Recommendations revisa las conversaciones que Fin no puede responder y las envía a tu equipo, luego proporciona recomendaciones semanales para corregir brechas en el contenido, datos y acciones de Fin.
Al analizar conversaciones reales de clientes, destaca las oportunidades de mayor impacto para mejorar la automatización y aumentar la tasa de resolución de Fin más rápido.
Beneficios clave
Ve qué está bloqueando los resultados identificando brechas en contenido, datos del cliente y acciones.
Prioriza las correcciones de mayor impacto usando puntuaciones de impacto consistentes basadas en conversaciones.
Trabaja con conversaciones reales de clientes que informaron directamente cada recomendación.
Pasa de la escalación a la automatización con una guía más clara sobre cuándo crear contenido, conectores de datos o procedimientos.
Nota: Para acceder a Recommendations y otros insights impulsados por AI, necesitarás el complemento Pro.
Cómo funciona Recommendations
Recommendations reúne todas las recomendaciones de mejora impulsadas por AI en una sola experiencia, facilitando entender, filtrar y actuar sobre las recomendaciones.
Para comenzar, ve a Fin AI Agent > Analyze > Recommendations. Esto te proporciona una lista de recomendaciones agrupadas por el tipo de brecha que impidió que Fin resolviera una conversación.
Brechas de contenido
Las recomendaciones de brechas de contenido destacan dónde Fin no pudo responder porque faltaba contenido de ayuda, estaba poco claro, duplicado o era contradictorio.
Para cada recomendación de brecha de contenido, puedes:
Revisar recomendaciones generadas por AI para crear o editar contenido existente.
Ver las conversaciones exactas que desencadenaron la recomendación.
Actualizar artículos públicos o fragmentos directamente para mejorar resultados futuros.
Consejo: Aprende más sobre cómo usar recomendaciones de contenido impulsadas por AI para mejorar Fin.
Brechas de datos del cliente
Las recomendaciones de brechas de datos del cliente aparecen cuando Fin necesitaba información de un sistema externo que no estaba disponible, como el estado de un pedido o detalles de la cuenta.
Cada recomendación de brecha de datos del cliente muestra claramente:
Una guía que detalla la API y los datos necesarios para construir conectores y que Fin pueda resolver conversaciones automáticamente. Los ejemplos proporcionados deben ser revisados y adaptados por un ingeniero.
Cómo crear la automatización usando un conector de datos.
Las consultas de clientes que serían respondidas con estos datos del cliente.
El esfuerzo de implementación, basado en complejidad técnica, infraestructura y dependencias, consideraciones de seguridad y cumplimiento, complejidad operativa de datos, requisitos de lógica de negocio, necesidades de rendimiento y escalabilidad, complejidad de pruebas y validación, y evaluación de riesgos.
Documentación de API de ejemplo (solo como referencia). Este esquema muestra el tipo de estructura de solicitud/respuesta que podrías implementar. Tus endpoints, parámetros y flujos de autenticación pueden variar, así que trátalo como un plano para los patrones de integración necesarios para resolver estas consultas.
Una recomendación de guía de escalación que podrías implementar rápidamente como una forma temporal de dirigir consultas complejas a tu equipo y mantener una experiencia de cliente fluida, mientras se construye la automatización completa.
Consejo: Aprende más sobre la guía y reglas de escalación de Fin.
Brechas de acción
Las recomendaciones de brechas de acción identifican dónde Fin necesitaba realizar una acción en otro sistema, como actualizar un flujo de trabajo o cancelar un pedido.
Cada recomendación de brecha de acción muestra claramente:
Una guía que detalla la API y los datos necesarios para construir conectores o tareas y que Fin pueda resolver conversaciones automáticamente. Los ejemplos proporcionados deben ser revisados y adaptados por un ingeniero.
Cómo crear la automatización usando conectores de datos y Fin Tasks o Procedures, según tu configuración.
Las consultas de clientes que serían respondidas con esta acción.
El esfuerzo de implementación, basado en complejidad técnica, infraestructura y dependencias, consideraciones de seguridad y cumplimiento, complejidad operativa de datos, requisitos de lógica de negocio, necesidades de rendimiento y escalabilidad, complejidad de pruebas y validación, y evaluación de riesgos.
Documentación de API de ejemplo (solo como referencia). Este esquema muestra el tipo de estructura de solicitud/respuesta que podrías implementar. Tus endpoints, parámetros y flujos de autenticación pueden variar, así que trátalo como un plano para los patrones de integración necesarios para resolver estas consultas.
