Salesforce AI 销售工具承诺增长，而非仅自动化

Salesforce 本周表示，其最新 AI 功能旨在提升收入，而非仅仅减少任务。这一举措凸显了承诺的生产力提升与销售团队日常习惯之间的差距。

该公司推出了 Einstein Copilot 及相关代理的更新，重点针对管道管理。这些工具根据客户记录和过往交易提供下一步最佳行动。早期测试显示，部分账户的交易资格认定速度加快。

销售领导者仍面临压力，需要证明这一转变能带来可衡量的增长。许多团队已在日志记录和提醒方面使用自动化，但仍未完成配额。基本论点保持一致：只有当组织将其视为行为改变平台而非任务自动化层时，AI 才能带来可持续的收入影响。

市场数据凸显了利害关系。IDC 估计，到 2026 年，超过 65% 的销售组织将在核心工作流中嵌入生成式 AI，但预计只有 28% 的部署能产生持续的配额达成提升。差异直接源于领导层是否在技术之外投资于行为强化。因此，Salesforce 的定位标志着行业从“节省时间”的营销主张转向具体的收入归因。Gartner 的最新分析 证实，以收入为重点的部署在很大程度上优于任务自动化项目。

更新功能针对收入信号

Einstein Copilot 现在根据合同历史建议定价调整和续约时机。更新还利用账户相似性数据将潜在客户分配给合适的代表。Salesforce 声称这些步骤无需额外手动监督即可保持交易进度。

采用早期版本的团队报告称，在使用的第一个季度内，遗漏任务减少。这些变化侧重于揭示收入障碍，而非自动化每封邮件。例如，当代表记录会议笔记中提到预算问题时，代理可以从同一行业三个类似已成交交易中标记定价折扣机会。这发生在 CRM 记录内部，因此建议在下次管道审查时出现，无需代表离开 Salesforce。

工作流细节揭示了系统如何摄取结构化和非结构化数据。合同结束日期、历史折扣水平、电子邮件线程中的竞争对手提及，甚至支持工单量都输入到机会评分中。代理按预测成交概率对开放交易进行排名，并仅显示每个账户的前三项行动。销售领导者配置阈值，以便只有高于定义收入阈值的交易才会收到续约时机警报，从而为较小机会保持低噪音。

与 Sales Cloud 的实际集成意味着建议会随着代表编辑字段而实时更新。当代表将阶段从“提案”更改为“谈判”时，代理会立即重新计算，并可能建议让客户成功经理参与入职规划。这种持续重新计算取代了需要每季度手动更新的旧静态剧本。

在处理多线程购买中心时，模型的处理方式显示出额外深度。当机会显示多个利益相关者时，系统会交叉引用这些联系人之间的过往互动，并提供“冠军赋能”建议——例如分享先前在类似账户中推动经济买家的案例研究。建议包括确切资产和理由，使代表无需额外研究时间即可行动。

进一步改进包括引用财务批准的利润率阈值的动态折扣护栏。如果代表考虑提供超出模型推荐范围的折扣，代理会显示可比的赢/输数据以及对配额达成的隐含影响。此功能将定价讨论从被动谈判转变为同时保护收入和利润的数据知情决策。

Einstein Copilot 还结合了通话录音和电子邮件语气指标的实时情感分析。当代表完成发现通话后，代理可以检测到围绕预算的犹豫信号，并立即推荐针对 ROI 的案例研究，从在类似垂直领域表现良好的资产库中提取。这减少了代表搜索支持材料的时间，并增加了在同一销售周期内推进交易的可能性。

行为改变仍是主要障碍

销售代表必须克服旧习惯来执行新建议。没有辅导，许多人将输出视为可选建议而非必需的后续步骤。将工具与配额挂钩的审查相结合的公司看到更高的采用率。Bloomberg 最近报道称，将 AI 代理与结构化辅导相结合的公司比仅技术部署实现更高的配额达成率。

在试点组中添加每周简短签到的变更管理计划显示出最强效果。没有此类支持的团队在两个月内恢复到先前模式。一家企业团队引入了 15 分钟的周一碰头会，代表们分享上周执行的一项 AI 生成建议及其结果。经理跟踪这些行动是否与阶段进展相关，将工具转变为辅导资产而非另一个仪表板。

