Fin-Attribute ermöglichen es Fin, in Echtzeit zu verstehen und zu klassifizieren, worum es in einem Gespräch geht. So kann Fin strukturierte Attributwerte wie Problemtyp, Stimmung oder Dringlichkeit anwenden, die eine intelligentere Triage, Weiterleitung und Berichterstattung ermöglichen.

Hauptvorteile

Benutzerdefinierte Attribute, die Ihr Unternehmen widerspiegeln: Trainieren Sie Fin, um Attribute wie Problemtyp, Dringlichkeit, Stimmung oder Spam-Status zu erkennen.
Echtzeit- und adaptive Erkennung: Fin bewertet kontinuierlich den Kontext und aktualisiert Werte, während sich das Gespräch entwickelt.
Intelligente Weiterleitung und Eskalation: Kombinieren Sie Fin-Attribute mit workflows und Eskalationsregeln, um Gespräche zur richtigen Zeit an das richtige Team zu leiten.
Berichtsfertige Struktur: Alle erkannten Attributdaten fließen in Fin-Berichte für tiefgehende Einblicke – keine manuelle Kennzeichnung erforderlich.
Volle Transparenz und Kontrolle: Sehen, validieren und überschreiben Sie jederzeit die Attributlogik von Fin.

Hinweis: Wenn Sie bereits AI Category Detection verwenden, erfahren Sie, wie Fin-Attribute im Vergleich abschneiden und wie der Übergang funktioniert.

Wie Fin Attribute anwendet

Standardmäßig klassifiziert Fin bei einem Gespräch aktivierte Attribute zu Schlüsselmomenten:

Beim Übergabe an einen Teamkollegen.
Wenn der Kunde eine Lösung ausdrückt (positives Feedback).
Wenn ein Kunde inaktiv wird.

Wenn Sie Eskalationsregeln einrichten, bewertet Fin das Gespräch nach jeder Nachricht neu und ermöglicht so eine dynamischere, Echtzeit-Klassifizierung.

Hinweis: Fin kann die Attributklassifizierung zu Beginn eines Gesprächs mehrmals kurz hintereinander durchführen. Jeder Durchgang nutzt den zu diesem Zeitpunkt verfügbaren vollständigen Kontext, und ein späterer Durchgang überschreibt den vorherigen Wert (last-write-wins). Das bedeutet, dass sich ein Attributwert in den ersten Sekunden eines neuen Gesprächs noch einpendeln kann. Wenn Sie ein Fin-Attribut in einem workflow-Zweig verwenden, der sofort zu Gesprächsbeginn bewertet wird, gestalten Sie den Zweig so, dass er jeden möglichen Wert – einschließlich vorübergehender – verarbeiten kann oder lösen Sie den Zweig später im Gespräch aus, nachdem sich der Wert stabilisiert hat.

Wie man Fin-Attribute einrichtet

Schritt 1: Entscheiden, was klassifiziert werden soll

Überlegen Sie, welche Arten von strukturierten Informationen Fin erkennen soll. Häufige Beispiele sind:

Problemtyp (z. B. Abrechnung, Projekte, Kontoverwaltung)
Stimmung (Positiv, Neutral, Negativ)
Dringlichkeit (Dringend, Hoch, Normal, Niedrig)
Spam-Erkennung (Spam, Legitimate)

Schritt 2: Erstellen Sie ein neues Attribut (oder konvertieren Sie ein bestehendes Attribut)

Um ein neues Fin-Attribut zu erstellen:

Gehen Sie zu Train > Attributes.
Klicken Sie auf Neu.
Füllen Sie den Namen und die Beschreibung für Ihr Attribut aus
Fügen Sie Werte hinzu (mit klaren Beschreibungen für jeden).

Tipp: Erfahren Sie, wie Sie effektive Attributnamen und Beschreibungen erstellen, um Fin bei der genauen Klassifizierung Ihrer Supportgespräche zu unterstützen.

Um ein bestehendes Attribut zu konvertieren:

Gehen Sie zu Einstellungen > Konversationsdaten, klicken Sie auf Bearbeiten bei einem Listenattribut und dann auf Fin erkennen lassen.
Nach der Konvertierung erscheint das Attribut unter Train > Attributes.

