
Soy un bot de demostración para la guía del usuario.
Elija una de las opciones a continuación
1.Estado del pedido
2.Preguntas frecuentes
3. Transferir al agente
4.Finalizar chat

Tenemos diferentes extremos de la API de la plataforma Einstein Bots para continuar una sesión existente y finalizar una sesión de chat. Para completar, veamos ejemplos de código para ellos.

4. Enviar un mensaje a una sesión de chat existente

El código de ejemplo muestra cómo usar el método sendMessage para enviar un mensaje a una sesión de chat abierta existente.

 // SDK también proporciona métodos de utilidad para crear un mensaje de texto.
// Digamos que queremos responder a la opción del menú con "Estado del pedido".
AnyRequestMessage userInputMessage = RequestFactory . buildTextMessage ( "Estado del pedido" ); // Crear solicitud de envío de mensaje de bot con el mensaje de respuesta del usuario. BotSendMessageRequest botSendMessageRequest = BotRequest .withMessage(mensaje de entrada de usuario) .construir(); //Cree RuntimeSessionId con sessionId que obtuvo al iniciar la sesión de chat Response. RuntimeSessionId runtimeSessionId = new RuntimeSessionId(sessionId); // Enviar un mensaje a la sesión existente con sessionId
BotResponse textMsgResponse = cliente .sendMessage(config, runtimeSessionId, botSendMessageRequest); System.out.println("Respuesta de mensaje de texto:" + textMsgResponse);

Usamos TextMessage en este ejemplo, pero también puede enviar otros tipos (p. ej., ChoiceMessage ) admitidos por Einstein Bot Runtime Open API Schema .

5. Terminar una sesión de chat

Finalmente, aquí hay un código de ejemplo para finalizar la sesión usando el método endChatSession .

 // Solicitud de mensaje de finalización de sesión del bot de compilación
BotEndSessionRequest botEndSessionRequest = BotRequest .withEndSession(EndSessionRason.USERREQUEST).build(); //Cree RuntimeSessionId con sessionId que obtuvo al iniciar la sesión de chat Response.
RuntimeSessionId runtimeSessionId = new RuntimeSessionId(sessionId); // Enviar solicitud para finalizar la sesión de chat
BotResponse endSessionResponse = cliente .endChatSession(config, runtimeSessionId, botEndSessionRequest); System.out.println("Respuesta de finalización de sesión:" + endSessionResponse);

Beneficios de usar el SDK de Bots de Einstein

El SDK de Bots de Einstein proporciona muchas características excelentes que pueden ahorrar tiempo a los desarrolladores.

  • Abstrae los detalles de la carga de la clave privada y la acuñación de JWT.
  • Abstrae el intercambio de tokens para obtener el token de acceso OAuth.
  • Proporciona clases modelo con verificación de tipo estricta.
    • No tiene que usar la serialización/deserialización de cadenas JSON complicadas de cuerpos de solicitud/respuesta.
    • Usamos TextMessage en este ejemplo. Del mismo modo, las clases de modelo están disponibles para todos los objetos de esquema definidos en Bot Runtime Open API Schema .
  • El código es más legible debido a los métodos similares a dsl.
  • Si usa BasicChatbotClient demostrado en el blog, deberá realizar un seguimiento de las sesiones y llamar al método startChatSession o sendMessage de manera adecuada. En su lugar, use SessionManagedChatbotClient , que elimina el método startChatSession . Creará automáticamente una nueva sesión basada en el ExternalSessionId proporcionado por el usuario. Publicaremos una publicación de blog de seguimiento sobre el uso de SessionManagedChatbotClient .

Y hay más: el marco Channel Connector

Además del SDK de Bots de Einstein, también lanzamos el marco Conector de canal de Bots de Einstein para simplificar la creación de un servicio de conector de canal mediante Spring Boot. Configura automáticamente los beans de Spring para los servicios básicos, como el almacenamiento en caché, la autenticación y las métricas, y lo prepara para su uso inmediato.

El marco del conector de canal incluye una aplicación de ejemplo de trabajo y un arquetipo experto para crear una nueva aplicación de conector de canal de bot.

La siguiente imagen resume las herramientas que estamos lanzando y los beneficios que brindan.

A dónde ir desde aquí?

Sobre el Autor

Rajasekar Elango es ingeniero de software principal en Salesforce y trabaja en la plataforma Einstein Bots. Puedes seguirlo en LinkedIn o Twitter .

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://developer.salesforce.com/blogs/2022/05/integrate-einstein-bots-into-any-channel-using-the-new-sdk-and-framework.html