转变还需要重新定义计分卡上的“活动”含义。传统指标奖励通话量或发送的电子邮件。团队现在将这些与“AI 行动完成率”相结合，衡量代表接受并执行建议后续步骤的频率。早期数据表明，达到 80% 接受率的代表在同一季度内关闭的管道多 11%，但前提是该指标明显与薪酬对话挂钩。

组织通过调整区域和配额设计进一步嵌入这种行为。区域现在考虑 AI 辅助账户的预期提升，因此代表不会因专注于代理标记为高概率的更少、更高质量机会而受到惩罚。这种结构对齐防止了代表追逐与 AI 驱动优先级直接冲突的数量指标的常见失败模式。

领先采用者还重新设计入职课程。新员工的前两周会参与 AI 增强的交易审查，而不是记忆产品功能表。课程强调提示素养——如何解释置信度分数、何时覆盖建议，以及如何将结果数据反馈到模型中。接受这种培训的早期队列比在传统剧本下培训的队列达到全面生产力的速度快 23%。

收入主张目前基于有限证据

关于持续配额提升的独立数据仍然有限。大多数公开数字来自小型早期采用者或内部基准。大型企业在推广到所有区域后报告了混合结果。

Salesforce 指出，当经理在团队会议中审查代理建议时，结果会改善。这额外步骤将建议转化为共享目标。在一次记录的 400 名代表的推广中，前 90 天内，举行结构化审查会议的团队的成交率增加了 7%，而未获得经理参与的团队则没有统计学上的显著变化。

分析师警告称，许多已发布案例研究存在选择偏差。愿意分享结果的公司通常已经具备成熟的数据卫生实践。仍在与重复记录或不一致阶段定义作斗争的组织看到较弱的提升，因为 AI 建议依赖于嘈杂数据。因此，Salesforce 建议在为所有用户启用完整推荐引擎之前进行 60 天的数据清理冲刺。

更长期的研究开始出现。一家全球技术公司跟踪了 18 个月的表现，发现最初 7% 的成交率提升仅在维持每月数据治理审查的团队中保持稳定。在第一季度后停止治理的团队到第 14 个月逐渐回落至基线表现，强调数据质量不是一次性项目，而是持续的运营要求。NYTimes 突显了多个供应商的类似模式。

Gartner 2024 年销售自动化魔力象限进一步指出，实现高于中位数收入影响的组织还发布内部“AI 成功剧本”，明确哪些行动产生了可衡量的结果。这些剧本成为每季度更新的活文档，在一线执行和模型改进之间创建持续反馈循环。

竞争环境增加压力

其他平台提供类似的销售工作流提示驱动助手。有些侧重于较轻的任务自动化，而另一些则尝试全面的机会评分。Salesforce 将其版本定位为更深入，因为它可以直接访问自己的 CRM 记录。

买家现在在短期评估期间比较不同工具的下一步行动建议的准确性。准确性仍然是脱颖而出的最清晰方式。例如，Microsoft 的 Copilot for Sales 除了 Dynamics 之外，还从 Outlook 和 Teams 中提取上下文，在使用 Microsoft 365 的组织中具有优势。HubSpot 的 AI 功能强调小型团队的易用性，但缺乏 Salesforce 可用于企业账户的历史机会数据深度。

在供应商比选中，采购团队越来越多地通过每个平台运行同一组十个开放机会，并对建议下一步行动的相关性进行评分。一家金融服务公司报告称，Einstein Copilot 发现了与未解决支持工单相关的续约风险，而 Microsoft 和 HubSpot 工具均未标记，因为只有 Salesforce 具有对 Service Cloud 记录的原生访问。

实施工作流细节

推出 Einstein Copilot 遵循分阶段模式。第一周侧重于数据卫生和字段映射。第二周涉及为下一步最佳行动阈值创建自定义规则。第三周添加显示区域采用热图的经理仪表板。第四周引入引用特定 AI 输出的代表级辅导脚本。

管理员可以在试点期间将代理建议限制为特定记录类型或交易规模。这可以防止压倒，并让团队首先在高价值机会上验证准确性。30 天后，一旦假阳性率低于内部定义的目标，范围将扩展到较低价值的潜在客户。