Hinweis:

Nach der Konvertierung in ein Fin-Attribut kann das Attribut nicht zurückgesetzt werden – Sie können es jedoch bei Bedarf deaktivieren.
Listenattribute, die von Zendesk Support synchronisiert werden, unterstützen bis zu 1.000 Optionen. Fin-Attribute sind jedoch auf 250 Optionen begrenzt. Wenn ein Attribut dieses Limit überschreitet, können Sie es nicht als Fin-Attribut speichern. Um es zu konvertieren, sollten Sie Einträge konsolidieren oder die Gesamtzahl der Optionen reduzieren.

Schritt 3: Vorschau vor der Aktivierung

Bevor Sie ein Attribut aktivieren, verwenden Sie die integrierte Vorschau unter Train > Attributes, um:

Attributwerte anhand von Beispielkunden-Nachrichten zu testen
Zu prüfen, wie genau Fin den richtigen Wert anwendet
Namen und Beschreibungen vor der Aktivierung zu überarbeiten

[Optional] Schritt 4: Bedingte Regeln hinzufügen

Verwenden Sie Bedingungen, um Regeln zu erstellen, die genau steuern, wann Fin ein bestimmtes Attribut erkennen soll. Dies ermöglicht eine genauere Klassifizierung, was zu saubererer Weiterleitung und Berichterstattung führt.

Bedingungen funktionieren, indem Attribute miteinander verknüpft werden und eine Eltern-/Abhängigkeitsbeziehung entsteht. Fin versucht nur, das abhängige Attribut zu erkennen, nachdem es zuerst das Eltern-Attribut und dessen Wert identifiziert hat.

Wie es funktioniert

Die Logik für Bedingungen ist eine einfache Wenn/Dann-Anweisung:

Wenn Fin einen bestimmten Wert für ein Elternattribut erkennt, dann versucht es, das abhängige Attribut zu erkennen.

Sie können diese Regeln im Seitenbereich der Attribut-Einstellungen unter dem Tab Bedingungen konfigurieren. Für jede Regel definieren Sie:

Definieren Sie den Wert des Elternattributs.
Wählen Sie die Bedingung aus, die ausgelöst werden soll, wenn dieser übergeordnete Wert erkannt wird.
Geben Sie an, welche Bedingungswerte erlaubt sind.

Beispiele:

Wenn Issue type = Refund request → dann Refund request reason erkennen.
Wenn Sentiment = Negative sentiment → dann Dringlichkeit erkennen.

Wenn diese Logik angewendet wird, erkennt Fin zuerst das übergeordnete Attribut. Wenn der definierte Wert übereinstimmt, versucht Fin anschließend, die verknüpften Bedingungen zu erkennen.

Hinweis:

Die Logik der Bedingungen wird in Escalation Rules beachtet. Wenn eine Bedingung in einer Escalation Rule referenziert wird, bewertet Fin das Gespräch nach jeder Kundenmeldung erneut, um zu prüfen, ob die übergeordneten und Bedingungswerte übereinstimmen.
Die Erkennung abhängiger (bedingter) Fin-Attribute erfolgt nach bestem Bemühen, ist aber nicht garantiert. Fin unternimmt nach der Identifizierung des übergeordneten Attributs einen separaten, nicht-deterministischen Klassifizierungsversuch und kann null zurückgeben, selbst wenn der übergeordnete Wert korrekt gesetzt ist.

Tipp: Wenn ein Attribut deterministisch basierend auf einem übergeordneten Wert gesetzt werden muss, verwenden Sie stattdessen Workflow branching – der Wert des übergeordneten Attributs wird zuverlässig gesetzt, sodass das Branching darauf garantiert ist.

Überwachung und Überprüfung von Fin-Attributen

Sobald Ihre Attribute aktiviert sind, bietet Fin Echtzeitstatistiken, die Ihnen helfen zu verstehen, wie Attribute angewendet werden.

Sie sehen:

Conversations → die Anzahl der Gespräche, die Fin für jedes Attribut und jeden spezifischen Attributwert erkannt hat.
Resolved → der Prozentsatz dieser Gespräche, die Fin vollständig lösen konnte.
Routed → der Prozentsatz der Gespräche, die erfolgreich mit diesem Attribut weitergeleitet wurden.

