Les Fin Attributes permettent à Fin de comprendre et de classer en temps réel le sujet d'une conversation. Cela permet à Fin d'appliquer des valeurs d'attributs structurées - comme le type de problème, le sentiment ou l'urgence - qui alimentent un triage, un routage et un reporting plus intelligents.

Avantages clés

Attributs personnalisés qui reflètent votre entreprise : Entraînez Fin à détecter des attributs comme le type de problème, l'urgence, le sentiment ou le statut de spam.
Détection adaptative en temps réel : Fin évalue continuellement le contexte et met à jour les valeurs au fur et à mesure de l'évolution de la conversation.
Routage et escalade intelligents : Combinez les Fin Attributes avec les workflows et les règles d'escalade pour acheminer les conversations vers la bonne équipe au bon moment.
Structure prête pour le reporting : Toutes les données d'attribut détectées alimentent les rapports Fin pour une analyse approfondie—sans étiquetage manuel requis.
Transparence et contrôle complets : Visualisez, validez et modifiez la logique des attributs de Fin à tout moment.

Comment Fin applique les attributs

Par défaut, lorsque Fin est impliqué dans une conversation, il classera les attributs activés à des moments clés :

Lors du transfert à un coéquipier.
Lorsque le client exprime une résolution (retour positif).
Lorsqu'un client devient inactif.

Si vous configurez Escalation Rules, Fin réévaluera la conversation après chaque message, permettant une classification plus dynamique et en temps réel.

Note : Si vous utilisez déjà AI Category Detection, découvrez comment Fin Attributes se compare et comment effectuer la transition.

Comment configurer les Fin Attributes

Étape 1 : Décidez ce que vous voulez classer

Réfléchissez aux types d'informations structurées que vous souhaitez que Fin détecte. Des exemples courants incluent :

Type de problème (par ex., Facturation, Projets, Gestion de compte)
Sentiment (Positif, Neutre, Négatif)
Urgence (Urgent, Élevé, Normal, Faible)
Détection de spam (Spam, Légitime)

Étape 2 : Créez un nouvel attribut (ou convertissez un attribut existant)

Pour créer un nouveau Fin Attribute :

Allez à Train > Attributes.
Cliquez sur Nouveau.
Remplissez le Nom et la Description de votre attribut
Ajoutez des Valeurs (avec des descriptions claires pour chacune).

Conseil : Apprenez à créer des noms et descriptions d'attribut efficaces pour aider Fin à classer vos conversations de support avec une grande précision

Pour convertir un attribut existant :

Allez à Settings > Conversation data, cliquez sur modifier un attribut de type liste, puis cliquez sur Let Fin detect.
Une fois converti, l'attribut apparaîtra sous Train > Attributes.

Note :

Une fois converti en Fin Attribute, un attribut ne peut pas être rétabli - mais vous pouvez le laisser désactivé si nécessaire.
Les attributs de type liste synchronisés depuis Zendesk supportent jusqu'à 1 000 options. Cependant, les Fin Attributes sont limités à 250 options. Si un attribut dépasse cette limite, vous ne pourrez pas l'enregistrer comme Fin Attribute. Pour le convertir, envisagez de consolider les entrées ou de réduire le nombre total d'options.

Étape 3 : Prévisualisez avant d'activer

Avant d'activer un attribut, utilisez l'aperçu intégré dans Train > Attributes pour :

Tester les valeurs d'attribut avec des exemples de messages clients
Vérifier la précision avec laquelle Fin applique la bonne valeur
Itérer sur les noms et descriptions avant d'activer

[Optionnel] Étape 4 : Ajouter des règles conditionnelles

Utilisez les Conditions pour créer des règles qui contrôlent précisément quand Fin doit détecter un attribut spécifique. Cela permet une classification plus précise, conduisant à un routage et un reporting plus propres.

Les Conditions fonctionnent en reliant les attributs entre eux, créant une relation parent/dépendant. Fin tentera de détecter l'attribut dépendant seulement après avoir identifié l'attribut parent et sa valeur.

Comment ça fonctionne

La logique des Conditions est une simple instruction If/Then :

Si Fin détecte une valeur spécifique pour un attribut parent, alors il tentera de détecter l'attribut dépendant.

Vous pouvez configurer ces règles dans le tiroir latéral des paramètres d'attribut sous l'onglet Conditions. Pour chaque règle, vous définirez :

Définir la valeur de l'attribut parent.
Choisir la condition qui doit être déclenchée lorsque cette valeur parent est détectée.
Spécifiez quelles valeurs de condition sont autorisées.

Exemples :

Si Issue type = Refund request → alors détecter Refund request reason.
Si Sentiment = Negative sentiment → alors détecter Urgency.

Lorsque cette logique est en place, Fin détectera d'abord l'attribut parent. Si la valeur définie correspond, Fin tentera ensuite de détecter les conditions liées.

Note : La logique des conditions est respectée dans Escalation Rules. Si une condition est référencée dans une Escalation Rule, Fin réévaluera la conversation après chaque message client pour vérifier si les valeurs parent et condition correspondent.

Surveillance et révision des Fin Attributes

Une fois vos attributs activés, Fin fournit des statistiques en temps réel pour vous aider à comprendre comment les attributs sont appliqués.

Vous verrez :

Conversations → le nombre de conversations que Fin a détectées pour chaque attribut et valeur d'attribut spécifique.
Résolu → le pourcentage de ces conversations que Fin a pu résoudre complètement.
Routé → le pourcentage de conversations acheminées avec succès en utilisant cet attribut.

