Un guide pour utiliser Freshdesk Freddy afin de repérer les lacunes de connaissances à partir des tickets non résolus

Les tickets non résolus sont bien plus qu'un simple casse-tête qui encombre votre file d'attente. Ils constituent en réalité une mine d'or d'informations, vous indiquant directement les questions que se posent vos clients et auxquelles votre équipe (et votre base de connaissances) ne peut répondre. Le problème ? Personne n'a le temps de passer manuellement au crible des milliers de tickets pour trouver ces « lacunes dans les connaissances ». C'est une tâche démoralisante.

C'est là que l'IA est censée intervenir. Freddy, l'IA native de Freshdesk, promet de fournir des informations qui peuvent faciliter ce processus. Mais est-elle vraiment efficace pour repérer les lacunes dans votre contenu de support ? Ce guide vous expliquera comment utiliser les outils de Freshdesk pour l'analyse des tickets, où vous risquez de vous heurter à un mur, et comment une approche plus ciblée peut automatiser l'ensemble du processus.

Comprendre le rôle de Freshdesk Freddy

Avant d'entrer dans les détails, faisons le point sur ce que nous avons sous la main. Freshdesk Freddy n'est pas un produit unique. C'est le nom de marque du moteur d'IA que Freshworks a intégré dans sa plateforme de service client. L'objectif est d'aider sur deux fronts : rendre les clients plus autonomes et les agents plus productifs.

Pour ce dont nous parlons aujourd'hui, cela se décompose en quelques éléments clés :

• Agent IA Freddy : C'est la partie autonome de l'IA qui gère les chats et les e-mails des clients, en fournissant des réponses directes et automatisées.

• Copilote IA Freddy : Considérez-le comme l'acolyte de l'agent. Il travaille au sein du service d'assistance pour aider les agents humains à résumer de longs fils de tickets, à rédiger des réponses et à suggérer des articles pertinents de la base de connaissances.

• Freddy AI Insights : C'est le moteur d'analyse. Il examine les chiffres derrière vos opérations de support pour vous montrer les tendances, vous aidant à prendre de meilleures décisions concernant le personnel, les performances et les problèmes potentiels.

Ensemble, ces éléments créent une couche d'IA au sein de Freshdesk. Voyons maintenant comment vous pouvez utiliser ses fonctionnalités de reporting pour commencer à chercher ces lacunes dans les connaissances.

Comment utiliser les rapports Freshdesk pour repérer les lacunes dans les connaissances

Si vous essayez de trouver des lacunes dans les connaissances avec les outils intégrés de Freshdesk, vous ne trouverez pas de bouton magique « montrez-moi ce qui manque ». Le processus s'apparente davantage à un travail de détective, vous obligeant à utiliser ses rapports de service d'assistance pour assembler les indices à partir des tickets non résolus.

Voici comment vous pouvez vous y prendre.

Analyser les rapports sur le volume et la distribution des tickets

Votre premier arrêt devrait être le tableau de bord analytique. Avec quelques filtres, vous pouvez commencer à voir des modèles émerger du bruit.

• Tendances du volume de tickets : Commencez par créer un rapport qui suit le volume de vos tickets dans le temps, mais filtrez-le pour n'afficher que les tickets avec un statut « non résolu ». Si vous constatez un pic soudain après le lancement d'une nouvelle fonctionnalité ou une campagne marketing, c'est un énorme signal d'alarme. Cela indique probablement un nouveau problème non documenté qui prend tout le monde par surprise.

• Distribution des tickets par catégorie : Une approche plus détaillée consiste à examiner les tickets non résolus en fonction de leur catégorisation. Si vous utilisez des balises ou des champs personnalisés, vous pouvez les regrouper pour voir quels sujets causent le plus de problèmes. Par exemple, si vous remarquez qu'une tonne de tickets non résolus sont tous étiquetés avec « remboursement-plan-annuel », vous venez de trouver une lacune majeure dans vos documents de facturation.

Utiliser les retours de satisfaction client (CSAT)

Les tickets non résolus et les clients mécontents vont souvent de pair. Vos enquêtes CSAT sont un moyen direct de comprendre pourquoi un ticket n'a pas pu être résolu.

Créez un rapport qui filtre les tickets qui sont à la fois non résolus et qui ont une note CSAT négative. Les commentaires ouverts ici sont de l'or en barre. Les clients vous diront souvent exactement ce qu'ils cherchaient et n'ont pas pu trouver. Vous verrez des commentaires comme : « J'essayais de comprendre votre politique d'expédition internationale, mais il n'y avait aucune information à ce sujet. »

Le rôle limité de Freddy AI Insights

Freddy AI Insights peut accélérer une partie de ce travail. Il est conçu pour signaler automatiquement les tendances de haut niveau, ce qui peut vous épargner quelques recherches initiales. Par exemple, il pourrait souligner que la « réinitialisation de mot de passe » est un sujet récurrent dans votre file d'attente de support.

Mais, et c'est un grand mais, c'est à peu près là que son utilité s'arrête. Freddy peut vous dire ce que les clients demandent, mais il ne confirme pas si une lacune dans les connaissances est la cause profonde, et il ne vous aide certainement pas à la corriger. Un humain doit encore faire le lien, confirmer que la lacune existe, puis rédiger manuellement le contenu manquant.

Principales limites de l'utilisation de Freshdesk Freddy

Bien que vous puissiez techniquement utiliser les rapports de Freshdesk pour trouver des lacunes dans les connaissances, le processus est loin d'être fluide. Une fois que vous commencez à creuser, vous vous heurterez rapidement à des inconvénients majeurs qui l'empêchent d'être une solution véritablement automatisée ou avant-gardiste.

Un processus manuel

Le plus grand casse-tête est que l'ensemble du processus est manuel. Les rapports de Freshdesk vous donnent les données brutes, mais c'est à un responsable du support ou à un analyste de faire tout le gros du travail. Vous devez passer des heures à regarder des tableaux de bord, à lire des conversations de tickets individuels et à essayer de deviner ce qui manque.

Cela signifie que vous êtes toujours en train de rattraper votre retard. Vous ne découvrez une lacune dans les connaissances qu'après que des dizaines, voire des centaines, de clients aient déjà rencontré le même obstacle et vécu une expérience frustrante. Vous passez votre temps à éteindre les incendies d'hier au lieu de prévenir ceux de demain.

Des connaissances cloisonnées

L'IA Freddy est entraînée presque exclusivement sur les données qui se trouvent dans votre compte Freshdesk, vos articles du centre d'aide et l'historique de vos tickets. Le problème, c'est que c'est rarement là que se trouvent toutes les réponses. Les informations critiques sont souvent dispersées ailleurs, comme un guide technique dans Confluence, un document de politique dans Google Docs, ou une mise à jour de produit sur une page Notion.

Comme Freddy ne peut pas accéder à ces sources externes, ses connaissances sont incomplètes. Il ne parviendra pas à répondre aux questions même si l'information est disponible ailleurs dans votre entreprise, ce qui ne fait qu'engendrer davantage de tickets non résolus. L'IA est coincée dans sa propre petite boîte, incapable de voir la situation dans son ensemble.

Aucune simulation proactive

Avec Freshdesk, vous devez activer l'IA et la laisser interagir avec de vrais clients avant de pouvoir obtenir les données nécessaires pour trouver ses faiblesses. Il n'y a pas de véritable moyen de tester comment Freddy se comportera sur vos anciens tickets pour trouver ces lacunes avant qu'il ne commence à parler aux gens.

C'est une façon risquée de travailler. Vous lancez essentiellement une IA en sachant qu'elle a des angles morts, mais vous ne saurez pas lesquels tant que de vrais clients ne les auront pas découverts pour vous. C'est comme envoyer un nouvel agent en première ligne sans savoir s'il peut répondre aux questions les plus élémentaires.

Une approche alternative : eesel AI

Les lacunes de l'approche de Freshdesk montrent pourquoi vous avez besoin d'un outil conçu dès le départ pour être proactif, et non réactif. C'est là qu'eesel AI fait une réelle différence. Il est conçu pour automatiser l'ensemble du flux de travail de recherche et de comblement des lacunes de connaissances, afin que vous puissiez anticiper les problèmes au lieu de constamment les subir.

Automatiser l'identification des lacunes de connaissances et la création de contenu

Contrairement à Freshdesk, qui ne fait que vous déverser des données, le tableau de bord analytique d'eesel AI vous donne des informations que vous pouvez réellement exploiter. Il ne vous montre pas seulement ce que votre IA fait ; il identifie précisément ce qu'elle n'a pas pu faire. Il met en évidence les tendances dans les questions sans réponse, vous donnant une liste claire et priorisée de vos plus grandes lacunes de connaissances.

Mieux encore, eesel AI vous aide à combler ces lacunes. Il peut générer automatiquement des ébauches d'articles de base de connaissances à partir des résolutions réussies de vos anciens tickets. Si un agent a déjà rédigé une explication parfaite, eesel AI peut la transformer en un nouvel article du centre d'aide en un seul clic. Vous finissez par construire une base de connaissances avec un contenu dont l'efficacité a déjà été prouvée.

Unifier instantanément toutes vos sources de connaissances

Alors que Freddy est coincé dans l'écosystème de Freshdesk, eesel AI connecte toutes vos sources d'information dispersées. En quelques minutes seulement, vous pouvez le relier à tous les endroits où votre équipe stocke ses connaissances.

Que vos réponses se trouvent dans Google Docs, Confluence, Notion, ou un autre outil, eesel AI peut en tirer des enseignements. Il s'entraîne également sur l'historique de vos tickets passés depuis des services d'assistance comme Freshdesk, ce qui lui donne une image complète de votre entreprise dès le premier jour. Cela signifie moins de tickets non résolus, car l'IA a accès à toutes les réponses, où qu'elles se trouvent.

Tester en toute confiance grâce à une simulation puissante

La plus grande différence est peut-être le puissant mode de simulation d'eesel AI. Au lieu de « lancer et espérer que tout se passe bien », vous pouvez exécuter l'IA sur des milliers de vos tickets historiques dans un environnement de test totalement sûr et isolé.

Cela vous permet de voir exactement comment l'IA aurait répondu à de réelles demandes de clients. Vous obtenez une prévision précise de votre taux de résolution potentiel et, plus important encore, vous pouvez identifier proactivement les lacunes de connaissances avant qu'un seul client ne soit affecté. Le rapport de simulation vous montre quels types de tickets auraient été transmis à un agent, vous donnant une feuille de route claire du contenu que vous devez ajouter avant même de penser à activer l'IA.

Tarifs de l'IA Freshdesk Freddy

Pour avoir une vue d'ensemble, il est utile de se pencher sur la tarification de Freshdesk pour ses fonctionnalités d'IA. Elle est divisée en deux modules complémentaires principaux, ce qui peut rendre les coûts un peu compliqués et difficiles à prévoir.

• Copilote IA Freddy : C'est l'outil d'assistance pour les agents, et il est facturé par agent. Il commence à 29 $ par agent et par mois avec un paiement annuel.

• Agent IA Freddy : C'est le bot autonome, et son prix est basé sur des « sessions ». