Każdy zespół wsparcia gromadzi ten sam cichy problem: zgłoszenia się piętrzą, agenci wielokrotnie odpowiadają na te same pytania i nikt nie ma czasu przekształcić tego sygnału w dokumentację. Zespół stojący za Bolusso.nl , Eroticon.nl i Shop-toppers.nl rozwiązał go jednym agentem AI FlowHunt, który czytanie, grupowanie i wykrywanie luk wykonuje automatycznie — co tydzień, bez pytania.
Od Zgłoszeń Wsparcia do Bazy Wiedzy: Zamiana Frustracji Klientów w Dokumentację
Zgłoszenia wsparcia są jednym z najbogatszych źródeł informacji zwrotnych o produktach i dokumentacji, jakie ma zespół. Klienci mówią ci dokładnie, czego nie mogą znaleźć, co ich dezorientuje i na co twoja baza wiedzy nie potrafi odpowiedzieć. Ale ręczne wydobywanie tego sygnału — czytanie setek zgłoszeń, grupowanie podobnych pytań, sprawdzanie, czy KB je już obejmuje — to dokładnie ten rodzaj powtarzalnej pracy analitycznej, który nigdy nie trafia na listę priorytetów nikogo.
Zespół Shop-toppers chciał systemu, który automatycznie przekształca dane ze zgłoszeń w działania dotyczące KB. Wynikiem jest tygodniowy zautomatyzowany pipeline działający w całości wewnątrz FlowHunt AI Projects.
Chatbot E-Commerce Oparty na AI: Jedna Baza Wiedzy dla Trzech Holenderskich Sklepów
Zanim zagłębimy się w tygodniowy pipeline analityczny, warto zrozumieć, jak zorganizowana jest infrastruktura wsparcia. Zespół zarządza Bolusso.nl , Eroticon.nl i Shop-toppers.nl z jednej wspólnej bazy wiedzy FlowHunt — jednego zestawu opisów produktów, zasad zwrotów, FAQ i zasad wysyłki, z których korzystają wszystkie trzy strony.
Każdy sklep ma własnego chatbota napędzanego tą wspólną bazą wiedzy. Gdy klient na Bolusso trafia na stronę i otwiera czat, wita go „Chatbot Bob" — asystent AI, który zna pełny katalog produktów, może pomóc śledzić zamówienia i natychmiastowo obsługuje pytania o zwroty, 24/7.
Wiadomość powitalna chatbota — “Welkom bij Bolusso! Ik ben je persoonlijke assistent voor supportvragen en het ontdekken van ons assortiment.” — i jego przyciski szybkich odpowiedzi (“Volg je bestelling”, “Product retourneren”) są sterowane tymi samymi przepływami używanymi we wszystkich trzech markach.
Gdy zmienia się polityka lub uruchamiana jest nowa kategoria produktów, zespół aktualizuje bazę wiedzy raz. Wszystkie trzy chatboty natychmiast odzwierciedlają zmianę. Ta sama logika dotyczy przepływów: zbuduj raz, wdrażaj wszędzie.
Automatyczna Analiza Zgłoszeń Wsparcia: Jak FlowHunt AI Projects Co Tydzień Znajduje Luki w Bazie Wiedzy
Chatbot obsługuje pierwszą linię. Ale generuje inny rodzaj sygnału: pytania, których nie może rozwiązać, i zgłoszenia, które i tak trafiają do ludzkich agentów. Tygodniowy pipeline analizy luk jest tym, co zamyka tę pętlę zwrotną.
Wewnątrz FlowHunt AI Projects zespół prowadzi jeden projekt: LiveAgent FAQ knowledge base checker. Jego zadaniem jest odczytanie każdego zgłoszenia z ostatnich 7 dni i dokładne poinformowanie zespołu, jakiej dokumentacji brakuje.
Agentowi przypisana jest precyzyjna persona i ścisłe ograniczenia. Działa wyłącznie do odczytu wobec LiveAgent — pobiera dane zgłoszeń, ale nie może niczego modyfikować, usuwać ani zamykać. To ograniczenie jest wyraźne w prompcie systemowym i egzekwowane na poziomie narzędzia.
Dwufazowy Pipeline: Grupowanie Zgłoszeń LiveAgent i Krzyżowe Sprawdzanie Bazy Wiedzy
Agent przeprowadza dwufazowe dochodzenie przy każdym uruchomieniu.
Faza 1 — Grupowanie Zgłoszeń i Ekstrakcja Tematów
Agent pobiera wszystkie zgłoszenia z ostatnich 7 dni za pośrednictwem integracji LiveAgent. Natychmiast odfiltrowuje szum: automatyczne powiadomienia platformy, alerty zamówień Amazon i wszelkie wiadomości generowane przez system są odrzucane. Przetwarzane są tylko prawdziwe zapytania klientów-ludzi.
