Recomendações revisa as conversas que o Fin não consegue responder e envia para sua equipe, depois fornece recomendações semanais para corrigir lacunas no conteúdo, dados e ações do Fin.

Ao analisar conversas reais de clientes, destaca as oportunidades de maior impacto para melhorar a automação e aumentar a taxa de resolução do Fin mais rapidamente.

Principais benefícios

Veja o que está bloqueando os resultados identificando lacunas de conteúdo, lacunas de dados do cliente e lacunas de ação.
Priorize as correções de maior impacto usando pontuações de impacto consistentes baseadas em conversas.
Trabalhe com conversas reais de clientes que informaram diretamente cada recomendação.
Transite da escalada para a automação com orientações mais claras sobre quando criar conteúdo, conectores de dados ou procedimentos.

Nota: Para acessar Recomendações e outros insights impulsionados por AI, você precisará do add-on Pro.

Como as Recomendações funcionam

Recomendações reúne todas as recomendações de melhoria alimentadas por AI em uma única experiência, facilitando entender, filtrar e agir sobre as recomendações.

Para começar, vá para Fin AI Agent > Analisar > Recomendações. Isso fornece uma lista de recomendações agrupadas pelo tipo de lacuna que impediu o Fin de resolver uma conversa.

Lacunas de conteúdo

As recomendações de lacuna de conteúdo destacam onde o Fin não conseguiu responder porque o conteúdo de ajuda estava ausente, confuso, duplicado ou contraditório.

Para cada recomendação de lacuna de conteúdo, você pode:

Revisar recomendações geradas por AI para criar ou editar conteúdo existente.
Ver as conversas exatas que acionaram a recomendação.
Atualizar artigos públicos ou trechos diretamente para melhorar resultados futuros.

Dica: Saiba mais sobre como usar recomendações de conteúdo alimentadas por AI para melhorar o Fin.

Lacunas de dados do cliente

As recomendações de lacuna de dados do cliente aparecem quando o Fin precisava de informações de um sistema externo que não estavam disponíveis, como status do pedido ou detalhes da conta.

Cada recomendação de lacuna de dados do cliente mostra claramente:

Um guia que descreve a API e os dados necessários para construir conectores para que o Fin possa resolver conversas automaticamente. Os exemplos fornecidos devem ser revisados e adaptados por um engenheiro.
Como criar a automação usando um conector de dados.
As consultas de clientes que seriam respondidas com esses dados do cliente.
O esforço de implementação, que se baseia na complexidade técnica, requisitos de infraestrutura e dependência, considerações de segurança e conformidade, complexidade das operações de dados, requisitos de lógica de negócios, necessidades de desempenho e escalabilidade, complexidade de testes e validação, e avaliação de riscos.
Documentação de API de exemplo (apenas para referência). Este esquema de exemplo ilustra o tipo de estrutura de solicitação/resposta que você pode implementar. Seus endpoints reais, parâmetros e fluxos de autenticação podem diferir, então trate isso como um modelo para os padrões de integração necessários para resolver essas consultas.
Uma recomendação de orientação de escalada que você poderia implementar rapidamente como uma forma temporária de direcionar consultas complexas para sua equipe e manter uma experiência suave para o cliente, enquanto a automação completa está sendo construída.

Dica: Saiba mais sobre orientação e regras de escalada do Fin.

Lacunas de ação

As recomendações de lacuna de ação identificam onde o Fin precisava realizar uma ação em outro sistema, como atualizar um fluxo de trabalho ou cancelar um pedido.

Cada recomendação de lacuna de ação mostra claramente:

Um guia que descreve a API e os dados necessários para construir conectores ou tarefas para que o Fin possa resolver conversas automaticamente. Os exemplos fornecidos devem ser revisados e adaptados por um engenheiro.
Como criar a automação usando conectores de dados e Fin Tasks ou Procedures, dependendo da sua configuração.
As consultas de clientes que seriam respondidas com essa ação.
O esforço de implementação, que se baseia na complexidade técnica, requisitos de infraestrutura e dependência, considerações de segurança e conformidade, complexidade das operações de dados, requisitos de lógica de negócios, necessidades de desempenho e escalabilidade, complexidade de testes e validação, e avaliação de riscos.
Documentação de API de exemplo (apenas para referência). Este esquema de exemplo ilustra o tipo de estrutura de solicitação/resposta que você pode implementar. Seus endpoints reais, parâmetros e fluxos de autenticação podem diferir, então trate isso como um modelo para os padrões de integração necessários para resolver essas consultas.
Uma recomendação de orientação de escalada que você poderia implementar rapidamente como uma forma temporária de direcionar consultas complexas para sua equipe e manter uma experiência suave para o cliente, enquanto a automação completa está sendo construída.

