Les recommandations de lacunes de contenu fournissent des actions spécifiques pour aider les coéquipiers à améliorer les performances de Fin. Elles mettent en évidence les cas où Fin n’a pas pu répondre parce que le contenu d’aide manquait, était flou, dupliqué ou contradictoire.
Sachez quoi corriger et comment – Les recommandations de lacunes de contenu soulignent où Fin a eu des difficultés et recommandent des mises à jour claires et spécifiques du contenu.
Évitez le contrôle qualité manuel – Les recommandations de lacunes de contenu analysent les conversations non résolues de Fin, les comparent aux réponses humaines, et indiquent ce qu’il faut corriger—sans avoir besoin de fouiller dans les transcriptions.
Corrigez ce qui compte le plus – Chaque recommandation est classée par impact pour que vous puissiez prioriser les corrections qui améliorent le plus de conversations.
Gardez le contrôle – Modifiez, acceptez ou refusez toute recommandation avant sa mise en ligne—pour que les changements se fassent selon vos conditions.
Note : Les recommandations nécessitent le Pro add-on.
Comment accéder aux recommandations de lacunes de contenu
Pour voir vos recommandations de lacunes de contenu, allez dans Analyser > Optimiser et filtrez par Raison est Content gaps.
Comment utiliser les recommandations de lacunes de contenu
Les recommandations de lacunes de contenu sont générées en analysant :
Réponses échouées de Fin (par ex. escalades ou réponses de mauvaise qualité) et en les comparant aux réponses humaines réussies à des questions similaires.
Réponses traitées par les coéquipiers pour vérifier s’il y a des lacunes dans votre knowledge base.
Doublons du même contenu dans plusieurs sources.
Contradictions du contenu dans différentes sources.
Pour chaque recommandation 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 recommandation.
Mettre à jour directement les articles publics ou extraits pour améliorer la résolution future.
Types de recommandations de lacunes de contenu
Action | Objectifs | Disponibilité |
Ajouter du nouveau contenu |
|
|
Modifier le contenu existant |
|
|
Revoir le contenu contradictoire |
|
|
Revoir le contenu dupliqué |
|
|
Segmenter les recommandations de lacunes de contenu par audience
Pour rendre vos recommandations plus précises et efficaces, vous devriez les segmenter par audience. Cela garantit que Fin analyse uniquement les conversations et contenus pertinents pour un groupe spécifique de clients, évitant la confusion due à des informations contradictoires (par ex., différentes politiques de données pour les clients EU vs. US).
Cliquez sur l’icône des paramètres en haut de la page Optimiser pour segmenter les recommandations de contenu par audiences Fin que vous avez configurées.
Note :
La segmentation fonctionne actuellement uniquement pour les recommandations de contenu.
Lorsque vous enregistrez, vos recommandations de contenu actuelles seront effacées. De nouvelles recommandations de contenu segmentées seront générées, ce qui peut prendre quelques heures.
Conseil : Pour les espaces de travail multi-marques, nous recommandons d’ajouter un attribut brand à vos audiences Fin. Cela aide à garantir que les recommandations sont générées en utilisant le contenu correct pour chaque marque.
Revue des recommandations de lacunes de contenu
Vous pouvez examiner toutes les recommandations de lacunes de contenu avant de les activer pour Fin. Chaque recommandation inclut :
Score d'impact
Une explication résumée
Date de création
Conversations sources
Contenu lié
Actions de révision requises
Si vous ouvrez le tiroir latéral en haut à droite, vous trouverez les conversations qui ont directement informé une recommandation.
Cela facilite :
Comprendre les questions exactes des clients derrière une recommandation.
Valider si la correction améliorera significativement la résolution.
Partager des exemples concrets avec les coéquipiers lors de la planification des changements.
Options de révision :
Nouveau contenu : Accepter ou rejeter la recommandation
Modifications : Faites défiler plusieurs changements, y compris :
Texte rouge (suppressions suggérées)
Texte vert (ajouts suggérés)
Après avoir accepté une recommandation, elle est immédiatement ajoutée au contenu disponible de Fin.
Astuce : Vous pouvez modifier le contenu directement avant d'accepter ou de rejeter une recommandation.
Réviser les modifications des articles synchronisés Zendesk
Si vous utilisez Fin pour Zendesk, vous pouvez recevoir des recommandations de lacunes de contenu pour modifier les articles synchronisés Zendesk et publier l'article dans votre help center depuis votre espace de travail Fin.
Après avoir examiné et accepté une recommandation, cliquez sur Publier — une fenêtre de confirmation apparaîtra avec un lien vers l'article dans Zendesk pour que vous puissiez prévisualiser les modifications.
Une fois que vous cliquez sur Publier dans Zendesk, l'article est publié dans votre help center Zendesk et peut être modifié normalement dans Zendesk.
