Si deseas entrenar a Fin con el contenido de un sitio web, puedes hacerlo sincronizando la URL pública de ese sitio.

Ve a Train > Content y luego selecciona Website sync debajo de la sección "Add content".

Ahora introduce la URL pública de tu sitio web (top-level domain) y haz clic en Siguiente.

Esto obtendrá todas las páginas de la URL del sitio web que proporciones y leerá todas las páginas del sub domain.

Una vez que ingreses tu URL, comprobaremos que sea válida y accesible. Luego deberás revisar las páginas para sincronizar. Todas las subpáginas enlazadas en cada sección seleccionada se sincronizarán. Selecciona solo contenido relevante y actualizado.

Selecciona el desplegable Advanced settings para configurar URLs adicionales, excluir URLs, selectores CSS a excluir y más.

Las estructuras de los sitios web pueden variar. Para asegurarte de que sincronizamos tu contenido más relevante, te recomendamos que agregues URLs adicionales para esas subpáginas específicas.

Por ejemplo, si ingresas https://myhelpcenter.com/help como URL principal arriba, también puede que quieras añadir la URL específica como https://myhelpcenter.com/help/index.html

Para excluir ciertas páginas de las que no deseas sincronizar contenido, puedes añadir una lista de globs de URL.

Un glob es una cadena de caracteres literales y/o comodines usada para coincidir rutas de archivos o URLs. Globbing es el acto de localizar archivos en un sistema de archivos usando uno o más globs. Usar globs de URL también ayuda a obtener un rango de URLs que son mayormente iguales, con solo una pequeña porción que cambia entre las solicitudes.

Por ejemplo, este glob de URL https://{store,docs}.example.com/** permite al rastreador acceder a todas las URLs que comienzan con https://store.example.com/ o https://docs.example.com/ y https://example.com/**/*\?*foo=*

Para excluir ciertos elementos de la página, puedes usar selectores CSS de esas secciones o elementos específicos que quieres excluir.

Esto es útil para omitir contenido irrelevante de la página. El valor debe ser un selector CSS válido tal como lo acepta la función document.querySelectorAll(). Por defecto, ya eliminamos elementos comunes de navegación, encabezados, pies de página, modales, scripts e imágenes en línea.

Esto permite que los elementos DOM identificados por el selector CSS sean clicados durante el proceso de sincronización web.

Esto es útil para expandir secciones colapsadas, para capturar su contenido de texto. El valor debe ser un selector CSS válido tal como lo acepta la función document.querySelectorAll().

Los ejemplos son "[aria-expanded=\"false\"]", #expand_section

También se pueden describir condiciones complejas con un selector CSS. En CSS, encadenar selectores sin espacios crea una condición tipo AND, por ejemplo .button.blue.small coincidirá solo con elementos que tengan las tres clases.

Usar la coma (,) como separador funciona como OR, por ejemplo .button, .blue, h1 apunta a todos los elementos con la clase button, o la clase blue, o encabezados de primer nivel.

Para dirigirte a contenido que pueda tardar en aparecer en la página, puedes añadir un selector CSS que hará que el scraper web espere antes de extraer el contenido.

Esto es útil para páginas en las que el reconocimiento predeterminado de carga de contenido por inactividad de la red falla. Configurar esta opción desactiva completamente el comportamiento predeterminado, y la página se procesará solo si aparece el elemento especificado por este selector.

Activa el Mapa del sitio XML para una sincronización web más robusta en sitios con soporte de sitemaps, permitiendo el acceso a páginas que podrían no ser alcanzables desde las URLs iniciales.

Si esta opción está activada, el scraper web buscará Sitemaps en los dominios de la URL de origen proporcionada y encolará URLs coincidentes de forma similar a los enlaces encontrados en las páginas rastreadas. También puedes referenciar un archivo sitemap.xml directamente añadiéndolo como otra Start URL p. ej. https://www.example.com/sitemap.xml.

Puedes seleccionar un proxy para que el rastreador lo use si requieres que tu sitio web sea rastreado con un proxy configurado en una región o país específico.

Actualmente admitimos los siguientes proxies:

Elige qué tan a fondo el rastreador renderiza cada página mientras sincroniza este sitio web.

Cuando está habilitado, el rastreador web ignora las etiquetas de enlace canonical (rel="canonical") y trata cada URL como una página distinta. Esta opción está desactivada por defecto.

