RecommendationsはFinが回答できなかった会話をレビューしてチームに送信し、Finのコンテンツ、データ、アクションのギャップを修正するための週次推奨を提供します。
実際の顧客との会話を分析することで、自動化を改善しFinの解決率をより早く向上させる最も影響力の高い機会を強調します。
主な利点
結果を妨げている要因を確認し、コンテンツギャップ、顧客データギャップ、アクションギャップを特定します。
最も影響の大きい修正を優先し、一貫した会話ベースの影響スコアを使用します。
実際の顧客との会話から作業し、各推奨に直接反映された内容を活用します。
エスカレーションから自動化へ移行し、コンテンツ、データコネクタ、手順を作成すべきタイミングを明確に案内します。
注意： Recommendationsやその他のAI駆動のインサイトにアクセスするには、Proアドオンが必要です。
Recommendationsの仕組み
RecommendationsはすべてのAI搭載の改善推奨を一つの体験にまとめ、推奨の理解、フィルタリング、実行を容易にします。
開始するには、Fin AI Agent > Analyze > Recommendationsにアクセスしてください。ここでは、Finが会話を解決できなかった原因となるギャップの種類ごとにグループ化された推奨リストが提供されます。
コンテンツギャップ
コンテンツギャップの推奨は、Finが回答できなかった理由が、ヘルプコンテンツの欠如、不明瞭、重複、矛盾にある場合を示します。
各コンテンツギャップ推奨について、以下が可能です。
AI生成の推奨を確認し、新規作成または既存コンテンツの編集を行います。
推奨を引き起こした正確な会話を確認します。
将来の結果を改善するために、公開記事やスニペットを直接更新します。
ヒント： AI搭載のコンテンツ推奨の活用方法について詳しく学びましょう。
顧客データギャップ
顧客データギャップの推奨は、Finが注文状況やアカウント詳細など外部システムからの情報を必要としたが利用できなかった場合に表示されます。
各顧客データギャップ推奨は以下を明確に示します。
APIと必要なデータのガイドで、Finが会話を自動解決できるようにコネクタを構築します。提供された例はエンジニアが確認・適応する必要があります。
自動化の作成方法はデータコネクタを使用します。
この顧客データで回答可能となる顧客の問い合わせ。
実装の労力は技術的複雑さ、インフラ・依存関係、セキュリティ・コンプライアンス、データ運用の複雑さ、ビジネスロジック要件、性能・スケーラビリティ、テスト・検証の複雑さ、リスク評価に基づきます。
APIドキュメントのサンプル（参考用）。このサンプルスキーマは実装する可能性のあるリクエスト/レスポンス構造を示します。実際のエンドポイント、パラメータ、認証フローは異なる場合があるため、これを統合パターンの設計図として扱ってください。
エスカレーションガイダンスの推奨は、完全自動化構築中に複雑な問い合わせをチームに迅速にルーティングし、スムーズな顧客体験を維持するための一時的な方法として実装可能です。
ヒント： Finのエスカレーションガイダンスとルールについて詳しく学びましょう。
アクションギャップ
アクションギャップの推奨は、Finがワークフローの更新や注文キャンセルなど他システムでのアクションを必要とした場合を特定します。
各アクションギャップ推奨は以下を明確に示します。
APIと必要なデータのガイドで、Finが会話を自動解決できるようにコネクタやタスクを構築します。提供された例はエンジニアが確認・適応する必要があります。
自動化の作成方法はデータコネクタとFin TasksまたはProceduresを使用し、設定に応じて行います。
このアクションで回答可能となる顧客の問い合わせ。
実装の労力は技術的複雑さ、インフラ・依存関係、セキュリティ・コンプライアンス、データ運用の複雑さ、ビジネスロジック要件、性能・スケーラビリティ、テスト・検証の複雑さ、リスク評価に基づきます。
