Recomendações revisa as conversas que o Fin não consegue responder e as envia para sua equipe, depois fornece sugestões semanais para corrigir lacunas no conteúdo, dados e ações do Fin.

Ao analisar conversas reais de clientes, destaca as oportunidades de maior impacto para melhorar a automação e aumentar a taxa de resolução do Fin mais rapidamente.

Principais benefícios

Veja o que está bloqueando a resolução identificando lacunas de conteúdo, lacunas de dados do cliente e lacunas de ação.
Priorize as correções de maior impacto usando pontuações de impacto consistentes baseadas em conversas.
Trabalhe com conversas reais de clientes que informaram diretamente cada sugestão.
Transite da escalada para a automação com orientações mais claras sobre quando criar conteúdo, conectores de dados ou procedimentos.

Como as Recomendações funcionam

Recomendações reúne todas as sugestões de melhoria impulsionadas por AI em uma única experiência, facilitando entender, filtrar e agir sobre as recomendações.

Para começar, vá para Analisar > Recomendações. Isso fornece uma lista de sugestões agrupadas pelo tipo de lacuna que impediu o Fin de resolver uma conversa.

Nota: Você verá Recomendações somente quando o Fin estiver ativo e lidando com conversas reais de clientes.

Lacunas de conteúdo

Sugestões de lacunas de conteúdo destacam onde o Fin não conseguiu responder porque o conteúdo de ajuda estava ausente, confuso, duplicado ou contraditório.

Para cada sugestão de lacuna de conteúdo, você pode:

Revisar recomendações de criação ou edição geradas por AI.
Ver as conversas exatas que acionaram a sugestão.
Atualizar artigos públicos ou trechos diretamente para melhorar a resolução futura.

Dica: Saiba mais sobre como usar sugestões de conteúdo impulsionadas por AI para melhorar o Fin.

Lacunas de dados do cliente

Sugestões de lacunas de dados do cliente aparecem quando o Fin precisava de informações de um sistema externo que não estavam disponíveis, como status do pedido ou detalhes da conta.

Cada sugestão de lacuna de dados do cliente mostra claramente:

Um guia que descreve a API e os dados necessários para construir conectores para que o Fin possa resolver conversas automaticamente. Os exemplos fornecidos devem ser revisados e adaptados por um engenheiro.
Como criar a automação usando um conector de dados.
As consultas de clientes que seriam respondidas com esses dados do cliente.
O esforço de implementação, que se baseia na complexidade técnica, requisitos de infraestrutura e dependência, considerações de segurança e conformidade, complexidade das operações de dados, requisitos de lógica de negócios, necessidades de desempenho e escalabilidade, complexidade de testes e validação, e avaliação de riscos.
Documentação de API de exemplo (apenas para referência). Este esquema de exemplo ilustra o tipo de estrutura de solicitação/resposta que você pode implementar. Seus endpoints, parâmetros e fluxos de autenticação reais podem diferir, então trate isso como um modelo para os padrões de integração necessários para resolver essas consultas.
Uma recomendação de orientação de escalada que você poderia implementar rapidamente como uma forma temporária de direcionar consultas complexas para sua equipe e manter uma experiência suave para o cliente, enquanto a automação completa está sendo construída.

Dica: Saiba mais sobre a orientação e regras de escalada do Fin.

Lacunas de ação

Sugestões de lacunas de ação identificam onde o Fin precisava realizar uma ação em outro sistema, como atualizar um fluxo de trabalho ou cancelar um pedido.

Cada sugestão de lacuna de ação mostra claramente:

Um guia que descreve a API e os dados necessários para construir conectores ou tarefas para que o Fin possa resolver conversas automaticamente. Os exemplos fornecidos devem ser revisados e adaptados por um engenheiro.
Como criar a automação usando conectores de dados e Fin Tasks ou Procedures, dependendo da sua configuração.
As consultas de clientes que seriam respondidas com essa ação.
O esforço de implementação, que se baseia na complexidade técnica, requisitos de infraestrutura e dependência, considerações de segurança e conformidade, complexidade das operações de dados, requisitos de lógica de negócios, necessidades de desempenho e escalabilidade, complexidade de testes e validação, e avaliação de riscos.
Documentação de API de exemplo (apenas para referência). Este esquema de exemplo ilustra o tipo de estrutura de solicitação/resposta que você pode implementar. Seus endpoints, parâmetros e fluxos de autenticação reais podem diferir, então trate isso como um modelo para os padrões de integração necessários para resolver essas consultas.
Uma recomendação de orientação de escalada que você poderia implementar rapidamente como uma forma temporária de direcionar consultas complexas para sua equipe e manter uma experiência suave para o cliente, enquanto a automação completa está sendo construída.