Esto es útil cuando un sitio apunta muchas páginas a una URL canónica y se pierde contenido como resultado.

Hay dos palancas más en Advanced settings. Ambas están desactivadas por defecto.

Respect robots.txt: hace que el rastreador obedezca las reglas disallow en el robots.txt de tu sitio. Actívalo para que la sincronización sea coherente con lo que permites que otros rastreadores alcancen. Si robots.txt prohíbe rutas que contienen contenido que quieres en Fin, esto reducirá lo que se sincroniza.

Exclude query parameters: omite cualquier URL con una cadena de consulta (?). Actívalo cuando tu sitio añada parámetros de seguimiento, sesión o ordenación que produzcan muchas páginas casi duplicadas. Déjalo desactivado si el contenido real vive detrás de una cadena de consulta, como /docs?page=intro —esas páginas también se omitirían.

El paso Target te permite establecer una audiencia predeterminada para todas las páginas sincronizadas y crear reglas basadas en URL para asignar audiencias específicas automáticamente según patrones de URL — sin etiquetado manual.

Primero decide si el contenido de esta fuente está habilitado para Fin AI Agent y/o Copilot.

Luego puedes configurar una audiencia predeterminada de Fin para aplicar a todas las páginas sincronizadas desde esta fuente (si no se establece una predeterminada, el contenido por defecto será Everyone), o crear reglas para asignar audiencias específicas según patrones de URL.

Por ejemplo: Si la URL contiene /uk, asigna la audiencia UK. Las reglas se evalúan durante la sincronización, por lo que Fin y Copilot siempre sirven el contenido correcto a la audiencia adecuada.

Cada regla admite tres comparadores de URL:

Por último, revisa la configuración de sincronización y haz clic en Sync website para empezar a sincronizar el contenido de tu sitio web con Intercom.

Una vez que la sincronización se complete, recibirás una notificación por correo electrónico y el sitio web aparecerá como una fuente sincronizada en Train > Content en la sección "Content sources".

Si haces clic en una fuente del sitio web, puedes previsualizar y administrar las páginas individuales que se sincronizaron desde la URL pública.

Cuando ves una página del sitio web, encontrarás un panel "Detalles" a la derecha que contiene:

Para que una fuente del sitio web esté disponible para Fin Agent o Fin Copilot, ve a Train > Content y haz clic en la fuente del sitio web en la sección "Content sources", luego abre la página web relevante que hayas sincronizado.

Desde el panel "Details" desplázate hasta “Fin” y activa el interruptor:

Puedes programar cuándo las páginas del sitio web sincronizadas se activan o desactivan para Fin y Copilot, en una fecha, hora y zona horaria futuras. Establece solo una fecha de inicio, o establece tanto una fecha de inicio como de finalización para crear una ventana de disponibilidad limitada. La programación se aplica a páginas individuales o en lote.

Puedes asignar audiencias al contenido sincronizado automáticamente usando reglas basadas en URL durante la creación de la sincronización web, o manualmente por página. Primero, deberás crear y definir la audiencia que quieras orientar.

Luego ve a Train > Content y haz clic en la fuente del sitio web en la sección "Content sources", luego abre la página web relevante que hayas sincronizado.

Desde el panel "Details" desplázate hasta “Fin” y usa el desplegable de audiencia para seleccionar una de tus audiencias predefinidas.

No necesitas volver a crear una sincronización para añadir el direccionamiento de audiencia. Ve a Train > Content, selecciona la fuente, haz clic en el desplegable de configuración en la esquina superior derecha y selecciona Open settings. Navega al paso Target para agregar o editar reglas basadas en URL.

Si deseas volver a sincronizar o eliminar una URL pública como fuente, ve a Train > Content, y haz clic en la fuente del sitio web en la sección "Content sources", luego abre el desplegable Settings en la esquina superior derecha.

Aquí, puedes seleccionar si Re-sync o Remove this source.

Puedes ver una lista de sincronizaciones pasadas para ver cuándo se ejecutaron por última vez, qué páginas se encontraron y cualquier página que falló. Ve a Train > Content, y haz clic en la fuente del sitio web en la sección "Content sources", luego selecciona View sync history.

Cada fila de la tabla representa una ejecución pasada o activa, y puedes filtrar las ejecuciones por status (started, success, failed).

Incluye la siguiente información:

Si una sincronización ha fallado, puede colocar el cursor sobre el estado para ver una explicación detallada del motivo.