APIドキュメントのサンプル（参考用）。このサンプルスキーマは実装する可能性のあるリクエスト/レスポンス構造を示します。実際のエンドポイント、パラメータ、認証フローは異なる場合があるため、これを統合パターンの設計図として扱ってください。
エスカレーションガイダンスの推奨は、完全自動化構築中に複雑な問い合わせをチームに迅速にルーティングし、スムーズな顧客体験を維持するための一時的な方法として実装可能です。
データの分析
影響度の計算方法
Recommendationsはすべての推奨タイプで一貫した影響モデルを使用し、影響は以下に基づきます。
関連する会話の数。
その会話がカバーする期間。
これは影響度が実際の過去の需要を反映していることを意味し、どの修正を優先すべきか判断しやすくなります。
注意：デフォルトでは、推奨は影響度の高い順に並び、長期間のレビュー時には日付（新しい順）で並べ替えるオプションがあります。
推奨に反映された会話を表示
右上のサイドドロワーを開くと、推奨に直接反映された会話が見つかります。
これにより以下が容易になります。
推奨の背後にある正確な顧客の質問を理解すること。
修正が結果を意味あるものに改善するか検証すること。
変更計画時に具体的な例をチームと共有すること。
推奨のフィルタリングと並べ替え
Recommendationsには強力なフィルターがあり、異なるチームが最も重要なことに集中できます。
以下でフィルタリング可能です。
理由：推奨タイプ（コンテンツ、顧客データ、アクション）を選択。
日付範囲：週ごとに推奨をレビュー。
トピック：AI生成トピック（請求や価格設定など）を使用。
影響度：最も大きな成果に集中。
推奨の承認または拒否
一度承認、完了としてマーク、または拒否すると、リストから削除され再表示されません。
推奨の設定
推奨ページ上部の設定アイコンをクリックし、設定したFinオーディエンスごとにコンテンツ推奨をセグメント化します。
オーディエンスごとにコンテンツ推奨をセグメント化すると、選択した各オーディエンスに合わせた推奨が提供されます。これにより推奨が各オーディエンスやブランドに特化し関連性が保たれます。「Everyone」を選択すると、推奨はより一般的になります。
注意：
セグメンテーションは現在コンテンツ推奨のみ対応しています。
保存すると現在のコンテンツ推奨はクリアされ、新しいセグメント化された推奨が生成されます。数時間かかる場合があります。
よくある質問
以前の推奨ダッシュボードから何が変わりましたか？
以前の推奨ダッシュボードから何が変わりましたか？
Recommendations Finは簡素化され、改善の実行が容易になるよう再焦点化されました。
主な変更点は以下の通りです。
単一の 推奨体験で、TrainとAnalyzeの別々のビューを統合。
より明確な自動化ガイダンスを提供し、エスカレーションガイダンスの優先を廃止。
「調査が必要」推奨を削除し、曖昧で実行困難だったものを排除。
解決率に専念し、他の指標は将来のバージョンで計画。
推奨に含まれる会話は？
推奨に含まれる会話は？
Recommendationsは意味のあるサポート会話のみを分析します。
インバウンド会話
顧客によって書かれたもの
Finまたはチームメンバーから少なくとも2回の応答があるもの
保留中の会話や自動ワークフローメッセージは除外されます。
推奨はどのくらいの頻度で生成されますか？
推奨はどのくらいの頻度で生成されますか？
コンテンツギャップ推奨は週次で生成され、高ボリューム、継続的な活動、急激な増加時に追加トリガーがあります。
顧客データおよびアクションギャップ推奨も週次で生成されます。
推奨は日付範囲フィルターを使い週ごとにレビュー・対応されます。
未解決質問レポートはどうなりましたか？
未解決質問レポートはどうなりましたか？
未解決質問レポートは推奨に置き換えられました。推奨はFinが会話を解決できなかった箇所を示すだけでなく、問題を修正し解決率を向上させるための明確で実行可能なガイダンスも提供します。