Pozostałe zgłoszenia są grupowane według konkretnego zadanego pytania — nie według niejasnej kategorii, ale według precyzyjnego zamiaru (np. „Jak zwrócić wadliwy produkt?" zamiast po prostu „Zwroty"). Identyfikuje się 5 najczęstszych tematów, jasno nazwanych i udokumentowanych z liczbami częstości i reprezentatywnymi przykładami.
Faza 2 — Weryfikacja KB i Analiza Luk
Dla każdego z 5 najczęstszych tematów agent przeszukuje wspólną bazę wiedzy:
- Jeśli artykuły istnieją: agent analizuje, dlaczego klienci nadal otwierają zgłoszenia pomimo pokrycia. Szuka przestarzałości, brakujących przypadków brzegowych, niejasnego języka lub niekompletnego zakresu. Artykuł jest oznaczany jako KB Failure — treść istnieje, ale nie rozwiązuje problemu.
- Jeśli żadne artykuły nie istnieją: temat jest natychmiast klasyfikowany jako Krytyczna Luka — nieudokumentowane terytorium, którym musi zająć się zespół treści KB.
To rozróżnienie ma znaczenie. Krytyczna Luka i KB Failure wymagają różnych odpowiedzi: jedna potrzebuje nowego artykułu, druga potrzebuje edycji.
Od Surowych Zgłoszeń do Użytecznych Briefingów: Automatyczne Tygodniowe Raporty o Lukach KB
Na koniec każdego uruchomienia agent wysyła ustrukturyzowany raport bezpośrednio do zespołu e-mailem. Nikt nie musi logować się do platformy, aby zobaczyć ustalenia.
E-mail ma stałą strukturę:
Tabela Najczęstszych Pytań — każdy wiersz zawiera konkretne pytanie klienta, ile razy pojawiło się w ubiegłym tygodniu, dwa lub trzy przykładowe tematy zgłoszeń, odpowiednie identyfikatory zgłoszeń i wstępne rozwiązanie, które zespół treści może wykorzystać jako punkt startowy.
Strategiczne Rekomendacje dla KB — szersze tematy, pomysły na nowe artykuły i ulepszenia portalu oparte na danych ze zgłoszeń z danego tygodnia. Każda rekomendacja zawiera uzasadnienie: dlaczego jest to ważne w oparciu o to, o co klienci faktycznie pytają.
Temat e-maila to zawsze Weekly KB Gap Analysis - [Date], co ułatwia archiwizację i odwoływanie się do nich w czasie.
Trwała Pamięć AI: Jak Tygodniowe Ustalenia Kumulują się w Długoterminową Analitykę Wsparcia
Jeden szczegół, który odróżnia to od jednorazowego raportu: agent zapisuje swoje ustalenia do Project Memory — trwałego wiki wewnątrz Projektu AI, który aktualizuje się po każdym uruchomieniu.
Zespół automatycznie buduje podłużny zapis. Tematy, które pojawiają się tydzień po tygodniu pomimo wcześniejszego oznaczenia, natychmiast się wyróżniają. Luki w KB, które zostały usunięte, można oznaczyć jako rozwiązane. Skumulowana wiedza agenta staje się bardziej użyteczna im dłużej działa.
Automatyzacja Wsparcia E-Commerce, Która Działa Samodzielnie: Zaplanowani Agenci AI Bez Ręcznego Sortowania
Cały pipeline jest wyzwalany przez Periodic Issue — zaplanowane zadanie w AI Projects, które uruchamia się automatycznie w ustalonym rytmie bez żadnej ręcznej interwencji. Zespół skonfigurował je raz; od tego czasu odbyło się 16 uruchomień.
Każde uruchomienie trwa od 1 do 10 minut w zależności od wolumenu zgłoszeń w danym tygodniu. Koszt na uruchomienie to ułamek tego, co ludzki analityk spędziłby wykonując równoważną pracę ręcznie. Zespół co tydzień otrzymuje gotowy do działania briefing bez konieczności logowania się kogokolwiek do LiveAgent, czytania zgłoszeń czy kompilowania raportu.
“Feel free to also include our other websites if you want to. The knowledge base and all our flows are used for the following websites combined.”
Zbuduj raz. Uruchamiaj wszędzie. Pozwól agentowi powiedzieć ci, czego brakuje.
Firmy: Shop-toppers.nl · Bolusso.nl · Eroticon.nl Branża: E-Commerce Lokalizacja: Holandia Użyte Funkcje FlowHunt: AI Projects, AI Chatbot, Shared Knowledge Base, Flows, LiveAgent Integration, Email Notification Tool Model Agenta: claude-4.5-haiku (Supervisor)