Fiecare echipă de suport acumulează aceeași problemă tăcută: tichetele se adună, agenții răspund la aceleași întrebări în mod repetat și nimeni nu are timp să transforme acel semnal în documentație. Echipa din spatele Bolusso.nl , Eroticon.nl și Shop-toppers.nl a rezolvat problema cu un singur agent AI FlowHunt care efectuează citirea, gruparea și detectarea golurilor automat — în fiecare săptămână, fără să fie solicitat.
De la Tichetele de Suport la Baza de Cunoștințe: Transformând Frustrarea Clienților în Documentație
Tichetele de suport sunt una dintre cele mai bogate surse de feedback despre produse și documentație pe care o are o echipă. Clienții îți spun exact ce nu pot găsi, ce îi derutează și la ce nu poate răspunde baza ta de cunoștințe. Dar extragerea manuală a acestui semnal — citirea sutelor de tichete, gruparea întrebărilor similare, verificarea dacă KB le acoperă deja — este exact tipul de muncă analitică repetitivă care nu ajunge niciodată pe lista de priorități a nimănui.
Echipa Shop-toppers și-a dorit un sistem care să transforme automat datele din tichete în elemente de acțiune pentru KB. Rezultatul este un pipeline automatizat săptămânal care rulează în întregime în cadrul FlowHunt AI Projects.
Chatbot E-Commerce Alimentat de AI: O Singură Bază de Cunoștințe pentru Trei Magazine Olandeze
Înainte de a ne adânci în pipeline-ul de analiză săptămânală, este util să înțelegem cum este configurată infrastructura de suport. Echipa operează Bolusso.nl , Eroticon.nl și Shop-toppers.nl dintr-o singură bază de cunoștințe FlowHunt partajată — un set de descrieri de produse, politici de returnare, FAQ-uri și reguli de livrare din care se aprovizionează toate cele trei site-uri.
Fiecare magazin are propriul chatbot alimentat de acea bază de cunoștințe partajată. Când un client pe Bolusso ajunge pe site și deschide chat-ul, este întâmpinat de „Chatbot Bob" — un asistent AI care cunoaște catalogul complet de produse, poate ajuta la urmărirea comenzilor și gestionează instantaneu întrebările despre returnări, 24/7.
Mesajul de bun venit al chatbotului — “Welkom bij Bolusso! Ik ben je persoonlijke assistent voor supportvragen en het ontdekken van ons assortiment.” — și butoanele sale de răspuns rapid (“Volg je bestelling”, “Product retourneren”) sunt toate acționate de aceleași fluxuri utilizate în toate cele trei branduri.
Când o politică se schimbă sau se lansează o nouă categorie de produse, echipa actualizează baza de cunoștințe o singură dată. Toate cele trei chatboturi reflectă imediat schimbarea. Aceeași logică se aplică fluxurilor: construiește o dată, implementează peste tot.
Analiza Automată a Tichetelor de Suport: Cum FlowHunt AI Projects Găsește Golurile din Baza de Cunoștințe în Fiecare Săptămână
Chatbotul gestionează prima linie. Dar generează un tip diferit de semnal: întrebările pe care nu le poate rezolva și tichetele care ajung oricum la agenții umani. Pipeline-ul săptămânal de analiză a golurilor este cel care închide acea buclă de feedback.
În cadrul FlowHunt AI Projects, echipa rulează un singur proiect: LiveAgent FAQ knowledge base checker. Rolul său este să citească fiecare tichet din ultimele 7 zile și să spună echipei exact ce documentație lipsește.
Agentului îi este atribuită o personă precisă și limite stricte de siguranță. Operează în mod doar de citire față de LiveAgent — preluând date din tichete, dar fără a putea modifica, șterge sau închide nimic. Această limitare este explicită în promptul de sistem și aplicată la nivel de instrument.
Pipeline-ul în Două Faze: Gruparea Tichetelor LiveAgent și Verificarea Încrucișată a Bazei de Cunoștințe
Agentul execută o investigație în două faze la fiecare rulare.
Faza 1 — Gruparea Tichetelor și Extragerea Subiectelor
Agentul extrage toate tichetele din ultimele 7 zile prin integrarea LiveAgent. Filtrează imediat zgomotul: notificările automate ale platformei, alertele de comenzi Amazon și orice mesaje generate de sistem sunt eliminate. Sunt procesate doar întrebările autentice ale clienților umani.
