پایگاه دانش فروش؛ چه اطلاعاتی به هوش مصنوعی بدهیم؟

دستیار هوشمند فروش فقط همان چیزی را می‌داند که شما جلوی او گذاشته‌اید. اگر پایگاه دانش‌تان مجموعه‌ای از متن‌های تبلیغاتی و توضیحات پراکنده باشد، دستیار هم جواب‌هایی می‌دهد که خوش‌آب‌ورنگ‌اند، ولی لزوماً دقیق نیستند.

مشتری که می‌پرسد «این مدل سایز ۴۲ دارد؟» یا «به شیراز کی می‌رسد؟» جواب روشن می‌خواهد، نه یک پاراگراف دربارهٔ کیفیت برند. پس سؤال اصلی این است که چه اطلاعاتی، با چه ساختاری و تحت چه قواعدی به دستیار بدهیم تا پاسخ‌هایش قابل اعتماد باشد.

هر محصول یک رکورد مستقل

برای هر محصول یک رکورد جدا بسازید و فیلدهایش را ثابت نگه دارید. حداقلی که پیشنهاد می‌کنم این‌هاست:

  • کد یکتا تا دو محصول شبیه هم با هم قاطی نشوند
  • نام، ویژگی‌ها و گزینه‌های قابل انتخاب مثل رنگ و سایز
  • منبع قیمت، یعنی قیمت از کجا می‌آید و چه کسی آن را تغییر می‌دهد
  • وضعیت موجودی و تاریخ آخرین بررسی

برای خدمات هم همین منطق برقرار است. محدودهٔ خدمت، پیش‌نیازها، شرایط و مسیر استعلام را بنویسید. مثلاً اگر آرایشگاه یا کلینیک دارید، دستیار باید بداند کدام خدمت نیاز به مشاورهٔ قبلی دارد و کدام را می‌شود مستقیم رزرو کرد.

قواعد را از محتوا جدا کنید

یکی از خطاهای رایج این است که قواعد رفتاری را لابه‌لای توضیح محصول بنویسند. بهتر است یک بخش جدا داشته باشید و در آن این چهار پرسش را جواب دهید:

  • چه زمانی دستیار باید سؤال تکمیلی بپرسد؟
  • کدام وعده‌ها ممنوع‌اند یا از اختیار دستیار بیرون‌اند، مثل تخفیف خاص یا تضمین زمان تحویل؟
  • اگر پاسخی در پایگاه دانش نبود، درخواست به چه کسی برسد؟
  • چه کسی مسئول بازبینی اطلاعات است و هر چند وقت یک‌بار؟

مورد آخر را بیشتر تیم‌ها نادیده می‌گیرند. اطلاعاتی که صاحب ندارد، چند هفته بعد قدیمی می‌شود و کسی هم متوجه نمی‌شود.

به جای حدس‌زدن، برچسب بزنید

همیشه همهٔ جزئیات را نمی‌دانید. شاید جنس دقیق یک پارچه را تأمین‌کننده هنوز تأیید نکرده باشد. در این وضعیت، فیلد را خالی نگذارید و چیزی هم از خودتان نسازید. عبارت «نیازمند بررسی» را کنارش بنویسید. دستیاری که این برچسب را ببیند یاد می‌گیرد به‌جای جواب‌دادن، مشتری را به انسان وصل کند.

یک رکورد واقعی چه شکلی است؟

فرض کنید فروشگاه فرضی «پوشاک آراد» در اینستاگرام مانتوی تابستانه می‌فروشد. رکورد یکی از محصولاتش می‌تواند این‌طور باشد: «مدل ۱۵؛ جنس اعلام‌شده: پنبه؛ اندازه‌ها در جدول پیوست؛ قیمت از فهرست فروشگاه؛ ارسال طبق شهر؛ تغییر موجودی با مسئول انبار.»

حالا مشتری می‌پرسد: «این مدل ۱۵ در سایز ۴۶ هست؟» دستیار جدول اندازه‌ها را نگاه می‌کند و اگر سایز ۴۶ در آن نباشد، همین را صریح می‌گوید. اگر موجودی نیاز به تأیید داشته باشد، می‌نویسد که از انبار استعلام می‌کند و پیام را به مسئول انبار می‌فرستد. اگر مشتری از تخفیف عمده بپرسد و قاعده‌ای برایش ننوشته باشید، دستیار عدد نمی‌دهد و درخواست به مدیر فروش می‌رسد. در هیچ‌کدام از این حالت‌ها حدس و وعدهٔ بی‌پشتوانه‌ای در کار نیست.

بعد از هر تغییر، دوباره امتحان کنید

پایگاه دانش یک فایل ثابت نیست. قیمت عوض می‌شود، مدل تمام می‌شود، شرایط ارسال تغییر می‌کند. بعد از هر تغییر مهم، همان سؤال‌هایی را که مشتری‌ها معمولاً دربارهٔ آن محصول می‌پرسند دوباره از دستیار بپرسید. اگر قبلاً از پیام‌های واقعی مشتری‌ها فهرستی ساخته‌اید، همان بهترین مجموعهٔ آزمون است.

کیفیت پایگاه دانش را با حجم فایل نمی‌سنجند. معیار دو چیز است: دستیار به پاسخ درست برسد و موارد بی‌پاسخ را تشخیص بدهد.

سوال‌های رایج

پایگاه دانش را از کجا شروع کنیم؟

از پرفروش‌ترین پنج تا ده محصول یا خدمت. سؤال‌های تکراری دایرکت‌ها را جمع کنید و فقط اطلاعاتی را وارد کنید که جواب آن سؤال‌ها را می‌دهد. بعداً گسترش‌دادنش آسان است.

متن تبلیغاتی و توضیحات سایت را هم وارد کنیم؟

می‌توانید، ولی به‌عنوان منبع کمکی. قیمت، موجودی و شرایط ارسال باید در رکورد ساختاریافته باشد، نه لابه‌لای متن تبلیغاتی.

هر چند وقت یک‌بار اطلاعات را بازبینی کنیم؟

قیمت و موجودی را هر بار که تغییر می‌کنند. بقیهٔ اطلاعات را دست‌کم ماهی یک‌بار، و برای هر بخش یک مسئول مشخص کنید.

جمع‌بندی

پایگاه دانش خوب کوتاه، ساختارمند و صاحب‌دار است. جای خالی را با برچسب مشخص کنید، قواعد را از محتوا جدا بنویسید و بعد از هر تغییر، پاسخ‌ها را امتحان کنید. اگر می‌خواهید ببینید همین رویکرد با اطلاعات خودتان چطور کار می‌کند، پیش از انتخاب پلن آن را آزمایش کنید.

دموی ایجنت فروش را بررسی کنید مشاهدهٔ دمو

مطالب مرتبط

پاسخ خودکار دایرکت؛ طراحی سه مسیر قیمت، ارسال و پشتیبانی