For a company with a wealth of unstructured textual data in their cases, the "Detect Sentiment" transformation within CRM Analytics Recipes is a crucial tool. This transformation analyzes the sentiment of the text data-whether it's positive, neutral, or negative-and this insight can be highly valuable in case prioritization processes. Here's why this transformation is useful: Insight into Customer Sentiments: By detecting sentiment, the company can prioritize cases based on the urgency and emotional tone expressed in the text, which might indicate customer dissatisfaction or urgency. Automation and Efficiency: Automatically categorizing cases based on sentiment can streamline workflows and ensure that critical cases are handled promptly. Enhanced Customer Service: Responding to negative sentiments swiftly can improve customer satisfaction and potentially mitigate issues before they escalate.
最新のコメント (最新のコメントはトップにあります。)
このケースでは、非構造化／テキスト データを案件の優先順位付けに活用したいという目的から、最適な選択肢は次のとおりです：
---
✅ 正解：C. レシピ内の感情変換を検出する
---
理由：
感情変換（Sentiment Detection）は、非構造化テキスト（例：メール、チャット、メモなど）からポジティブ／ネガティブ／ニュートラルな感情を自動的に分類する機能です。
案件のメモややりとりの内容にネガティブな感情が多い＝案件リスクが高いなど、優先度判断に重要な要素になります。
Salesforce CRM Analytics（旧Einstein Analytics）のData Prep レシピでは、テキスト列に対して感情分析を適用できます。
---
他の選択肢の解説：
A. レシピのバケット変換
→ 数値やカテゴリを手動でグループ化するもの。非構造化テキストには適していません。
B. レシピのクラスター変換
→ 機械学習により**レコードを自動でグループ化（クラスタリング）**しますが、主に数値データが対象。テキストの意味理解や感情分析には不向きです。
---
補足：
感情変換の結果（たとえばスコアやラベル）は構造化データとして扱えるため、レポート、ダッシュボード、優先度スコアリングなどに活用可能です。
---
ご希望であれば、レシピで感情変換を設定する手順もご案内できます。