Una recomendación de guía de escalación que podrías implementar rápidamente como una forma temporal de dirigir consultas complejas a tu equipo y mantener una experiencia de cliente fluida, mientras se construye la automatización completa.
Análisis de los datos
Cómo se calcula el impacto
Recommendations usa un modelo de impacto consistente para todos los tipos de recomendación donde el impacto se basa en:
El número de conversaciones relacionadas.
El período de tiempo que cubren esas conversaciones.
Esto significa que el impacto refleja la demanda real e histórica, por lo que es más fácil juzgar qué correcciones vale la pena priorizar.
Nota: Por defecto, las recomendaciones se ordenan de mayor a menor impacto, con la opción de ordenar por fecha (de más reciente a más antiguo) al revisar rangos de tiempo más largos.
Ver conversaciones que informaron las recomendaciones
Si abres el panel lateral en la esquina superior derecha, encontrarás las conversaciones que informaron directamente una recomendación.
Esto facilita:
Entender las preguntas exactas del cliente detrás de una recomendación.
Validar si la corrección mejorará significativamente los resultados.
Compartir ejemplos concretos con compañeros al planificar cambios.
Filtrar y ordenar recomendaciones
Recommendations incluye filtros potentes para que diferentes equipos puedan enfocarse en lo que más importa.
Puedes filtrar por:
Razón: para seleccionar un tipo de recomendación (contenido, datos del cliente, acción).
Rango de fechas: para revisar recomendaciones semana a semana.
Tema: usando temas generados por AI como Facturación o Precios.
Impacto: para enfocarse primero en las mayores ganancias.
Aceptar o rechazar una recomendación
Una vez que haces clic en Aceptar, Marcar como hecho o Rechazar una recomendación, esta se elimina de la lista y no volverá a aparecer.
Configuración de recomendaciones
Haz clic en el icono de configuración en la parte superior de la página de recomendaciones para segmentar las recomendaciones de contenido por audiencias de Fin que hayas configurado.
Cuando segmentas las recomendaciones de contenido por audiencia, cada audiencia seleccionada recibe su propio conjunto de recomendaciones personalizadas. Esto asegura que las recomendaciones se mantengan relevantes y específicas para cada audiencia o marca. Si seleccionas “Todos,” las recomendaciones serán más generales en lugar de específicas para la audiencia.
Nota:
La segmentación actualmente solo funciona para recomendaciones de contenido.
Al guardar, tus recomendaciones actuales de contenido se borrarán. Se generarán nuevas recomendaciones de contenido segmentadas, lo que puede tardar algunas horas.
Preguntas frecuentes
¿Qué ha cambiado en el panel de recomendaciones anterior?
¿Qué ha cambiado en el panel de recomendaciones anterior?
Recommendations Fin se ha simplificado y reenfocado para facilitar la implementación de mejoras.
Los cambios clave incluyen:
Una sola experiencia de recomendaciones, reemplazando las vistas separadas de Entrenamiento y Análisis.
Guía de automatización más clara, en lugar de priorizar la guía de escalación.
Eliminación de recomendaciones “Se necesita investigación”, que eran vagas y difíciles de implementar.
Enfoque exclusivo en la tasa de resolución, con otras métricas planeadas para futuras iteraciones.
¿Qué conversaciones se incluyen en las recomendaciones?
¿Qué conversaciones se incluyen en las recomendaciones?
Recommendations analiza solo conversaciones de soporte significativas:
Conversaciones entrantes
Escritas por un cliente
Con al menos dos respuestas de Fin o un compañero
Excluye conversaciones pendientes y mensajes automatizados de flujo de trabajo.
¿Con qué frecuencia se generan las recomendaciones?
¿Con qué frecuencia se generan las recomendaciones?
Las recomendaciones de brechas de contenido se generan semanalmente, con disparadores adicionales por alto volumen, actividad sostenida o picos repentinos.
Las recomendaciones de brechas de datos del cliente y de acción se generan semanalmente.
Las recomendaciones se revisan y trabajan semana a semana usando filtros de rango de fechas.
¿Qué pasó con el informe de Preguntas No Resueltas?
¿Qué pasó con el informe de Preguntas No Resueltas?
El informe de Preguntas No Resueltas ha sido reemplazado por recommendations. Recommendations no solo muestra dónde Fin no pudo resolver conversaciones, sino que también proporciona una guía clara y accionable sobre cómo solucionar esos problemas y mejorar la tasa de resolución.