Analisando os dados

Como o impacto é calculado

Recomendações usa um modelo de impacto consistente para todos os tipos de sugestão, onde o impacto é baseado em:

O número de conversas relacionadas.
O período de tempo que essas conversas abrangem.

Isso significa que o impacto reflete a demanda real e histórica, facilitando julgar quais correções valem a pena priorizar.

Nota: Por padrão, as sugestões são classificadas do maior para o menor impacto, com a opção de classificar por data (do mais novo ao mais antigo) ao revisar períodos mais longos.

Ver conversas que informaram as sugestões

Se você abrir a gaveta lateral no canto superior direito, encontrará as conversas que informaram diretamente uma sugestão.

Isso facilita:

Entender as perguntas exatas dos clientes por trás de uma sugestão.
Validar se a correção melhorará significativamente a resolução.
Compartilhar exemplos concretos com colegas ao planejar mudanças.

Filtrar e classificar sugestões

Recomendações inclui filtros poderosos para que diferentes equipes possam focar no que mais importa.

Você pode filtrar por:

Motivo: para selecionar um tipo de sugestão (conteúdo, dados do cliente, ação).
Intervalo de datas: para revisar sugestões semana a semana.
Tópico: usando tópicos gerados por AI como Cobrança ou Preços.
Impacto: para focar primeiro nas maiores conquistas.

Aceitar ou rejeitar uma sugestão

Uma vez que você clique em Aceitar, Marcar como concluído ou Rejeitar uma sugestão, ela será removida da lista e não reaparecerá novamente.

Configurações de Recomendações

Clique no ícone de configurações no topo da página de Recomendações para segmentar sugestões de conteúdo por audiências do Fin que você configurou.

Quando você segmenta sugestões de conteúdo por audiência, cada audiência selecionada recebe seu próprio conjunto de sugestões personalizadas. Isso garante que as recomendações permaneçam relevantes e específicas para cada audiência ou marca. Se você selecionar “Todos”, as sugestões serão mais gerais em vez de específicas para a audiência.

Nota:

A segmentação atualmente funciona apenas para sugestões de conteúdo.
Quando você salvar, suas sugestões de conteúdo atuais serão apagadas. Novas sugestões de conteúdo segmentadas serão geradas, o que pode levar algumas horas.

Perguntas frequentes

O que mudou no painel de Recomendações anterior?

As recomendações do Fin foram simplificadas e focadas para facilitar a implementação de melhorias.

Principais mudanças incluem:

Uma única experiência de sugestões, substituindo as visualizações separadas de Treinar e Analisar.
Orientação de automação mais clara, em vez de priorizar a orientação de escalada.
Remoção das sugestões “Investigação necessária”, que eram vagas e difíceis de agir.
Foco exclusivo na taxa de resolução, com outras métricas planejadas para futuras versões.

Quais conversas estão incluídas nas Recomendações?

Recomendações analisa apenas conversas de suporte significativas:

Conversas recebidas
Escritas por um cliente
Com pelo menos duas respostas do Fin ou de um colega

Exclui conversas pendentes e mensagens de fluxo de trabalho automatizadas.

Com que frequência as sugestões são geradas?

Sugestões de lacunas de conteúdo são geradas semanalmente, com gatilhos adicionais para volume alto, atividade sustentada ou picos repentinos.
Sugestões de lacunas de dados do cliente e de ação são geradas semanalmente.
As sugestões são revisadas e trabalhadas semana a semana usando filtros de intervalo de datas.

Otimize Fin instantaneamente com a ajuda da AI