Analisando os dados

Como o impacto é calculado

Recomendações usam um modelo de impacto consistente em todos os tipos de recomendação, onde o impacto é baseado em:

O número de conversas relacionadas.
O período de tempo que essas conversas cobrem.

Isso significa que o impacto reflete a demanda real e histórica, facilitando julgar quais correções valem a pena priorizar.

Nota: Por padrão, as recomendações são classificadas do maior para o menor impacto, com a opção de classificar por data (do mais novo para o mais antigo) ao revisar períodos mais longos.

Visualizar conversas que informaram as recomendações

Se você abrir a gaveta lateral no canto superior direito, encontrará as conversas que informaram diretamente uma recomendação.

Isso facilita:

Entender as perguntas exatas dos clientes por trás de uma recomendação.
Validar se a correção melhorará significativamente os resultados.
Compartilhar exemplos concretos com colegas ao planejar mudanças.

Filtrar e classificar recomendações

Recomendações inclui filtros poderosos para que diferentes equipes possam focar no que mais importa.

Você pode filtrar por:

Motivo: para selecionar um tipo de recomendação (conteúdo, dados do cliente, ação).
Intervalo de datas: para revisar recomendações semana a semana.
Tópico: usando tópicos gerados por AI como Cobrança ou Preços.
Impacto: para focar primeiro nas maiores conquistas.

Aceitar ou rejeitar uma recomendação

Uma vez que você clique em Aceitar, Marcar como feito ou Rejeitar uma recomendação, ela será removida da lista e não reaparecerá novamente.

Configurações de recomendações

Clique no ícone de configurações no topo da página de recomendações para segmentar recomendações de conteúdo por audiências do Fin que você configurou.

Quando você segmenta recomendações de conteúdo por audiência, cada audiência selecionada recebe seu próprio conjunto de recomendações personalizadas. Isso garante que as recomendações permaneçam relevantes e específicas para cada audiência ou marca. Se você selecionar “Todos”, as recomendações serão mais gerais em vez de específicas para a audiência.

Nota:

A segmentação atualmente funciona apenas para recomendações de conteúdo.
Ao salvar, suas recomendações de conteúdo atuais serão apagadas. Novas recomendações de conteúdo segmentadas serão geradas, o que pode levar algumas horas.

Perguntas frequentes

O que mudou no painel de recomendações anterior?

As Recomendações Fin foram simplificadas e focadas para facilitar as melhorias.

As principais mudanças incluem:

Uma única experiência de recomendações, substituindo as visualizações separadas de Treinar e Analisar.
Orientação de automação mais clara, em vez de priorizar a orientação de escalada.
Remoção das recomendações “Investigação necessária”, que eram vagas e difíceis de agir.
Foco exclusivo na taxa de resolução, com outras métricas planejadas para futuras versões.

Quais conversas estão incluídas nas recomendações?

Recomendações analisa apenas conversas de suporte significativas:

Conversas recebidas
Escritas por um cliente
Com pelo menos duas respostas do Fin ou de um colega

Exclui conversas pendentes e mensagens automatizadas de fluxo de trabalho.

Com que frequência as recomendações são geradas?

Recomendações de lacunas de conteúdo são geradas semanalmente, com gatilhos adicionais para volume alto, atividade sustentada ou picos repentinos.
Recomendações de lacunas de dados do cliente e de ação são geradas semanalmente.
As recomendações são revisadas e trabalhadas semana a semana usando filtros de intervalo de datas.

O que aconteceu com o relatório de Perguntas Não Resolvidas?

O relatório de Perguntas Não Resolvidas foi substituído por recomendações. Recomendações não apenas mostram onde o Fin não conseguiu resolver conversas, mas também fornecem orientações claras e acionáveis sobre como corrigir esses problemas e melhorar a taxa de resolução.

Otimize Fin instantaneamente com a ajuda da AI