Sie können auch einzelne Gespräche genauer untersuchen, um zu überprüfen, wie Fin ein Attribut angewendet hat und die Genauigkeit zu validieren. So können Sie die Genauigkeit des angewendeten Attributs überwachen, Gespräche mit falschen Attributen überprüfen und Attributbeschreibungen basierend auf Mustern aktualisieren.

Hinweis: Der im Attributfenster angezeigte Begründungstext wird bei jeder Ansicht auf Abruf generiert – er wird nicht als fester Datensatz gespeichert. Das bedeutet, dass die Formulierung zwischen den Ansichten leicht variieren kann, selbst bei einem geschlossenen Gespräch ohne weitere Aktivität. Für Prüfzwecke ist die verlässliche Aufzeichnung von Fin's Entscheidung die Fin-Notiz, die zum Zeitpunkt der Attributanwendung in der Gesprächszeitleiste hinzugefügt wurde. Diese Notiz ist eine feste Momentaufnahme und ändert sich nicht.

Tipp: Erfahren Sie, wie Sie Fin-Attribute in workflows, Berichten und bei der Analyse von Gesprächen verwenden.

Beispiele für Fin-Attribute

Nachfolgend einige Beispiele, wie Kunden Fin-Attribute in Gesprächen verwenden.

Beispiel für das Issue Type-Attribut:

Projekte - Projekte sind eine Sammlung verwandter Aufgaben und Aktivitäten, die darauf abzielen, ein bestimmtes Ziel oder Ergebnis zu erreichen und können Teamzusammenarbeit, Zeiterfassung, Meilensteine oder Ziele sowie Status umfassen.
Abrechnung - Abrechnung umfasst die Verwaltung von Abonnementplänen, Rechnungen, Zahlungsmethoden, Rabatten, Planfunktionen, Testversionen, Kontobeschränkungen, Rückerstattungen und mehr für ein nahtloses Abrechnungserlebnis.
Kontoverwaltung - Kontoverwaltung umfasst Diskussionen rund um Benutzerkonten, einschließlich Kontoerstellung, Löschung, Aktualisierung persönlicher und Zahlungsinformationen und mehr.

Beispiel für das Sentiment-Attribut:

Positiv - Ein positives Sentiment bedeutet, dass der Nutzer, der die Nachricht geschrieben hat, allgemein glücklich oder zufrieden zu sein scheint und wahrscheinlich eine positive Emotion empfindet.
Negativ - Ein negatives Sentiment bedeutet, dass der Nutzer, der die Nachricht geschrieben hat, allgemein unglücklich oder unzufrieden zu sein scheint und wahrscheinlich eine negative Emotion empfindet.
Neutral - Ein neutrales Sentiment bedeutet, dass der Nutzer, der die Nachricht geschrieben hat, weder glücklich noch unglücklich zu sein scheint und es schwierig ist, seine Emotion zu erraten.

Beispiel für das Spam Detection-Attribut:

Spam - Automatisierter Spam, der an die Kundensupport-Mitarbeiter gesendet wird. Dazu gehören Autoresponder, Newsletter, Gastbeiträge und andere allgemeine Spam-Nachrichten, die vom CS-Analysten ignoriert werden können.
Legit - Legitime Gespräche, in denen der Nutzer ein tatsächliches Problem hat, das von einem Kundensupport-Analysten bearbeitet werden sollte.

FAQs

Womit erkennt Fin Attribute?

Fin verwendet den Attributnamen, dessen Beschreibung sowie die Wertnamen und Beschreibungen, wenn es bewertet, welchen Attributwert es anwenden soll. Stellen Sie sicher, dass alle diese Felder in einer für Fin leicht verständlichen, menschenlesbaren Weise geschrieben sind.

Was, wenn das angewendete Attribut nicht genau ist?

Wir empfehlen, die Benennung und Beschreibungen zu überprüfen. Nutzen Sie unsere Best Practices und testen Sie mit echten Kundenmeldungen im Vorschau-Tool.

Profi-Tipp: Um Ihre Attributwert-Bezeichnungen und Beschreibungen zu überprüfen, können Sie ein KI-Schreibtool wie Chat GPT oder Claude ausprobieren.

