Empfehlungen zu Inhaltslücken bieten konkrete Maßnahmen, um Teammitgliedern zu helfen, die Fin-Leistung zu verbessern. Sie zeigen auf, wo Fin nicht antworten konnte, weil Hilfeinhalte fehlten, unklar, doppelt oder widersprüchlich waren.
Wissen, was zu beheben ist und wie – Empfehlungen zu Inhaltslücken zeigen, wo Fin Schwierigkeiten hatte, und empfehlen klare, spezifische Inhaltsaktualisierungen.
Überspringen Sie die manuelle QA – Empfehlungen zu Inhaltslücken scannen ungelöste Fin-Gespräche, vergleichen sie mit menschlichen Antworten und zeigen auf, was zu beheben ist – kein Durchsuchen von Transkripten nötig.
Beheben Sie, was am wichtigsten ist – Jede Empfehlung wird nach Wirkung bewertet, sodass Sie die Korrekturen priorisieren können, die die meisten Gespräche verbessern.
Behalten Sie die Kontrolle – Bearbeiten, akzeptieren oder lehnen Sie jede Empfehlung ab, bevor sie live geht – so erfolgen Änderungen nach Ihren Bedingungen.
Hinweis: Empfehlungen erfordern das Pro Add-on.
So greifen Sie auf Empfehlungen zu Inhaltslücken zu
Um Ihre Empfehlungen zu Inhaltslücken zu sehen, gehen Sie zu Analysieren > Optimieren und filtern Sie nach Grund ist Inhaltslücken.
So verwenden Sie Empfehlungen zu Inhaltslücken
Empfehlungen zu Inhaltslücken werden durch Analyse generiert:
Fehlgeschlagene Fin-Antworten (z. B. Eskalationen oder qualitativ schlechte Antworten) und deren Vergleich mit erfolgreichen menschlichen Antworten auf ähnliche Fragen.
Von Teammitgliedern bearbeitete Antworten, um zu prüfen, ob es Lücken in Ihrer knowledge base gibt.
Duplikate desselben Inhalts in mehreren Quellen.
Widersprüche von Inhalten in verschiedenen Quellen.
Für jede Empfehlung zu Inhaltslücken können Sie:
KI-generierte Erstellungs- oder Bearbeitungsempfehlungen überprüfen.
Die genauen Gespräche sehen, die die Empfehlung ausgelöst haben.
Öffentliche Artikel oder Snippets direkt aktualisieren, um zukünftige Lösungen zu verbessern.
Arten von Empfehlungen zu Inhaltslücken
Aktion | Ziele | Verfügbarkeit |
Neuen Inhalt hinzufügen |
|
|
Bestehenden Inhalt bearbeiten |
|
|
Widersprüchliche Inhalte überprüfen |
|
|
Doppelte Inhalte überprüfen |
|
|
Empfehlungen zu Inhaltslücken nach Zielgruppe segmentieren
Um Ihre Empfehlungen genauer und wirkungsvoller zu machen, sollten Sie sie nach Zielgruppe segmentieren. So analysiert Fin nur Gespräche und Inhalte, die für eine bestimmte Kundengruppe relevant sind, und verhindert Verwirrung durch widersprüchliche Informationen (z. B. unterschiedliche Datenschutzrichtlinien für EU- vs. US-Kunden).
Klicken Sie auf das Einstellungssymbol oben auf der Optimieren-Seite, um Inhaltsvorschläge nach Fin-Zielgruppen zu segmentieren, die Sie eingerichtet haben.
Hinweis:
Segmentierung funktioniert derzeit nur für Inhaltsvorschläge.
Beim Speichern werden Ihre aktuellen Inhaltsvorschläge gelöscht. Neue segmentierte Inhaltsvorschläge werden generiert, was einige Stunden dauern kann.
Tipp: Für Multi-Brand-Arbeitsbereiche empfehlen wir, ein brand-Attribut zu Ihren Fin-Zielgruppen hinzuzufügen. Dies stellt sicher, dass Empfehlungen mit den richtigen Inhalten für jede Marke generiert werden.
Empfehlungen zu Inhaltslücken überprüfen
Sie können alle Empfehlungen zur Inhaltsschwachstelle überprüfen, bevor Sie sie für Fin aktivieren. Jede Empfehlung enthält:
Auswirkungsbewertung
Eine zusammenfassende Erklärung
Erstellungsdatum
Quellgespräche
Verwandte Inhalte
Erforderliche Überprüfungsmaßnahmen
Wenn Sie die Seitenleiste oben rechts öffnen, finden Sie die Gespräche, die eine Empfehlung direkt beeinflusst haben.
