English
Suomi
Français
Deutsch
Sytuacja klienta i wyzwania
Firma produkcyjna korzystała z Salesforce CRM, SAP ERP, platform e-commerce i aplikacji marketingowych. Istniejące integracje łączyły te systemy, ale tożsamości klientów, informacje handlowe i historia interakcji pozostawały rozproszone. Wieloletnie dostosowywanie Salesforce doprowadziło też do nakładania się pól i niespójnych definicji danych.
Problemy i ich wpływ na działalność
Starsze integracje były trudne do rozbudowy
Dodanie systemu wymagało nowych przepływów danych i orkiestracji między aplikacjami, a także włączenia jego danych do hurtowni. Utrzymywanie osobnych mapowań i powtarzającej się logiki integracyjnej zwiększało nakład pracy i utrudniało rozbudowę środowiska.
Nakładające się pola Salesforce utrudniały zarządzanie danymi
Lata dostosowywania systemu doprowadziły do powstania zduplikowanych pól i definicji pełniących podobne funkcje. Zwiększało to złożoność utrzymania CRM i utrudniało ustalenie spójnych mapowań integracyjnych.
Rozproszone tożsamości utrudniały uzyskanie pełnego obrazu relacji z klientami
Ten sam klient był różnie reprezentowany w poszczególnych aplikacjach. Historia zakupów, zamówień, ofert, aktywności w witrynie, marketingu i wiadomości e-mail pozostawała rozdzielona. Zespołom brakowało spójnego obrazu relacji i musiały szukać kontekstu w niepowiązanych rekordach.
Brak kontekstu handlowego i historii interakcji ograniczał podejmowanie decyzji
Informacje o produktach i cenach pozostawały rozproszone między aplikacjami. Zespoły sprzedaży nie mogły łatwo wykorzystać pełnej historii do kwalifikowania potencjalnych klientów, a zespołom wsparcia brakowało wspólnego kontekstu do rozumienia i rozwiązywania zgłoszeń.
Co wdrożyliśmy i dlaczego
Każda nowa aplikacja wymagała przepływów danych, orkiestracji i osobnego zasilania hurtowni. Nasze wdrożenie Salesforce Data 360 stworzyło wspólną warstwę dla Salesforce, SAP ERP i innych platform, ograniczając powtarzające się przygotowywanie danych.
Architektura obsługuje Ingestion API dla źródeł niestandardowych i standardowe konektory dla obsługiwanych aplikacji. Zespoły mogą konfigurować konektory w Data 360 oraz pobierać dane przez interfejsy API zapytań i profili.
Dane SAP dotyczące klientów, produktów i transakcji handlowych można wizualnie mapować na encje Data 360. Te wspólne mapowania udostępniają dane SAP obok rekordów klientów Salesforce.
Uproszczenie modelu danych Salesforce
Co wdrożyliśmy
Zidentyfikowaliśmy zduplikowane pola, nakładające się definicje i starsze struktury, a następnie scaliliśmy powielające się struktury danych i uporządkowaliśmy niespójne informacje. Stworzyło to spójne definicje dla mapowań integracyjnych i łatwiejszą w utrzymaniu bazę CRM.
Dlaczego: cel biznesowy
Proponowany cel: zmniejszenie o 30% nakładu pracy potrzebnego do mapowania i utrzymania pól dotyczących klientów, w porównaniu z podobnymi zmianami w CRM przed porządkowaniem. Spójne definicje powinny ograniczyć ponowną analizę pól i poprawianie mapowań.
Zastąpienie powtarzającej się logiki wspólną warstwą danych
Co wdrożyliśmy
Połączyliśmy dane Salesforce, SAP ERP, e-commerce i marketingu we wspólnej warstwie Data 360. Architektura obsługiwała połączenia przez Ingestion API dla źródeł niestandardowych i konfigurowalne standardowe konektory dla obsługiwanych aplikacji biznesowych. Wspólne mapowania encji oraz dostęp przez interfejsy API zapytań lub profili umożliwiły ponowne wykorzystanie danych w aplikacjach odbiorczych.
Dlaczego: cel biznesowy
Cel biznesowy: zmniejszenie o 60% nakładu pracy potrzebnego do integrowania kolejnych aplikacji dzięki ponownemu wykorzystaniu wspólnych mapowań i przygotowania danych klientów. Właściciel projektu informuje o takim ograniczeniu nakładu pracy przy kolejnych integracjach.
Ujednolicenie tożsamości klientów i kontekstu handlowego
Co wdrożyliśmy
Uzgodniliśmy tożsamości klientów między systemami i połączyliśmy zakupy, zamówienia, oferty, aktywność w witrynie, działania marketingowe oraz interakcje e-mailowe. Udostępniliśmy też odpowiednie dane o produktach i cenach w Salesforce, zachowując odpowiedzialność systemów źródłowych za ich dane.
Dlaczego: cel biznesowy
Proponowany cel: skrócenie o 50% czasu potrzebnego na znalezienie historii zamówień, ofert i interakcji klienta, mierzonego na tych samych zadaniach wyszukiwania przed wdrożeniem i po nim. Ujednolicony profil powinien zastąpić wyszukiwanie w rozproszonych rekordach.
