Einstein Discoveryで商談の改善点を探す

この記事の読み方

当時の記事では、Einstein Analyticsの「ストーリー」を使い、商談のデータからプラスとマイナスの原因を探す流れを紹介しました。その流れ自体は、いまも同じ考え方で使えます。

変わったのは名前です。

どういうときに使うのか

Einstein Discoveryは、統計のモデルと機械学習で、データの中の傾向を見つけて見せる機能です。公式ヘルプでは、先の結果を予測し、その結果をよくするための打ち手も示す、と説明されています。

当時の記事のテーマは「営業が獲得する商談について、改善の提案を知りたい」でした。どの項目が受注に効いているのか、どこで差が出ているのかを、勘ではなくデータで確かめたいときに使います。

大きな流れ

1. 何を知りたいかを決める

   分析のあとにどうなっていたいかを考えます。当時の例では「商談の受注をよくするには何が効いているか」です。この段階では大まかでかまいません。

2. データセットを作る

   必要なオブジェクトと項目を洗い出し、CRM Analyticsのデータセットにします。当時の例では、商談を起点に、取引先・所有者・取引先責任者をつなぎました。

3. モデルを作る

   Analytics Studioのホームで「作成」から「モデル」を選び、「データセットから作成」で作ったデータセットを選びます。

4. 目標を決める

   分析したい結果の項目を選び、その値を大きくしたいのか、小さくしたいのかを決めます。

5. 結果を読む

   どの項目が結果を押し上げ、どの項目が押し下げているかを確かめます。

当時の手順は、Analytics Studioのデータセットのタブでデータセットを選び、右の▼から「ストーリーを作成」を選ぶ形でした。いまは上のとおり、Analytics Studioの「作成」から「モデル」を選びます。

当時の記事から変わったこと

公式ヘルプには、名前を置き換えきるまで、古い名前が残っている場所もあると書かれています。画面で「ストーリー」という言葉を見かけても、モデルのことだと読み替えてください。

確認した環境

• 2026年9月時点のSalesforce公式ヘルプ（Explain, Predict, and Take Action with Einstein Discovery）と、TrailheadのEinstein Discoveryの単元（モデルの作り方）で確認しています
• 画像は2021年当時の画面と分析結果の例です。いまの画面とは見た目が違う可能性があります

まとめ

• 当時のEinstein Analyticsの「ストーリー」は、いまのEinstein Discoveryの「モデル」です
• 分析の機能は、公式ヘルプでは「CRM Analytics」の名前で案内されています
• 流れは、知りたいことを決める、データセットを作る、モデルを作る、目標を決める、結果を読む、の順です
• モデルは、Analytics Studioの「作成」から「モデル」を選び、データセットから作ります
• Einstein Discoveryには、CRM Analytics Plus か Einstein Predictions のライセンスが要ります