Das erleichtert:
Das genaue Kundenanliegen hinter einer Empfehlung zu verstehen.
Zu überprüfen, ob die Lösung die Problemlösung wirklich verbessert.
Konkrete Beispiele mit Teamkollegen zu teilen, wenn Änderungen geplant werden.
Überprüfungsoptionen:
Neuer Inhalt: Empfehlung annehmen oder ablehnen
Bearbeitungen: Durch mehrere Änderungen scrollen, einschließlich:
Roter Text (vorgeschlagene Entfernungen)
Grüner Text (vorgeschlagene Ergänzungen)
Nach Annahme einer Empfehlung wird sie sofort dem verfügbaren Inhalt von Fin hinzugefügt.
Tipp: Sie können Inhalte direkt bearbeiten, bevor Sie eine Empfehlung annehmen oder ablehnen.
Bearbeitungen an synchronisierten Zendesk-Artikeln überprüfen
Wenn Sie Fin für Zendesk verwenden, können Sie Empfehlungen zur Inhaltsschwachstelle erhalten, um Zendesk-synchronisierte Artikel zu bearbeiten und den Artikel aus Ihrem Fin-Arbeitsbereich heraus in Ihrem help center zu veröffentlichen.
Nach Überprüfung und Annahme einer Empfehlung klicken Sie auf Veröffentlichen – ein Bestätigungsfenster erscheint mit einem Link zum Artikel in Zendesk, damit Sie die Änderungen dort ansehen können.
Sobald Sie auf In Zendesk veröffentlichen klicken, wird der Artikel in Ihrem Zendesk help center live geschaltet und kann wie gewohnt in Zendesk bearbeitet werden.
Hinweis:
Nur verfügbar, wenn sowohl die Zendesk-Artikel-Synchronisation als auch die ticket-Daten-Synchronisation aktiviert sind.
Nur verfügbar für Artikel, die über die primäre Integrations-Subdomain synchronisiert werden, die zum Synchronisieren von tickets verwendet wird. Artikel, die auf anderen Subdomains synchronisiert werden, erhalten keine Empfehlungen zur Bearbeitung.
Nur verfügbar für Artikel mit von Fin unterstützter Formatierung (z. B. sind Tabellen innerhalb von Tabellen nicht unterstützt).
Beim Synchronisieren von Inhalten aus Zendesk werden Bilder auf eine Intercom-domain neu hochgeladen; das Veröffentlichen einer Bearbeitung aktualisiert alle Bild-URLs im Zendesk-Artikel auf die Intercom-domain.
Diese Funktion ergänzt Empfehlungen zur Inhaltserstellung über Snippets, die allen Kunden zur Verfügung stehen. Die Art der bereitgestellten Empfehlung hängt von den vorhandenen bearbeitbaren Artikeln ab.
Bearbeitungen an synchronisierten Salesforce-Artikeln überprüfen
Wenn Sie Fin für Salesforce verwenden, können Sie Empfehlungen zur Inhaltsschwachstelle erhalten, um Salesforce knowledge articles zu bearbeiten und die Änderungen aus dem Fin-Arbeitsbereich heraus in Ihrem help center zu veröffentlichen.
Um diese Funktion zu nutzen, müssen Sie das Inhaltsfeld einem Salesforce-Feld zuordnen, damit wir wissen, in welches Feld der Artikel in Salesforce veröffentlicht werden soll. Gehen Sie zu Train > Content und klicken Sie auf das 3-Punkte-Menü, um Ihre Salesforce knowledge articles zu verwalten. Wählen Sie Sync verwalten und klicken Sie dann auf Weiter, um Felder aus Salesforce-Artikeln zuzuordnen.
Fügen Sie hier ein neues Salesforce-Feld hinzu und wählen Sie das entsprechende Feld für Ihre Salesforce-Artikel aus, dann ordnen Sie es dem content-Feld für Fin zu. Wenn Sie fertig sind, klicken Sie auf Sync von Salesforce aktualisieren.
Nach Überprüfung und Annahme einer Empfehlung klicken Sie auf Veröffentlichen – ein Bestätigungsfenster erscheint mit einem Link zum Artikel in Salesforce, damit Sie die Änderungen dort ansehen können. Nach der Veröffentlichung wird der Artikel in Ihrem Salesforce help center live geschaltet und kann wie gewohnt in Salesforce bearbeitet werden.