Beispielaufforderung:

You are an expert in customer-support AI. You are evaluating a taxonomy used by a LLM to classify customer support conversations. For each attribute (e.g., Topic, Sentiment), the LLM chooses the most appropriate attribute based on a combination of the attribute name and its description. This taxonomy will directly impact the LLM's ability to classify real customer support conversations. Your task is to assess the quality of this setup using the following best practices: Create clear, concise names - Choose short, descriptive names that immediately convey the attributes purpose. Write comprehensive descriptions - Take the time to write detailed descriptions and include all relevant information about what belongs in the attribute. Think about every type of conversation that should fall under this attribute and describe them in the description. Providing a detailed description will help Fin classify conversations correctly. You can include keywords and examples of customer questions. Make attributes distinct - Avoid creating attributes that overlap too much. Your attributes should be clearly different from each other, making it easy to determine which one best fits a given situation. This should be checked within each attribute only. It's fine for different attributes to apply to the same conversation. It shouldn't affect the score. Overlap with values in other attributes is allowed and does not affect this score. Ignore Archived Attributes - If a attribute is marked as archived, do not evaluate or score it. Add 5 Columns to the CSV Clarity/Conciseness (1–5), Description Comprehensiveness (1–5), Attribute Distinction (1–5), Final Score, Comment Assess each parameter for each attribute, and write a comment of why you applied this rating. Then calculate the overall score for this setup. After you've done this add one more column: Overlapping Attributes. If you think any given attribute overlaps with other attributes - list these attributes there.

Was, wenn Fin keinen Wert erkennt?

Fin gibt einen Nullwert zurück, wenn keine der Attribute zutreffen, wodurch das Attribut leer bleibt. Sie können eine "Other"-Option einschließen, um unklassifizierte Gespräche abzufangen, falls gewünscht.

Ich verwende AI Category Detection – sollte ich zu Fin Attributes wechseln?

Fin Attributes sind die nächste Generation der AI Category Detection. Sie laufen automatisch, erfordern weniger Workflow-Wartung und funktionieren nahtlos mit Escalation Rules, sodass Sie die volle Kontrolle über die Gespräche haben, die Fin an Ihr Team übergibt.

Ihre aktuelle Einrichtung ändert sich nicht, aber wir empfehlen, mehr zu erfahren und zu Fin Attributes für ein verbessertes Produkt und Erlebnis zu wechseln.

Was passiert, wenn ich ein bestehendes AI Category Detection-Attribut in ein Fin-Attribut umwandle?

Wenn Sie ein bestehendes AI Category Detection-Gesprächsattribut in ein Fin-Attribut umwandeln, verwendet Fin einfach dasselbe zugrunde liegende Gesprächsattribut. Das bedeutet:

Das umgewandelte Attribut funktioniert weiterhin in Ihren bestehenden workflows und Berichten ohne Unterbrechung.
Wenn aktiviert, beginnt Fin, Attributwerte zu Schlüsselmomenten zu klassifizieren, sodass Sie diese Attribute anfangs möglicherweise zweimal aktualisiert sehen (einmal durch AI Category Detection, einmal durch Fin).
Zur Vereinfachung können Sie Ihre AI Category Detection-Workflow-Blöcke schließlich entfernen, sobald Sie zufrieden sind, wie Fin Attribute anwendet.
Die Umwandlung ist eine Einbahnstraße – Attribute können nicht zurück zu AI Category Detection konvertiert werden, aber sie können bei Bedarf deaktiviert werden.

Muss ich Fin in jedes Gespräch einbeziehen, um Fin Attributes zu verwenden?

Ja. Fin Attributes werden von Fin angewendet, wenn Fin in einem Gespräch anwesend ist. Das bedeutet, Fin muss in Ihren workflows enthalten sein, um Gespräche zu klassifizieren.

Wenn Sie möchten, dass Fin in bestimmten Fällen nicht antwortet, können Sie Escalation Rules verwenden. Dadurch kann Fin das Gespräch klassifizieren und dann sofort verlassen, basierend auf Gesprächs- oder Benutzerattributen Ihrer Wahl.

Zum Beispiel könnten Sie:

Alle Gespräche eskalieren, bei denen Channel = Email
Alle Gespräche eskalieren, bei denen Attribute = Billing

So erhalten Sie die Vorteile einer konsistenten Klassifizierung aller Gespräche und behalten gleichzeitig die volle Kontrolle darüber, wann Fin antwortet oder nicht.

Wie man Fin-Attribute erstellt