【Data 360】Agentforceの検索精度を爆上げする！1対Nの関連レコードを「1行のテキスト」に完全凝縮するノーコードテクニック

RAGにおける「データの形」問題

AgentforceのRAG（検索拡張生成）を構築する際、最も頭を悩ませるのが「データ構造のフラット化」です。

Salesforceのデータモデルは、正規化（リレーション）によって美しく管理されていますが、AIのベクトル検索にとっては、情報がバラバラに散らばっている状態は好ましくありません。AIは「1つのレコードに全ての文脈が詰まっている」状態を好みます。

今回は、架空の不動産検索システム「Real Estate Search」の構築事例を元に、1対Nで紐づく設備データを、Data 360のデータ変換ビジュアルエディタだけで「1行のテキスト」にまとめ上げるテクニックをシェアします。

前提：今回のデータモデル（多対多の構造）

まず、今回扱うデータ構造を見てみましょう。不動産データは典型的な「多対多」の関係を持っています。

• 物件 (Building): 募集住戸がある「建物」。
• 募集住戸 (Listing): 貸し出しを募集している「部屋」。
• 設備マスタ (Feature): 「オートロック」「システムキッチン」などの設備定義。
• 住戸設備 (ListingFeature): どの部屋にどの設備があるかを繋ぐ中間テーブル。

データの重要ポイント：「AI検索用タグ」

特筆すべきは、設備マスタに持たせた SearchKeywords__c という項目です。

この項目には、設備名そのものではなく、ユーザーが検索しそうな「話し言葉」や「類義語」を定義しています。

設備名 (Name)	AI検索用タグ (SearchKeywords__c)
オートロック	防犯, 安心, 女性, 安全, エントランス, 鍵
宅配ボックス	不在, 荷物, 通販, Amazon, 受取, 置き配

このキーワード群を、募集住戸データ側に持ってくることが今回のゴールです。

課題：単純な結合（JOIN）はNG

Data 360でこれらを結合しようとすると、通常は以下のような問題が発生します。

失敗パターン：単純なJOIN

1つの部屋（101号室）に設備が3つある場合、JOINするとレコードが3行に増殖してしまいます。

住戸	設備
101号室	オートロック (防犯…)
101号室	宅配ボックス (不在…)
101号室	システムキッチン (料理…)

これでは、AIが「101号室」を3つの別々のチャンクとして認識してしまい、正確な検索ができません。

欲しいのは、以下のような「1部屋1行」の完全なデータです。

101号室: オートロック 防犯… 宅配ボックス 不在… システムキッチン 料理… （これら全てを1つのテキスト項目に入れたい！）

しかし、Data 360に搭載されているデータ変換の「集計（Aggregate）」ノードには、テキストを結合する関数（Group Concat等）が存在しません。

解決策：ウィンドウ関数による「積み上げと抽出」

そこで、「累積結合」と「ランク付け」の組み合わせで解決です。

Step 1: 数式で「雪だるま式」にテキストを積み上げる

まず、[変換] ノードで行数式の数式をONにしてウィンドウ関数を使用し、設備キーワードを前の行からどんどん繋げていきます。

• 使用する関数: array_join と collect_list
• 数式: array_join(collect_list("FeatureMaster__c_Home.SearchKeywords_c__c"), ',')
• ウィンドウ設定:
  • パーティションの基準: 募集住戸（部屋ごとに区切る）
  • 並び替えの基準: 設備
  • 並び替えの方向: 昇順

この処理を通すと、データは以下のように変化します。

行	データの中身	状態
1行目	「防犯…」	まだ途中
2行目	「防犯…, 不在…」	まだ途中
3行目 (同住戸内の最後)	「防犯…, 不在…, 料理…」	全部入り（これが欲しい！）

Step 2: 降順ランクで「最後の行」を特定する

欲しいのは「全部入り」になった最後の行だけです。そこで、同じくウィンドウ関数でランク付けを行います。

• 使用する関数: row_number()
• ウィンドウ設定:
  • パーティションの基準: 募集住戸（部屋ごとに区切る）
  • 並び替えの基準: 設備
  • 並び替えの方向: 降順★

★ここがポイント:
Step 1と同じ並び順キーを使い、ここで「降順」にします。すると、最もデータが積み上がった最後の行が、常に「ランク1位」になります。

Step 3: フィルタで1位だけを抽出する

最後に [検索条件] ノードで不要な行を捨てます。

• 条件: 募集住戸内のランク計算 次の文字列と一致する 1

完成したデータと効果

この処理を経て出力された CombinedSearchText は、以下のような「情報の塊」になります。

物件: スカイハイツ横浜 601
キーワード: スカイハイツ横浜 601。横浜駅徒歩圏内の大規模マンション。築年数は経っているが、大規模修繕済みで管理体制は良好。敷地内に公園があり、子育て世帯が多い。スーパーも隣接しており生活利便性が非常に高い。誰が来た, 訪問者, 顔が見える, 防犯, 安心,セパレート, 独立, ゆったり, 脱衣所,ウォシュレット, 快適, トイレ, 清潔, 洗浄,朝の支度, 化粧, ヘアセット, 鏡, 収納, コンセント,ネット, Wi-Fi, リモートワーク, コスト削減, 使い放題,光回線, ヌルヌル, ゲーム, 動画, 配信, テレワーク,不在, 荷物, 通販, Amazon, 受取, 置き配

参考JSON

私が作成した一括処理データ変換のJSONデータをダウンロードできます。ご参考までにどうぞ。

Agentforceでの検索効果

このデータ変換を行ったことで、Agentforceは以下のようなユーザーの曖昧な発言を拾えるようになりました。

• 「Amazonよく頼むんだけど」
  • → 「Amazon」「通販」が含まれるため、宅配ボックス付きの物件がヒット。
• 「ネット環境はヌルヌルがいい」
  • → 「ヌルヌル」「配信」が含まれるため、高速ネット回線付きの物件がヒット。
• 「セキュリティ重視で」
  • → 「顔が見える」「防犯」が含まれるため、TVモニタホン・オートロック付きがヒット。

まとめ

Data 360のデータ変換において、1対Nの関連レコードをフラット化する際、 「累積結合（ウィンドウ関数）」＋「逆順ランク」＋「フィルタ」 の3段活用をマスターすれば、どんな複雑なリレーションデータもAIにとって最適な形に整形できます。

ぜひ、皆さんのRAG構築でもこのテクニックを活用してみてください。

参考URL

数式のウィンドウ関数

数式の複数値関数