Hinweis:
Nur verfügbar, wenn sowohl die Salesforce knowledge articles sync als auch die case history sync aktiviert sind und das Inhaltsfeld einem Salesforce-Feld zugeordnet ist.
Nur verfügbar für Artikel, die über die primäre Integrations-Subdomain synchronisiert werden, die zum Synchronisieren von cases verwendet wird. Artikel, die auf anderen Subdomains synchronisiert werden, erhalten keine Empfehlungen zur Bearbeitung.
Nur verfügbar für Artikel mit von Fin unterstützter Formatierung (z. B. sind Tabellen innerhalb von Tabellen nicht unterstützt).
Beim Synchronisieren von Inhalten aus Salesforce werden Bilder auf eine Intercom-domain neu hochgeladen; das Veröffentlichen einer Bearbeitung aktualisiert alle Bild-URLs im Salesforce-Artikel auf die Intercom-domain.
Diese Funktion ergänzt Empfehlungen zur Inhaltserstellung über Snippets, die allen Kunden zur Verfügung stehen. Die Art der bereitgestellten Empfehlung hängt von den vorhandenen bearbeitbaren Artikeln ab.
Doppelte Inhalte entfernen/zusammenführen
Empfehlungen zu doppelten Inhalten finden Inhalte, die dieselben Informationen enthalten. Das Beheben dieser hilft, Ihre Inhalte zu bereinigen und verhindert, dass das Kontextfenster von Fin mit redundanten Informationen überladen wird, sodass es bessere Antworten liefern kann.
Zum Beispiel könnte eine Empfehlung Ihnen zwei Artikel zeigen, die sehr ähnliche Anweisungen zum Zurücksetzen eines Passworts enthalten.
Widersprüchliche Inhalte beheben
Empfehlungen zu widersprüchlichen Inhalten helfen Ihnen, Inhalte zu identifizieren, die sich gegenseitig widersprechen. So können Sie die Diskrepanzen schnell überprüfen und beheben, um sicherzustellen, dass Ihre knowledge base eine einzige verlässliche Quelle ist. Durch das Beheben dieser Widersprüche helfen Sie Fin, klare, genaue und verlässliche Antworten für Ihre Kunden zu liefern.
Beteiligungen und Lösungen werden ebenfalls pro Inhalt angezeigt, um Ihnen bei der Entscheidung zu helfen, wie Sie vorgehen.
Wie man auf widersprüchliche Empfehlungen reagiert
Um einen Widerspruch zu beheben, können Sie:
Klicken Sie auf Bearbeiten, um den Inhalt zu öffnen und zu aktualisieren.
Klicken Sie auf Artikel löschen oder Snippet löschen, um den Inhalt zu entfernen.
Lehnen Sie die Empfehlung ab, um die Empfehlung dauerhaft aus Ihrer Ansicht zu entfernen.
Markieren Sie die Empfehlung als erledigt, wenn Sie die notwendigen Aktualisierungen vorgenommen haben.
Hinweis: Vorschläge sind statisch zum Zeitpunkt ihrer Erstellung. Da Sie Ihren Inhalt vor der Überprüfung einer Empfehlung bearbeiten können, wird die letzte Aktualisierungszeit über dem Inhalt mit einem Tooltip angezeigt, der darauf hinweist, dass die angezeigte Vorschau veraltet sein könnte.
FAQs
Wie oft werden Empfehlungen erstellt?
Wie oft werden Empfehlungen erstellt?
Create/edit Content-Empfehlungen werden täglich oder wöchentlich ausgelöst, basierend auf:
Volumen: Hohe Anzahl von Gesprächen, in denen eine Frage und Antwort gefunden werden kann.
Themenaktivität: Regelmäßige Anfragen (1+ pro Tag) zum gleichen Thema für mindestens 7 Tage.
Spitzen: Rasche Zunahmen verwandter Anfragen über 4 Tage.
Doppelte/widersprüchliche Content-Empfehlungen werden jeden Sonntag überprüft. Dies scannt Ihren Inhalt und bereitet bis zu 20 neue Empfehlungen zur Überprüfung am Montag vor. Diese können eine Mischung aus potenziellen Widersprüchen (ca. 15) und Duplikaten (ca. 5) enthalten, abhängig davon, was in Ihrem Inhalt gefunden wird.
Hinweis: Das System verlässt sich nicht auf eine feste Zahl wie „5.000 Gespräche“ zur Generierung von Empfehlungen. Stattdessen konzentriert es sich darauf, klare und wiederholte Muster von Lücken zu identifizieren:
Keine harte Schwelle: Das System bewertet die Datenmenge basierend auf sinnvollen Clustern, nicht auf spezifischen Zahlen.