Wykorzystanie wspólnego kontekstu w sprzedaży i obsłudze klienta
Co wdrożyliśmy
Połączyliśmy sygnały dotyczące klientów na potrzeby scoringu leadów i ustalania priorytetów sprzedaży oraz wdrożyliśmy zarządzanie intencjami oparte na AI do klasyfikowania przychodzących wiadomości. Ujednolicone profile i historia interakcji zapewniły zespołom kontekst potrzebny do kwalifikowania potencjalnych klientów i obsługi zgłoszeń.
Dlaczego: cel biznesowy
Cel biznesowy: rozwiązywanie zgłoszeń klientów o 50% szybciej dzięki połączeniu klasyfikacji intencji z historią klienta i transakcji handlowych. Właściciel projektu informuje o takim rezultacie. Scoring leadów zapewnia też sprzedaży szerszą podstawę do kwalifikacji i ustalania priorytetów.
Plan wdrożenia
Wdrożenie trwało trzy miesiące i obejmowało analizę, planowanie, realizację oraz uruchomienie rozwiązania.
Miesiąc 1: analiza
Przeanalizowanie istniejącego modelu danych Salesforce oraz środowiska SAP ERP, e-commerce i marketingu. Sprawdzenie, jak aplikacje współpracują, skąd pochodzą informacje o klientach i transakcjach handlowych oraz jak obecne integracje je wymieniają.
Miesiąc 1: planowanie rozwiązania
Zaplanowanie porządkowania CRM, wspólnych definicji danych, mapowań integracyjnych i powiązań tożsamości klientów. Ustalenie kolejności prac nad historią klientów, widocznością produktów i cen, kwalifikacją leadów oraz zarządzaniem intencjami w obsłudze klienta.
Miesiąc 2: realizacja
Połączenie zbędnych struktur CRM, integracja zbiorów danych przez Data 360 i konfiguracja ujednolicania danych klientów. Przygotowanie kontekstu handlowego i historii interakcji potrzebnych w scenariuszach sprzedaży i obsługi klienta.
Miesiąc 3: uruchomienie
Włączenie wspólnego widoku klienta, scoringu leadów i zarządzania intencjami opartego na AI do procesów sprzedaży i obsługi klienta. Sprawdzenie kontekstu uzyskanego z wielu systemów podczas przechodzenia do użytkowania rozwiązania.
Miesięczne zużycie kredytów
Rozwiązanie obejmuje łącznie pięć milionów rekordów z informacjami o klientach, transakcjach handlowych i interakcjach. Liczba przechowywanych rekordów i miesięczny wolumen przetwarzania to różne miary: kolejne odświeżenia, uzgadnianie tożsamości i zapytania mogą wielokrotnie przetwarzać te same rekordy.
Poniższy scenariusz planistyczny wykorzystuje opublikowane przez Salesforce stawki produkcyjne Data Services. Przewiduje 108 550 kredytów miesięcznie dla wskazanych operacji i obciążenia. Jest to model do planowania, a nie zmierzone zużycie klienta.
Operacja | Miesięczne obciążenie | Kredyty Data Services |
|---|---|---|
Wsadowe pobieranie danych zewnętrznych | 1 milion przetworzonych wierszy | 2000 |
Przekształcenia wsadowe | 10 milionów przetworzonych wierszy | 4000 |
Ujednolicanie profili | 1 milion wierszy przetworzonych we wszystkich uruchomieniach w miesiącu | 100 000 |
Zapytania o dane | 150 milionów przetworzonych wierszy | 300 |
Wsadowe obliczanie wskaźników | 150 milionów przetworzonych wierszy | 2250 |
Łącznie dla wskazanych operacji | Planowane miesięczne obciążenie | 108 550 |
Miesięczny scenariusz planistyczny dla wybranych operacji; kredyty Data Services, nie Flex Credits.
Zaokrąglony miesięczny budżet kredytów: 1 100 USD, przy wskazanym obciążeniu i przyjętej do planowania cenie bez rabatów wynoszącej 1 000 USD za 100 000 kredytów Data Services. Dotyczy wyłącznie zużycia kredytów; nie obejmuje licencji, pamięci masowej, usług AI, podatków ani innych opłat.
Cennik Salesforce Data Services
Rezultaty biznesowe
W ciągu trzech miesięcy firma Routine Automation uporządkowała model danych Salesforce, wdrożyło integrację Data 360 obejmującą CRM, SAP ERP, e-commerce i marketing, ujednolicone profile klientów, scoring leadów oraz zarządzanie intencjami w obsłudze klienta oparte na AI. Firma produkcyjna zyskała lepszy wgląd w dane klientów i informacje handlowe, a zespoły potrzebowały mniej czasu na ich znalezienie. Zgłoszenia klientów rozwiązywano o 50% szybciej, a nakład pracy przy integrowaniu kolejnych aplikacji zmniejszył się o 60% dzięki ponownemu wykorzystaniu wspólnej bazy danych.
