Les recommandations examinent les conversations auxquelles Fin ne peut pas répondre et les envoient à votre équipe, puis fournissent des suggestions hebdomadaires pour combler les lacunes dans le contenu, les données et les actions de Fin.

En analysant les conversations réelles des clients, elles mettent en évidence les opportunités à fort impact pour améliorer l'automatisation et augmenter plus rapidement le taux de résolution de Fin.

Avantages clés

Identifiez ce qui bloque la résolution en repérant les lacunes de contenu, de données clients et d'actions.
Priorisez les corrections à fort impact en utilisant des scores d'impact cohérents basés sur les conversations.
Travaillez à partir de conversations clients réelles qui ont directement informé chaque suggestion.
Passez de l'escalade à l'automatisation avec des directives plus claires sur quand créer du contenu, des connecteurs de données ou des procédures.

Comment fonctionnent les recommandations

Les recommandations regroupent toutes les suggestions d'amélioration propulsées par l'IA en une seule expérience, facilitant la compréhension, le filtrage et l'action sur les recommandations.

Pour commencer, allez dans Analyser > Recommandations. Cela vous fournit une liste de suggestions regroupées par type de lacune qui a empêché Fin de résoudre une conversation.

Note : Vous ne verrez les recommandations que lorsque Fin sera en ligne et traitera de vraies conversations clients.

Lacunes de contenu

Les suggestions de lacune de contenu mettent en évidence les cas où Fin n'a pas pu répondre parce que le contenu d'aide manquait, était flou, dupliqué ou contradictoire.

Pour chaque suggestion de lacune de contenu, vous pouvez :

Examiner les recommandations de création ou de modification générées par l'IA.
Voir les conversations exactes qui ont déclenché la suggestion.
Mettre à jour directement les articles publics ou extraits pour améliorer la résolution future.

Astuce : En savoir plus sur l'utilisation des suggestions de contenu propulsées par l'IA pour améliorer Fin.

Lacunes de données clients

Les suggestions de lacune de données clients apparaissent lorsque Fin avait besoin d'informations d'un système externe qui n'était pas disponible, comme le statut de commande ou les détails du compte.

Chaque suggestion de lacune de données clients montre clairement :

Un guide qui décrit l'API et les données nécessaires pour créer des connecteurs afin que Fin puisse résoudre automatiquement les conversations. Les exemples fournis doivent être examinés et adaptés par un ingénieur.
Comment créer l'automatisation en utilisant un connecteur de données.
Les requêtes clients qui seraient répondues avec ces données clients.
L'effort de mise en œuvre, basé sur la complexité technique, les exigences d'infrastructure et de dépendance, les considérations de sécurité et de conformité, la complexité des opérations de données, les exigences de logique métier, les besoins de performance et d'évolutivité, la complexité des tests et validations, et l'évaluation des risques.
Documentation API d'exemple (à titre de référence uniquement). Ce schéma d'exemple illustre le type de structure requête/réponse que vous pourriez implémenter. Vos points de terminaison, paramètres et flux d'authentification réels peuvent différer, considérez ceci comme un plan pour les modèles d'intégration nécessaires pour résoudre ces requêtes.
Une recommandation de guidage d'escalade que vous pourriez mettre en œuvre rapidement comme moyen temporaire de diriger les requêtes complexes vers votre équipe et maintenir une expérience client fluide, pendant que l'automatisation complète est en cours de construction.

Astuce : En savoir plus sur le guidage et les règles d'escalade de Fin.

Lacunes d'action

Les suggestions de lacune d'action identifient les cas où Fin devait effectuer une action dans un autre système, comme mettre à jour un flux de travail ou annuler une commande.

Chaque suggestion de lacune d'action montre clairement :

Un guide qui décrit l'API et les données nécessaires pour créer des connecteurs ou des tâches afin que Fin puisse résoudre automatiquement les conversations. Les exemples fournis doivent être examinés et adaptés par un ingénieur.
Comment créer l'automatisation en utilisant des connecteurs de données et Tâches Fin ou Procédures, selon votre configuration.
Les requêtes clients qui seraient répondues avec cette action.
L'effort de mise en œuvre, basé sur la complexité technique, les exigences d'infrastructure et de dépendance, les considérations de sécurité et de conformité, la complexité des opérations de données, les exigences de logique métier, les besoins de performance et d'évolutivité, la complexité des tests et validations, et l'évaluation des risques.
Documentation API d'exemple (à titre de référence uniquement). Ce schéma d'exemple illustre le type de structure requête/réponse que vous pourriez implémenter. Vos points de terminaison, paramètres et flux d'authentification réels peuvent différer, considérez ceci comme un plan pour les modèles d'intégration nécessaires pour résoudre ces requêtes.
Une recommandation de guidage d'escalade que vous pourriez mettre en œuvre rapidement comme moyen temporaire de diriger les requêtes complexes vers votre équipe et maintenir une expérience client fluide, pendant que l'automatisation complète est en cours de construction.

Analyse des données

Comment l'impact est calculé

Les recommandations utilisent un modèle d'impact cohérent pour tous les types de suggestions où l'impact est basé sur :

Le nombre de conversations liées.
La période couverte par ces conversations.

Cela signifie que l'impact reflète une demande réelle et historique, ce qui facilite le jugement des corrections à prioriser.

Note : Par défaut, les suggestions sont triées de l'impact le plus élevé au plus faible, avec la possibilité de trier par date (du plus récent au plus ancien) lors de l'examen de plages temporelles plus longues.

Voir les conversations qui ont informé les suggestions

Si vous ouvrez le tiroir latéral en haut à droite, vous trouverez les conversations qui ont directement informé une suggestion.

Cela facilite :

Comprendre les questions exactes des clients derrière une suggestion.
Valider si la correction améliorera significativement la résolution.
Partager des exemples concrets avec les coéquipiers lors de la planification des changements.

Filtrer et trier les suggestions

Les recommandations incluent des filtres puissants pour que différentes équipes puissent se concentrer sur ce qui compte le plus.

Vous pouvez filtrer par :

Raison : pour sélectionner un type de suggestion (contenu, données clients, action).
Plage de dates : pour examiner les suggestions semaine par semaine.
Sujet : en utilisant des sujets générés par l'IA comme Facturation ou Tarification.
Impact : pour se concentrer d'abord sur les plus grands gains.

Accepter ou rejeter une suggestion

Une fois que vous cliquez sur Accepter, Marquer comme fait ou Rejeter une suggestion, elle est retirée de la liste et ne réapparaîtra plus.

Paramètres des recommandations

Cliquez sur l'icône des paramètres en haut de la page des recommandations pour segmenter les suggestions de contenu par audiences Fin que vous avez configurées.

Lorsque vous segmentez les suggestions de contenu par audience, chaque audience sélectionnée reçoit son propre ensemble de suggestions personnalisées. Cela garantit que les recommandations restent pertinentes et spécifiques à chaque audience ou marque. Si vous sélectionnez « Tout le monde », les suggestions seront plus générales plutôt que spécifiques à une audience.

Note :

La segmentation ne fonctionne actuellement que pour les suggestions de contenu.
Lorsque vous enregistrez, vos suggestions de contenu actuelles seront effacées. De nouvelles suggestions de contenu segmentées seront générées, ce qui peut prendre quelques heures.

FAQ

Qu'est-ce qui a changé par rapport au tableau de bord des recommandations précédent ?

Les recommandations Fin ont été simplifiées et réorientées pour faciliter la mise en œuvre des améliorations.

Les changements clés incluent :

Une expérience de suggestions unique, remplaçant les vues Train et Analyser séparées.
Des directives d'automatisation plus claires, au lieu de prioriser le guidage d'escalade.
Suppression des suggestions « Investigation needed », qui étaient vagues et difficiles à mettre en œuvre.
Concentration exclusive sur le taux de résolution, avec d'autres métriques prévues pour les futures itérations.

Quelles conversations sont incluses dans les recommandations ?

Les recommandations analysent uniquement les conversations de support significatives :

Conversations entrantes
Rédigées par un client
Avec au moins deux réponses de Fin ou d'un coéquipier

Les conversations en attente et les messages automatisés de workflow sont exclus.

À quelle fréquence les suggestions sont-elles générées ?

Les suggestions de lacunes de contenu sont générées chaque semaine, avec des déclencheurs supplémentaires pour un volume élevé, une activité soutenue ou des pics soudains.
Les suggestions de lacunes de données clients et d'action sont générées chaque semaine.
Les suggestions sont examinées et traitées semaine par semaine à l'aide de filtres de plage de dates.

Optimisez Fin instantanément avec l'aide de l'IA