Note :
Disponible uniquement avec la synchronisation des articles Zendesk et la synchronisation des données de ticket activées.
Disponible uniquement pour les articles synchronisés via le sous-domaine principal d'intégration utilisé pour synchroniser les tickets. Les articles synchronisés sur d'autres sous-domaines ne recevront pas de recommandations de modification.
Disponible uniquement pour les articles avec une mise en forme prise en charge dans Fin (par exemple, les tableaux imbriqués ne sont pas pris en charge).
Lors de la synchronisation du contenu depuis Zendesk, les images sont re-téléchargées sur un domain Intercom ; la publication d'une modification met à jour toutes les URL d'image dans l'article Zendesk vers le domain Intercom.
Cette fonctionnalité s'ajoute aux recommandations de création de contenu via des extraits disponibles pour tous les clients. Le type de recommandation fourni dépendra des articles modifiables existants disponibles.
Réviser les modifications des articles synchronisés Salesforce
Si vous utilisez Fin pour Salesforce, vous pouvez recevoir des recommandations de lacunes de contenu pour modifier les articles knowledge Salesforce et publier les modifications dans votre help center depuis l'espace de travail Fin.
Pour utiliser cette fonctionnalité, vous devrez mapper le champ de contenu à un champ Salesforce afin que nous sachions dans quel champ publier l'article dans Salesforce. Allez dans Train > Content et cliquez sur le menu à 3 points pour gérer vos articles knowledge Salesforce. Sélectionnez Gérer la synchronisation puis cliquez sur Continuer pour mapper les champs des articles Salesforce.
Ici, ajoutez un nouveau champ Salesforce et sélectionnez le champ correspondant pour vos articles Salesforce, puis mappez-le au champ content pour Fin. Une fois terminé, cliquez sur Mettre à jour la synchronisation depuis Salesforce.
Après avoir examiné et accepté une recommandation, cliquez sur Publier — une fenêtre de confirmation apparaîtra avec un lien vers l'article dans Salesforce pour que vous puissiez prévisualiser les modifications. Après publication, l'article est publié dans votre help center Salesforce et peut être modifié normalement dans Salesforce.
Note :
Disponible uniquement avec la synchronisation des articles knowledge Salesforce et la synchronisation de l'historique des tickets activées, avec le champ de contenu mappé à un champ Salesforce.
Disponible uniquement pour les articles synchronisés via le sous-domaine principal d'intégration utilisé pour synchroniser les cas. Les articles synchronisés sur d'autres sous-domaines ne recevront pas de recommandations de modification.
Disponible uniquement pour les articles avec une mise en forme prise en charge dans Fin (par exemple, les tableaux imbriqués ne sont pas pris en charge).
Lors de la synchronisation du contenu depuis Salesforce, les images sont re-téléchargées sur un domain Intercom ; la publication d'une modification met à jour toutes les URL d'image dans l'article Salesforce vers le domain Intercom.
Cette fonctionnalité s'ajoute aux recommandations de création de contenu via des extraits disponibles pour tous les clients. Le type de recommandation fourni dépendra des articles modifiables existants disponibles.
Supprimer/fusionner le contenu dupliqué
Les recommandations de contenu dupliqué identifient les contenus contenant les mêmes informations. Résoudre ces doublons aide à nettoyer votre contenu et empêche la fenêtre de contexte de Fin d'être encombrée d'informations redondantes, lui permettant de fournir de meilleures réponses.
Par exemple, une recommandation peut vous montrer deux articles contenant des instructions très similaires sur la façon de réinitialiser un mot de passe.
Corriger le contenu contradictoire
Les recommandations de contenu contradictoire vous aident à identifier les contenus avec des informations contradictoires. Cela vous permet de rapidement examiner et résoudre les divergences, assurant que votre knowledge base est une source unique de vérité. En corrigeant ces contradictions, vous aiderez Fin à fournir des réponses claires, précises et fiables à vos clients.
Les implications et résolutions sont également affichées par contenu pour vous aider à décider comment procéder.
Comment agir sur les recommandations contradictoires
Pour résoudre une contradiction, vous pouvez :
Cliquez sur Modifier pour ouvrir et mettre à jour le contenu.
Cliquez sur Supprimer l'article ou Supprimer l'extrait pour retirer le contenu.
Rejetez la recommandation pour la supprimer définitivement de votre vue.
Marquez la recommandation comme terminée lorsque vous avez effectué les mises à jour nécessaires.
Note : Les suggestions sont statiques au moment où elles ont été générées. Comme vous pouvez modifier votre contenu avant de revoir une recommandation, l'heure de la dernière mise à jour est affichée au-dessus du contenu avec une info-bulle indiquant que l'aperçu affiché pourrait être obsolète.
FAQ
À quelle fréquence les recommandations sont-elles créées ?