Qualität vor Quantität: Eine große Anzahl von Gesprächen allein erzeugt keine Empfehlungen, es sei denn, es werden konsistente Muster erkannt. Der wichtigste Faktor ist, dass das System genügend konsistente und aussagekräftige Gesprächsdaten sammelt, um umsetzbare Empfehlungen zu ermöglichen.
Was wird bei der Generierung von Empfehlungen herausgefiltert?
Was wird bei der Generierung von Empfehlungen herausgefiltert?
Gespräche ohne teammate-Antworten
Verlassene Gespräche
Gespräche, in denen ein teammate dieselbe Antwort wie Fin wiederholt hat
Gespräche, die sich hauptsächlich auf eine Feature-Anfrage oder bug-Meldung konzentrieren
Bestehender Content, der Fin zur Verfügung steht (einschließlich Ihrer externen Quellen)
Warum wird eine Content-Gap-Empfehlung als besonders wirkungsvoll angesehen, wenn sie nur mit einem Gespräch verknüpft ist?
Warum wird eine Content-Gap-Empfehlung als besonders wirkungsvoll angesehen, wenn sie nur mit einem Gespräch verknüpft ist?
Eine Empfehlung kann als besonders wirkungsvoll angesehen werden, auch wenn sie nur mit einem Gespräch verknüpft ist, wenn dieses einzelne Gespräch eine kritische Lücke, einen Widerspruch oder ein Versagen in Fin’s Fähigkeit zur Lösung von Kundenproblemen aufzeigt. Dies liegt daran, dass der Wirkungsscore nicht nur die Anzahl der betroffenen Gespräche berücksichtigt, sondern auch die potenzielle Schwere oder Bedeutung des entdeckten Problems.
Das System beschleunigt oder markiert einzelne Gespräche für Empfehlungen nicht manuell; es verlässt sich auf Muster und Schwellenwerte, aber ein einzelnes Gespräch kann dennoch eine wirkungsvolle Empfehlung auslösen, wenn bestimmte Kriterien erfüllt sind.
Nicht alle Einzelgesprächsempfehlungen sind wirkungsvoll – nur diejenigen, die bedeutende Probleme aufdecken.
Gibt es Einschränkungen für Content-Gap-Empfehlungen?
Gibt es Einschränkungen für Content-Gap-Empfehlungen?
Vorschläge werden nur für Gespräche generiert, denen ein AI-Thema zugewiesen ist.
Keine Möglichkeit, einzelne Gespräche für Empfehlungen zu beschleunigen oder manuell zu markieren.
Kunden mit geringem Volumen (mit weniger Gesprächen) erhalten möglicherweise weniger oder keine Empfehlungen.
Warum sind Content-Gap-Empfehlungen für Fin und Copilot aktiviert, bevor ich sie genehmigt habe?
Warum sind Content-Gap-Empfehlungen für Fin und Copilot aktiviert, bevor ich sie genehmigt habe?
Wenn Empfehlungen generiert werden, erscheinen sie in Ihrer Überprüfungswarteschlange, wo sie standardmäßig für Fin und Copilot auf „Aktiviert“ gesetzt werden, jedoch werden sie Fin und Copilot erst zugänglich, wenn Sie sie genehmigt haben. Nichts wird ohne Ihre ausdrückliche Genehmigung live geschaltet.
Warum sehe ich ältere Gespräche in meinen Empfehlungen?
Warum sehe ich ältere Gespräche in meinen Empfehlungen?
Sie werden feststellen, dass einige Empfehlungen sich auf Gespräche beziehen, die mehrere Wochen oder Monate alt sind. Dies ist erwartetes Verhalten und Teil des Designs von Content-Gap-Empfehlungen, um bedeutende Muster zu erkennen. Vorschläge werden für ein Thema erstellt, sobald genügend Gespräche gesammelt wurden, um eine klare Wissenslücke oder eine Verbesserungschance anzuzeigen. Für einige Themen kann es länger dauern, ein ausreichendes Volumen an Gesprächen zu erreichen, um diese Schwelle zu erfüllen. Daher kann eine einzelne Empfehlung auf einer Mischung aus aktuellen und älteren Gesprächen basieren. Dies stellt sicher, dass jede Empfehlung gut informiert ist und ein wiederkehrendes Thema anspricht, anstatt auf einer einzelnen, isolierten Interaktion zu basieren.