優れたAIサポートは優れたドキュメントから始まります。Finを効果的にトレーニングするには、Help Centerだけでなく、ビジネスの進展に合わせて進化し、迅速で信頼できる回答を求める顧客の期待に応える生きた知識管理システムが必要です。
Finでは、実践を通じて知識管理のアプローチを洗練させ、コンテンツを通じて直接対応する情報クエリに対して97％の自動化率を達成するようFinをトレーニングしています。このガイドでは、Fin、チーム、顧客に成果をもたらす知識システムを実装するためのベストプラクティスとワークストリームを共有します。
知識 baseの構築を始めたばかりの場合は、まずこのガイドを読むことをお勧めします。運用が始まったら、継続的な知識管理のヒントのためにここに戻ってきてください。
製品の変更に合わせて知識を調整する
推奨事項:
製品チームと連携して、サポートコンテンツを製品リリースと同期させるプロセスを確立します。これには以下が含まれます:
製品マネージャーやエンジニアに、開発中のすべての製品の詳細を共有してもらう（これらは簡易的な内部メモでも構いません！）
技術的な製品の詳細を顧客向けのhelp center記事に翻訳する。
製品のUIが変更されるたびに、スクリーンショット、ナビゲーションパス、埋め込みリンクを更新する。
主要なアップデートに対してターゲットを絞った監査を実施し、影響を受ける知識が最新であることを確認する。
例:
毎週10〜15の製品リリースを行い、約90の記事の作成と更新を伴います。Operatorを使用して知識 baseを監査し、更新案を提案し、各リリースごとに1時間以内でレビューと公開を行います。大規模または広範囲な製品リリースでは、内部および外部の関連コンテンツの更新に2〜3時間かかることがあります。
Finのコンテンツ推奨を活用する
推奨事項:
Finは、エスカレーションが必要だった会話に基づいてコンテンツのギャップを特定すると推奨を表示します。これには記事の編集、重複の削除、矛盾の修正、またはサポートチームが提供した回答からの新しい記事やスニペットの追加が含まれます。これらは最小限の労力で実行可能な非常に実用的な提案です。
これらの提案は毎週確認し、受け入れるか修正するか拒否するかを決定し、それに応じてコンテンツを更新することをお勧めします。
例:
毎週のレビューで10〜15件のFinの提案が得られることがあります。ほとんどは1時間で実施可能な小さな更新です。
サポートチームが問題を報告できるようにする
推奨事項:
チームに、顧客対応の過程で遭遇したコンテンツのギャップや誤りを報告するよう促します。これには以下が含まれます:
Finが誤ったまたは役に立たない回答をした場合。
顧客が自己解決できない問題がある場合。
記事内の古いスクリーンショットや情報。
簡単な提出プロセス（例：ticketフォーム）を設定し、これらの改善を毎週対応する時間を確保します。
例:
Finでは、サポートチームが毎週15〜20件のコンテンツ改善を報告します。各提案の対応には通常15分かかります。
パフォーマンスの低いコンテンツを修正し、AI向けに最適化する
推奨事項:
コンテンツが事実上正確で最新であっても、Finが使用するとパフォーマンスが低い場合があります。人間の読者とは異なり、AIは明確な構造、曖昧さのない表現、顧客の意図との強い整合性に大きく依存します。Finの解決率を各コンテンツで監視し、頻繁に使用されるがパフォーマンスが低いコンテンツを特定してください（これらは改善の最適候補であり、小さな変更が大きな影響を与える可能性があります）。
プロのヒント：ページビューやクリック率は記事の人気を示しますが、効果を示すものではありません。コンテンツのパフォーマンスをより意味のある指標で測るには、Fin AI Agentが顧客に回答する際のパフォーマンス（解決率）と、その解決に対する顧客満足度（CXスコア）を確認します。これは、単にページが訪問されたかどうかではなく、実際に問題を解決し顧客体験を向上させているかを反映します。
記事にFinの関与が高いにもかかわらず解決率とCXスコアが低い場合、その記事は通常役割を果たしていません。これは主に3つの理由によります：コンテンツが不正確、コンテンツが不完全、または目的と範囲が明確でないために誤ったクエリで取得されていることです。
Finの関与率上位20％のコンテンツに注力してください。
解決率が90％未満の項目を最適化候補としてフラグ付けしてください。
Operatorにコンテンツ準備チェックリストに基づいて各コンテンツをレビュー・最適化させ、正しいトピックとの整合性を高め、一般的な顧客表現を使用し、曖昧さを排除し、AIエージェントが解析しやすくします。
例:
毎月、関与率が高く解決率が低い10の記事を特定します。各記事は通常5分でOperatorを使って再構成し、最適化版を公開します。
期待される製品の動作を記録する
推奨事項:
時には顧客の質問で、一見混乱を招くような動作や予期しない動作が明らかになりますが、それは実際には製品の設計通りの動作です。こうした場合:
サポートチームに、製品の動作を説明するmacroを顧客に送信し、会話にタグを付けるよう依頼します（例：
expected-product-behavior）。Operatorに依頼して、過去1か月のそのタグ付き会話をすべてレビューし、製品の動作を抽出し、知識 baseに記録されているか確認します。
Operatorがすべての欠落している製品動作を含むコンテンツを更新したら、それらの会話にタグを付けるよう依頼します（例：
product-behavior-documented）。
例:
Finでは、毎月約20件の未記録の製品動作が会話にタグ付けされます。これらの会話をレビューし、Operatorを使って知識 baseに製品動作を記録する作業は1時間未満で完了し、Finが微妙な顧客の問い合わせをエスカレーションなしで処理する能力を大幅に向上させます。
これが私たちのOperatorプロンプトです:
「expected-product-behavior」タグが付いているが「product-behavior-documented」タグが付いていない expected-product-behavior の会話が[X件]あります。これらを全文読んで製品動作を抽出し、知識 baseで確認してください。未記録の製品動作があれば、関連コンテンツの更新を提案してください。提案前に最も関連性の高い記事の全文を取得して既存内容を確認してください。
知識作業を追跡し優先順位をつける
推奨事項:
タスク管理ツール（例：Superhuman Docs、Trello、Asana）を使って以下を優先順位付けし追跡します:
製品の更新と必要なコンテンツ。
受信したコンテンツの提案・改善。
記事の監査、更新、新規作成の状況。
これにより、知識作業の所有権と進捗状況を明確にし、協力と共有が促進されます。
まとめ：Finを優れた知識でトレーニングするベストプラクティス
領域 | 主要活動 | 推奨頻度 | 平均所要時間 |
製品の更新 | コンテンツの作成・更新 | 毎週 | 30時間 |
AIの提案 | AIコンテンツ提案のレビューと対応 | 毎週 | 1時間 |
人間のフィードバック | チームメイトの提案のレビューと対応 | 毎週 | 5時間 |
AIの最適化 | AI向けにコンテンツを最適化（AIを活用） | 毎月 | 1時間 |
製品の動作を文書化 | 特定された期待される動作の説明を追加 | 毎月 | 1時間 |
知識の追跡 | コラボレーションのためのタスクボードまたは追跡システムを維持 | 継続的 |
|
これらのワークストリームが動き出すと、知識管理は動的で共有された実践となり、チームと顧客のニーズに応じて継続的に進化します。この強固な基盤があれば、Finは大規模に卓越したサポートを提供する準備が整います。