Una nueva fuente se sincroniza según el calendario durante sus primeros 90 días sin excepción. Después de eso, sigue sincronizándose automáticamente si se cumple alguna de estas condiciones:

De lo contrario, las sincronizaciones programadas se pausan.

Cuando está en pausa: las páginas permanecen en tu Knowledge Hub y siguen disponibles para Fin y Copilot (nada se elimina). Solo se detiene el re-rastreo, por lo que las ediciones en tu sitio no se detectarán.

Para restaurarlo: El botón Sync now actualiza el contenido una vez pero no reinicia el calendario. La sincronización automática se reanuda por sí sola una vez que Fin vuelve a usar la fuente.

Los sitios muy grandes y los que necesitan renderizado completo de JavaScript cuestan mucho más rastrear. Cuando una fuente resulta ser de alto consumo de recursos, la movemos de un calendario semanal a uno de cada 14 días.

Esto ocurre automáticamente, por fuente. Para mantener un sitio grande en un calendario más rápido, reduzca el rastreo usando exclusiones de URL, o agregue subpáginas específicas en lugar de todo un domain.

Al importar contenido del sitio web para habilitar Fin, debes ingresar la URL pública. Esto buscará todas las páginas anidadas bajo esa URL y las sincronizará para que Fin AI Agent las use.

Si el importador no devolvió el número de páginas que esperabas, hay varias razones...

La sincronización del sitio web funciona yendo a la URL que proporcionas y luego buscando todas las páginas anidadas bajo esa URL. Estas páginas deben tener el mismo patrón de URL que la URL que proporcionaste.

Por ejemplo, si el dominio de nivel superior es https://myhelpcenter.com/home, entonces todas las páginas que quieras importar deben incluir el prefijo /home en la URL, p. ej. https://myhelpcenter.com/home/article. Si no lo hacen, elimina el prefijo y usa el tallo de URL más básico, p. ej. https://myhelpcenter.com, y vuelve a intentar la importación.

Si el contenido que quieres usar está detrás de un inicio de sesión, Fin no podrá acceder ni importarlo.

La sincronización del sitio web tiene dos límites:

Una sincronización también puede fallar si una sola página contiene una cantidad muy grande de contenido. Se te notificará por correo electrónico cada vez que una sincronización falle.

La sincronización del sitio web de Fin (usada para añadir URLs públicas para Fin AI Agent y Copilot) no usa en este momento una cadena de agente de usuario dedicada y personalizada.

Si tu sitio tiene protección estricta contra rastreo, puedes usar un proxy estático para permitir en la lista un conjunto fijo de direcciones IP y asegurarte de que tu contenido se ingiera. Selecciona un proxy estático en Advanced settings al crear o editar tu sincronización del sitio web.

Si tu sitemap incluye URLs con caracteres no ASCII (como letras acentuadas, o escrituras como chino o árabe) algunas de esas páginas pueden no sincronizarse como se espera. El descubrimiento de sitemap ahora admite estas URLs, pero aún pueden tener problemas en otras partes del proceso de sincronización. Intenta volver a sincronizar manualmente para resolverlo. Si las páginas aún faltan, contacta con support.

Cuando sincronizas contenido de sitios web, puedes ver diferentes estados que indican lo que ocurrió durante el proceso. Para ver el estado de sincronización del sitio web ve a Train > Content y selecciona la fuente del sitio web, luego usa el menú desplegable Status para filtrar por:

Esto es lo que significa cada uno y qué puedes hacer a continuación:

La sincronización de páginas aún está en curso. Una sincronización inicial puede tardar desde unos minutos hasta más de una hora según la cantidad de contenido que tengas.

La página se sincronizó correctamente y puede habilitarse para Fin y Copilot.
​

Estas páginas no se sincronizan intencionadamente porque las excluiste en los Advanced sync settings. No se pueden reintentar ni incluir salvo que se indique lo contrario.

Estos errores significan que la sincronización no se completó y puede requerir cambios de tu parte antes de volver a intentarlo:

1. Error desconocido

2. Sesión bloqueada / Límite de solicitudes

3. Errores de red, tiempo de espera u otros similares

4. Duplicado

5. Filtrado por palabras clave

6. Código de estado 400

7. URL bloqueada

​Puedes reintentar la sincronización de una página fallida pasando el cursor sobre la página, selecciona el menú de tres puntos y luego selecciona Resync.