| Suite | Qualquer plano |
As métricas de respostas automáticas estão disponíveis para ajudar você a entender o desempenho das respostas automáticas com artigos para e-mail e formulário web. Com base nas métricas, você pode atualizar o conteúdo da sua central de ajuda para melhorar as taxas de sugestão, clickthrough e resolução, além de diminuir a taxa de rejeição.
Este artigo inclui as seguintes seções:
Otimização da taxa de sugestão para respostas automáticas com artigos
A taxa de sugestão é a porcentagem de perguntas para as quais o recurso de resposta automática estava ativo e enviou sugestões. Se a taxa de sugestão for baixa ou estiver abaixo do esperado, isso pode indicar que os rótulos dos artigos não estão configurados adequadamente ou que você recebe um número maior que o usual de perguntas em idiomas sem suporte.
-
Verifique o corpo da notificação do gatilho de resposta automática (somente respostas automáticas por e-mail). Os gatilhos de resposta automática exigem os placeholders
{{answer_bot.article_list}}ou{{answer_bot.article_body}}. Se esses placeholders não estiverem presentes no corpo da notificação por e-mail, o gatilho ainda será disparado, mas não haverá sugestão de artigos. Isso pode fazer com que a taxa de sugestão seja refletida com imprecisão. Saiba mais sobre a configuração de gatilhos de resposta automática. - Verifique os rótulos dos artigos. O uso de rótulos pode causar uma taxa de sugestão mais baixa. Os rótulos restringem os artigos que são pesquisados. Se os artigos relevantes não estiverem no conjunto restrito, não haverá sugestão de artigos. Isso pode gerar uma diminuição da taxa de sugestão. Saiba mais sobre o uso de rótulos com respostas automáticas.
Otimização da taxa de clickthrough para respostas automáticas com artigos
O clickthrough é a porcentagem de respostas clicadas pelos usuários finais em relação ao total de artigos sugeridos.
A métrica de clickthrough destaca uma desvantagem das respostas automáticas por e-mail com artigos, pois os usuários precisam primeiro abrir e ler o corpo do e-mail antes de clicar em qualquer artigo.
- Crie uma linha do assunto mais chamativa e precisa. O e-mail não é apenas um e-mail de confirmação, ele tem conteúdo valioso que pode responder à pergunta do usuário. Deixe isso claro na linha de assunto.
-
Não oculte o conteúdo. É importante que você crie o corpo da mensagem com uma finalidade definida. Use lógica condicional para criar uma mensagem para os usuários e certifique-se de que os placeholders
{{answer_bot.article_list}}ou{{answer_bot.article_body}}estejam posicionados no melhor local no corpo do e-mail.
Otimização da taxa de resolução para respostas automáticas com artigos
- Retenha o maior contexto possível das perguntas. Se o texto do artigo for bastante similar à pergunta original, a correspondência contextual será melhor. Por exemplo, a pergunta "Não consigo entrar. Como redefino minha senha?" deve resultar em um artigo intitulado "Como redefino minha senha para entrar?".
- Mantenha o artigo focado em um único problema. Cada artigo deve focar apenas um problema e uma solução. Se você tem artigos de perguntas frequentes longos, considere dividi-las em artigos separados e agrupá-los em uma seção de perguntas frequentes. Além disso, lembre-se de que há maior ênfase no primeiro ou nos dois primeiros parágrafos do artigo (aproximadamente as primeiras 75 palavras), portanto, inclua o máximo possível de informações contextualmente relevantes no início do artigo.
Diminuição da taxa de rejeição para respostas automáticas com artigos
- Escreva artigos contendo título claro, introdução concisa e foco restrito. Os títulos dos artigos devem ser formulados como uma pergunta ou uma frase simples e ativa. A introdução deve incluir palavras-chave e contexto nas primeiras 75 palavras, e o artigo deve focar um único tópico específico.
- Use rótulos de artigos para filtrar resultados. Os rótulos podem ajudar a reduzir o "ruído" na central de ajuda, concentrando os resultados da recuperação nos artigos que você deseja que sejam considerados. Os rótulos também podem ajudar a segmentar clientes, mostrando a cada segmento apenas os artigos relevantes.
Para obter mais informações, consulte Otimização do conteúdo da central de ajuda.
6 comentários
Entrar para comentar.