Recommendations examine les conversations auxquelles Fin ne peut pas répondre et les envoie à votre équipe, puis fournit des recommandations hebdomadaires pour combler les lacunes dans le contenu, les données et les actions de Fin.

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

Avantages clés

Voyez ce qui bloque les résultats en identifiant 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 recommandation.
Passez de l'escalade à l'automatisation avec des directives plus claires sur quand créer du contenu, des connecteurs de données ou des procédures.

Note : Pour accéder à Recommendations et à d'autres insights pilotés par l'IA, vous aurez besoin du module complémentaire Pro.

Comment fonctionne Recommendations

Recommendations rassemble toutes les recommandations 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 Fin AI Agent > Analyser > Recommendations. Cela vous fournit une liste de recommandations regroupées par type de lacune qui a empêché Fin de résoudre une conversation.

Lacunes de contenu

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

Pour chaque recommandation de lacune de contenu, vous pouvez :

Examiner les recommandations générées par l'IA pour créer ou modifier le contenu existant.
Voir les conversations exactes qui ont déclenché la recommandation.
Mettre à jour directement les articles publics ou extraits pour améliorer les résultats futurs.

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

Lacunes de données clients

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

Chaque recommandation de lacune de données clients montre clairement :

Un guide qui décrit l'API et les données nécessaires pour construire 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 recommandations de lacune d'action identifient où Fin devait effectuer une action dans un autre système, comme mettre à jour un flux de travail ou annuler une commande.

Chaque recommandation de lacune d'action montre clairement :

Un guide qui décrit l'API et les données nécessaires pour construire 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 Fin Tasks ou Procedures, 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

Recommendations utilise un modèle d'impact cohérent pour tous les types de recommandations où l'impact est basé sur :

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

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

Note : Par défaut, les recommandations 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 recommandations

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 les résultats.
Partager des exemples concrets avec les coéquipiers lors de la planification des changements.

Filtrer et trier les recommandations

Recommendations inclut 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 recommandation (contenu, données clients, action).
Plage de dates : pour examiner les recommandations 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 recommandation

Une fois que vous cliquez sur Accepter, Marquer comme fait ou Rejeter une recommandation, 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 recommandations de contenu par audiences Fin que vous avez configurées.

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

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.

FAQ

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

Recommendations Fin a été simplifié et réorienté pour faciliter la mise en œuvre des améliorations.

Les changements clés incluent :

Une seule expérience de recommandations, remplaçant les vues Train et Analyze séparées.
Directives d'automatisation plus claires, au lieu de prioriser le guidage d'escalade.
Suppression des recommandations « 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 itérations futures.

Quelles conversations sont incluses dans les recommandations ?

Recommendations analyse uniquement les conversations de support significatives :

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

Elle exclut les conversations en attente et les messages automatisés de workflow.

À quelle fréquence les recommandations sont-elles générées ?

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

Qu'est-il advenu du rapport Questions non résolues ?

Le rapport Questions non résolues a été remplacé par Recommendations. Recommendations montre non seulement où Fin n'a pas pu résoudre les conversations, mais fournit également des directives claires et exploitables sur la façon de corriger ces problèmes et d'améliorer le taux de résolution.

Optimisez Fin instantanément avec l'aide de l'IA