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 suggèrent 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 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 rejetez toute recommandation avant sa mise en ligne—ainsi les changements se font selon vos conditions.

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

Comment accéder aux recommandations de lacunes de contenu

Pour voir vos recommandations de lacunes de contenu, allez dans Fin AI Agent > Analyse > Recommendations et filtrez par Reason is Content gaps.

Note : Si vous cliquez sur un lien direct vers une recommandation spécifique et obtenez une erreur telle que « Ces données n’ont pas pu être chargées », cela signifie que le contenu sous-jacent n’existe plus. Les revues de suggestions en attente expireront automatiquement après 4 semaines pour garder les suggestions pertinentes.

Comment utiliser les recommandations de lacunes de contenu

Les recommandations de lacunes de contenu sont générées en analysant :

Réponses échouées de Fin (par exemple 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 existe des lacunes dans votre knowledge base.
Doublons du même contenu dans plusieurs sources.
Contradictions du contenu dans différentes sources.

Pour chaque suggestion 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 suggestion.
Mettre à jour directement les articles publics ou extraits pour améliorer la résolution future.

Types de suggestions de lacunes de contenu

Action	Objectifs	Disponibilité
Ajouter du nouveau contenu	Combler les lacunes de contenu	Articles Extraits
Modifier le contenu existant	Combler les lacunes de contenu S’assurer que le contenu est à jour et pertinent Améliorer la qualité du contenu	Articles Extraits
Examiner le contenu contradictoire	Corriger les sources potentiellement confuses pour Fin	Articles Extraits Pages web
Examiner le contenu dupliqué	Nettoyer le contenu pour Fin et les gestionnaires de knowledge	Articles Extraits Pages web

Segmenter les recommandations de lacunes de contenu par audience

Pour rendre vos recommandations plus précises et impactantes, 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 exemple, différentes politiques de données pour les clients de l’UE vs. des États-Unis).

Cliquez sur l’icône des paramètres en haut de la page Recommendations pour segmenter le 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 suggestions de contenu segmenté 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. Cela aide à garantir que les suggestions sont générées en utilisant le contenu correct pour chaque marque. Pour en savoir plus, vous pouvez consulter l'article, create a branded experience with Fin Identities.

Examen des recommandations de lacunes de contenu

Vous pouvez examiner toutes les recommandations de lacunes de contenu avant de les activer pour Fin.

Chaque recommandation comprend :

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 suggestion.

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.

Examiner les modifications

Options de révision :

Nouveau contenu : Ajouter un nouveau contenu sous forme d'extrait ou d'article
Modifications : Faites défiler plusieurs changements, y compris :
- Texte rouge (suppressions suggérées)
- Texte vert (ajouts suggérés)

Acceptation d'une recommandation :

Les extraits sont immédiatement ajoutés à Knowledge et mis à disposition pour Fin.
Les modifications d'article peuvent être enregistrées en brouillon ou publiées pour les rendre disponibles à Fin.

Conseil : Vous pouvez modifier le contenu directement avant d'accepter ou de rejeter une recommandation.

Créer de nouveaux articles ou extraits

Certaines recommandations de lacunes de contenu peuvent ne pas s'intégrer naturellement dans votre contenu existant. Utilisez le bouton Ajouter sur la carte de recommandation pour ajouter un nouvel extrait ou article, que vous pouvez immédiatement publier dans votre Help Center préféré et votre collection.

Déplacer les recommandations de lacunes de contenu vers une autre source

Si la recommandation est utile mais placée dans la mauvaise source, vous pouvez la déplacer vers un contenu différent ou la convertir en nouveau contenu.

Recherchez et sélectionnez l'extrait ou l'article cible.
Le système tentera de réécrire le contenu existant avec la recommandation (généralement en 20-45 secondes).
Si le placement n'est pas possible, le contenu sera ajouté à la fin.
Si ajouté en tant que nouveau contenu, l'éditeur s'ouvre avec la recommandation insérée.

Note : Vous ne pouvez pas déplacer une recommandation vers un contenu qui a déjà des recommandations en attente.

Supprimer/fusionner le contenu en double

Les recommandations de contenu en double trouvent des morceaux de contenu 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

Notre outil de contenu contradictoire vous aide à identifier le contenu avec des informations qui s'opposent. Cela vous permet de revoir et résoudre rapidement les divergences, garantissant 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 les recommandations pour supprimer la suggestion de votre vue.
Marquez les recommandations comme terminées lorsque vous avez effectué les mises à jour nécessaires.

Note : Les recommandations sont statiques au moment où elles ont été générées. Comme vous pouvez modifier votre contenu avant d'examiner 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 peut être obsolète.

FAQ

À quelle fréquence les recommandations de lacunes de contenu 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.

Pourquoi certaines recommandations affichent-elles une erreur lorsque je les ouvre via un lien ?

Les liens directs vers des recommandations individuelles peuvent devenir invalides si les recommandations sous-jacentes ou le contenu ont expiré ou ont été supprimés. C'est un comportement attendu.

Pour voir les recommandations actives, ouvrez-les dans le tableau de bord Optimize dans Intercom plutôt que via des URL enregistrées.

Qu'est-ce qui est filtré lors de la génération des recommandations de lacunes de contenu ?

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 dans vos articles publics et extraits

Pourquoi une recommandation de lacune de contenu serait-elle considérée comme à fort impact si elle ne concerne qu'une seule conversation ?

Une recommandation peut être considérée comme à fort impact même si elle ne concerne qu'une seule conversation lorsque cette conversation 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 dépend pas uniquement du nombre de conversations affectées, mais aussi de la gravité ou de 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 modèles et des seuils, mais une seule conversation peut toujours déclencher une recommandation à fort impact si elle répond à certains critères.
Toutes les recommandations basées sur une seule conversation ne sont pas à fort impact — seules celles qui révèlent des problèmes significatifs

Comment savoir si un contenu a été généré par AI ?

Vous pouvez filtrer par contenu Created by Fin dans Knowledge pour voir tout le contenu généré par AI.

Qui peut accepter ou rejeter les recommandations de lacunes de contenu ?

Les coéquipiers disposant de la permission « Can create and manage content in Knowledge » permission.

Y a-t-il des limitations pour les recommandations de lacunes de contenu ?

Les recommandations ne sont générées que pour les conversations auxquelles un AI topic est attribué.
Pas d'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 vois-je des conversations plus anciennes dans mes recommandations de lacunes de contenu ?

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 sont conçues pour identifier des modèles significatifs. Les recommandations sont créées pour un sujet une fois qu'un nombre suffisant de conversations s'est accumulé pour signaler une lacune claire dans la 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.

Utilisez les recommandations de contenu alimentées par l'IA pour améliorer Fin