工作流还包括沙箱测试协议。Salesforce 现在提供专用的“AI 沙箱”，它镜像生产数据但掩盖个人身份信息。销售运营团队通过代理运行历史已成交和已丢失机会，以在任何现场部署之前对建议相关性进行基准测试，建立可随时间跟踪的可衡量准确性基线。

销售领导者的实际影响

领导者获得了预测准确性的新杠杆。他们不再仅依赖代表提交的概率，而是可以结合代理的综合评分，该评分融合了历史模式与当前活动信号。这减少了季度业务审查中的主观性。

这些工具还能挖掘出代表们因产品线或区域分散而经常错过的交叉销售和向上销售机会。一家制造企业客户通过分析安装基础数据与近期支持联系记录，发现了 AI 标记的三个现有客户向上销售路径，这些路径从未出现在手动账户计划中。

预测会议的性质也随之改变。领导者不再争论单个交易的概率，而是审视整体模式，例如代理推荐操作被接受的商机百分比，以及该操作与阶段推进的相关性。这将对话从轶事式交易审查转向系统性流程改进。

局限性与风险

当代理扫描包含敏感客户信息的电子邮件线程时，会引发数据隐私问题。尽管 Salesforce 维护企业级控制措施，但受监管行业的法务团队通常要求在启用完整电子邮件上下文前增加审批流程。

过度依赖是另一个风险。即使账户特定背景与推荐相矛盾，代表仍可能遵从代理建议。企业通过要求代表在拒绝 AI 操作时记录简短的“覆盖原因”来缓解此问题，从而形成反馈循环以提升未来模型性能。

如果 CRM 数据质量下滑，建议的准确性会迅速下降。那些在初始部署后削减数据管理人力的组织报告称，六个月内采用率出现下降。受监管行业还面临模型可解释性的额外审查，因为审计人员越来越多地要求提供文档，说明生成特定推荐的原因。

衡量投资回报率与关键绩效指标

除成交率外，组织还会跟踪管道速度、平均交易规模和预测准确性方差等指标。一家全球服务公司报告称，在引入 AI 驱动的下一步最佳行动提示并将其与每周经理签到结合后，平均销售周期缩短了 14%。这些指标帮助领导者量化行为转变是否转化为持久的收入增长，而非临时活动激增。

早期采用者的案例研究

一家中型软件公司在其企业细分市场实施了定价调整推荐。六个月内，该团队通过主动呈现由可比成交数据支持的折扣机会，使续约率提升了 9%。另一家医疗保健提供商利用多线程购买中心功能协调临床和采购利益相关者的外展工作，使同一季度内三笔原本“停滞”的交易转为“成交”。

后续关注要点

收入影响将在未来两份财报电话会议中通过管道转化率最清晰地体现。竞争对手的产品更新可能检验 Salesforce 建议是否保持优势。来自客户成功团队的采用指标将揭示有多少用户在初始培训后仍保持代理活跃状态。

跟踪这些信号的管理者将更快判断增长重点是否超越演示数据。关注与收入智能平台的已宣布合作，这些合作可能将代理的覆盖范围扩展到 Salesforce 生态系统之外。

常见问题

初始设置通常需要多长时间？

大多数中型部署需要四到六周的配置和数据准备，之后代表才能看到实时建议。

Einstein Copilot 是否取代人工 coaching？

不会。该工具提供信号，但持续收益需要管理者将这些信号纳入 coaching 节奏和配额对话中。

系统能否基于行业特定数据进行训练？

Salesforce 允许客户使用自身历史成交和未成交记录微调评分模型，从而提升垂直市场的相关性。

长期成功的其他考虑因素

持续价值还取决于定期模型再训练。Salesforce 每季度发布更新，纳入从整个客户群中发现的新信号。安排与 Salesforce 客户成功经理定期校准会议的团队能与这些更新保持同步，避免性能漂移。

最后，将 AI 代理视为活的流程资产而非一次性软件采购的组织能取得最持久的成果。这种思维转变将对话从“我们是否买对了工具？”转向“我们如何围绕持续智能指导演进销售动作？”。

下载 remio