Vous pouvez également examiner les conversations individuelles pour vérifier comment Fin a appliqué un attribut et valider la précision. Cela vous permet de surveiller la précision de l'attribut appliqué, de revoir les conversations où l'attribut est incorrect et de mettre à jour les descriptions d'attributs en fonction des tendances.

Astuce : Apprenez à utiliser les Fin Attributes dans les workflows, rapports et lors de l'analyse des conversations.

Exemples de Fin Attributes

Voici quelques exemples de façons dont les clients utilisent les Fin Attributes dans les conversations.

Exemple d'attribut Issue Type :

Projets - Les projets sont un ensemble de tâches et d'activités liées visant à atteindre un objectif ou un livrable spécifique, pouvant impliquer la collaboration des coéquipiers, le suivi du temps, des jalons ou objectifs, et le statut.
Facturation - La facturation englobe la gestion des plans d'abonnement, factures, méthodes de paiement, remises, fonctionnalités des plans, essais, restrictions de compte, remboursements, et plus encore pour une expérience de facturation fluide.
Gestion de compte - La gestion de compte couvre les discussions liées aux comptes utilisateurs, y compris la création, la suppression, la mise à jour des informations personnelles et de paiement, et plus encore.

Exemple d'attribut Sentiment :

Positif - Un sentiment positif signifie que l'utilisateur qui a écrit le message semble généralement heureux ou satisfait et ressent probablement une émotion positive.
Négatif - Un sentiment négatif signifie que l'utilisateur qui a écrit le message semble généralement mécontent ou insatisfait et ressent probablement une émotion négative.
Neutre - Un sentiment neutre signifie que l'utilisateur qui a écrit le message semble ni heureux ni malheureux et il est difficile de deviner son émotion.

Exemple d'attribut Détection de spam :

Spam - Spam automatisé envoyé aux agents du support client. Cela inclut les répondeurs automatiques, newsletters, messages invités, et autres messages de spam généraux pouvant être ignorés par l'analyste CS.
Légitime - Conversations légitimes dans lesquelles l'utilisateur a un problème réel qui doit être traité par un analyste du support client.

FAQs

Qu'est-ce que Fin utilise pour détecter les attributs ?

Fin utilise le nom de l'attribut, sa description, ainsi que les noms et descriptions des valeurs lors de l'évaluation de la valeur d'attribut à appliquer. Assurez-vous que tous ces champs sont rédigés de manière lisible et facile à interpréter pour Fin.

Que faire si l'attribut appliqué n'est pas précis ?

Nous recommandons de vérifier les noms et descriptions. Utilisez nos meilleures pratiques et testez avec de vrais messages clients dans l'outil de prévisualisation.

Astuce pro : Pour vous aider à revoir vos étiquettes et descriptions de valeurs d'attribut, vous pouvez essayer d'utiliser un outil d'écriture IA comme Chat GPT ou Claude.

Exemple de prompt :

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.

Que faire si Fin ne détecte pas de valeur ?

Fin renverra une valeur nulle si aucun des attributs ne s'applique, ce qui laissera l'attribut vide. Vous pouvez inclure une option « Autre » pour capturer les conversations non classifiées si vous préférez.

J'utilise AI Category Detection - dois-je passer aux Fin Attributes ?

Les Fin Attributes sont la prochaine génération de AI Category Detection. Ils fonctionnent automatiquement, nécessitent moins de maintenance des workflows, et s'intègrent parfaitement aux Escalation Rules, vous donnant un contrôle total sur les conversations que Fin transmet à votre équipe.

Votre configuration actuelle ne changera pas, mais nous recommandons d'en apprendre davantage et de passer aux Fin Attributes pour un produit et une expérience améliorés.

Que se passe-t-il lorsque je convertis un attribut AI Category Detection existant en Fin Attribute ?

Lorsque vous convertissez un attribut de conversation AI Category Detection existant en Fin Attribute, Fin utilise simplement le même attribut de conversation sous-jacent. Cela signifie :

L'attribut converti continuera de fonctionner dans vos workflows et rapports existants sans interruption.
Une fois activé, Fin commencera à classer les valeurs d'attribut à des moments clés, vous pouvez donc voir ces attributs mis à jour deux fois au début (une fois par AI Category Detection, une fois par Fin).
Pour simplifier, vous pouvez éventuellement supprimer vos blocs de workflow AI Category Detection une fois que vous êtes satisfait de la façon dont Fin applique les attributs.
La conversion est une action unidirectionnelle - les attributs ne peuvent pas être ramenés à AI Category Detection, mais ils peuvent être désactivés si nécessaire.

Dois-je impliquer Fin dans chaque conversation pour utiliser les Fin Attributes ?

Oui. Les Fin Attributes sont appliqués par Fin lorsqu'il est présent dans une conversation. Cela signifie que Fin doit être inclus dans vos workflows pour classer les conversations.

Si vous préférez que Fin ne réponde pas dans certains cas, vous pouvez utiliser Escalation Rules. Cela permet à Fin de classer la conversation puis de sortir immédiatement, en fonction des attributs de conversation ou d'utilisateur de votre choix.

Par exemple, vous pourriez :

Escalate all conversations where Channel = Email
Escaladez toutes les conversations où Attribut = Facturation

Ainsi, vous bénéficiez d’une classification cohérente dans toutes les conversations, tout en gardant un contrôle total sur le moment où Fin répond ou non.

Comment créer des Fin Attributes