Tichetele rămase sunt grupate în funcție de întrebarea specifică adresată — nu după o categorie vagă, ci după intenția precisă (ex. „Cum pot returna un articol defect?" mai degrabă decât doar „Returnări"). Cele 5 subiecte cele mai frecvente sunt identificate, denumite clar și documentate cu numărul de apariții și exemple reprezentative.
Faza 2 — Verificarea KB și Analiza Golurilor
Pentru fiecare dintre cele 5 subiecte de top, agentul caută în baza de cunoștințe partajată:
- Dacă articolele există: agentul analizează de ce clienții continuă să deschidă tichete în ciuda acoperirii. Caută depășire, cazuri limită lipsă, limbaj neclar sau un domeniu incomplet. Articolul este marcat ca KB Failure — conținutul există, dar nu rezolvă problema.
- Dacă nu există articole: subiectul este imediat clasificat ca Gol Critic — teritoriu nedocumentat pe care echipa de conținut KB trebuie să îl abordeze.
Această distincție contează. Un Gol Critic și un KB Failure necesită răspunsuri diferite: unul are nevoie de un articol nou, celălalt are nevoie de o editare.
De la Tichete Brute la Briefinguri Acționabile: Rapoarte Automate Săptămânale despre Golurile din KB
La sfârșitul fiecărei rulări, agentul trimite un raport structurat direct echipei prin e-mail. Nimeni nu trebuie să se conecteze la platformă pentru a vedea constatările.
E-mailul urmează o structură fixă:
Tabelul Întrebărilor de Top — fiecare rând conține întrebarea specifică a clientului, de câte ori a apărut în săptămâna trecută, două sau trei exemple de subiecte de tichete, ID-urile tichetelor relevante și o soluție propusă pe care echipa de conținut o poate folosi ca punct de plecare.
Recomandări Strategice pentru KB — subiecte mai largi, idei pentru articole noi și îmbunătățiri ale portalului bazate pe datele tichetelor din acea săptămână. Fiecare recomandare include raționamentul: de ce contează aceasta în funcție de ce întreabă clienții de fapt.
Subiectul e-mailului este întotdeauna Weekly KB Gap Analysis - [Date], făcând e-mailurile ușor de arhivat și consultat în timp.
Memorie AI Persistentă: Cum Constatările Săptămânale se Acumulează în Informații de Suport pe Termen Lung
Un detaliu care diferențiază aceasta de un raport unic: agentul își scrie constatările în Project Memory — un wiki persistent în cadrul Proiectului AI care se actualizează după fiecare rulare.
Echipa construiește automat un registru longitudinal. Subiectele care apar săptămână după săptămână în ciuda marcărilor anterioare ies imediat în evidență. Golurile din KB care au fost rezolvate pot fi marcate ca soluționate. Cunoștințele acumulate ale agentului devin mai utile cu cât rulează mai mult.
Automatizarea Suportului E-Commerce Care Se Gestionează Singură: Agenți AI Programați Fără Triere Manuală
Întregul pipeline este declanșat de un Periodic Issue — o sarcină programată în AI Projects care se activează automat la o cadență stabilită fără nicio intervenție manuală. Echipa l-a configurat o dată; de atunci a rulat de 16 ori.
Fiecare rulare durează între 1 și 10 minute în funcție de volumul de tichete din acea săptămână. Costul pe rulare este o fracțiune din ce ar cheltui un analist uman efectuând o muncă echivalentă manual. Echipa primește un briefing gata de acțiune în fiecare săptămână fără ca cineva să fie nevoit să se conecteze la LiveAgent, să citească tichete sau să compileze un raport.
“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.”
Construiește o dată. Rulează peste tot. Lasă agentul să-ți spună ce lipsește.
Companii: Shop-toppers.nl · Bolusso.nl · Eroticon.nl Industrie: E-Commerce Locație: Olanda Funcții FlowHunt Utilizate: AI Projects, AI Chatbot, Shared Knowledge Base, Flows, LiveAgent Integration, Email Notification Tool Model Agent: claude-4.5-haiku (Supervisor)