À quelle fréquence les recommandations sont-elles créées ?
Les recommandations de création/modification de contenu sont déclenchées quotidiennement ou hebdomadairement, en fonction de :
Volume : Nombre élevé de conversations où une question et une réponse peuvent être trouvées.
Activité du sujet : Requêtes régulières (1+ par jour) sur le même sujet pendant au moins 7 jours.
Pics : Augmentations rapides des requêtes liées sur 4 jours.
Les recommandations de contenu dupliqué/contradictoire sont vérifiées chaque dimanche. Cela analyse votre contenu et prépare jusqu'à 20 nouvelles recommandations à examiner le lundi. Celles-ci peuvent inclure un mélange de contradictions potentielles (environ 15) et de doublons (environ 5), selon ce qui est trouvé dans votre contenu.
Note : Le système ne se base pas sur un chiffre fixe comme « 5 000 conversations » pour générer des recommandations. Il se concentre plutôt sur l’identification de schémas clairs et répétés de lacunes :
Pas de seuil strict : Le système évalue la suffisance des données en fonction de groupes significatifs, pas de nombres spécifiques.
Qualité plutôt que quantité : Un grand nombre de conversations seul ne génère pas de recommandations à moins que des schémas cohérents soient détectés. Le facteur le plus critique est de s’assurer que le système collecte suffisamment de données de conversation cohérentes et significatives pour permettre des recommandations exploitables.
Qu’est-ce qui est filtré lors de la génération des recommandations ?
Qu’est-ce qui est filtré lors de la génération des recommandations ?
Conversations sans réponses de coéquipiers
Conversations abandonnées
Conversations où un coéquipier a répété la même réponse que Fin
Conversations qui se concentrent principalement sur une demande de fonctionnalité ou un rapport de bug
Contenu existant disponible pour Fin (y compris provenant de vos sources externes)
Pourquoi une recommandation de lacune de contenu serait-elle considérée comme ayant un fort impact si elle est liée à une seule conversation ?
Pourquoi une recommandation de lacune de contenu serait-elle considérée comme ayant un fort impact si elle est liée à une seule conversation ?
Une recommandation peut être considérée comme ayant un fort impact même si elle est liée à une seule conversation lorsque cette conversation unique révèle une lacune critique, une contradiction ou un échec dans la capacité de Fin à résoudre les problèmes des clients. Cela s’explique par le fait que le score d’impact ne concerne pas uniquement le nombre de conversations affectées, mais aussi la gravité ou l’importance potentielle du problème découvert.
Le système ne traite pas en priorité ni ne signale manuellement les conversations individuelles pour les recommandations ; il s’appuie sur des schémas et des seuils, mais une seule conversation peut tout de même déclencher une recommandation à fort impact si elle remplit certains critères.
Toutes les recommandations basées sur une seule conversation ne sont pas à fort impact — seules celles qui révèlent des problèmes significatifs.
Y a-t-il des limitations pour les recommandations de lacunes de contenu ?
Y a-t-il des limitations pour les recommandations de lacunes de contenu ?
Les suggestions ne sont générées que pour les conversations auxquelles un AI topic est attribué.
Aucune option pour traiter en priorité ou signaler manuellement les conversations individuelles pour les recommandations.
Les clients à faible volume (avec moins de conversations) peuvent recevoir moins ou pas de recommandations.
Pourquoi les recommandations de lacunes de contenu sont-elles activées pour Fin et Copilot avant que je les aie approuvées ?
Pourquoi les recommandations de lacunes de contenu sont-elles activées pour Fin et Copilot avant que je les aie approuvées ?
Lorsque les recommandations sont générées, elles apparaissent dans votre file d’attente de révision où elles seront définies sur « Activé » pour Fin et Copilot par défaut, cependant elles ne deviennent accessibles à Fin et Copilot qu’une fois que vous les avez approuvées. Rien ne devient actif sans votre approbation explicite au préalable.
Pourquoi vois-je d’anciennes conversations dans mes recommandations ?
Pourquoi vois-je d’anciennes conversations dans mes recommandations ?
Vous pouvez remarquer que certaines recommandations font référence à des conversations datant de plusieurs semaines ou mois. C’est un comportement attendu et fait partie de la façon dont les recommandations de lacunes de contenu sont conçues pour identifier des schémas significatifs. Les suggestions sont créées pour un sujet une fois qu’un nombre suffisant de conversations s’est accumulé pour signaler une lacune claire de knowledge base ou une opportunité d’amélioration. Pour certains sujets, il peut falloir plus de temps pour rassembler un volume suffisant de conversations afin d’atteindre ce seuil. En conséquence, une seule recommandation peut être basée sur un mélange de conversations récentes et plus anciennes. Cela garantit que chaque recommandation est bien informée et traite un thème récurrent, plutôt que d’être basée sur une interaction unique et isolée.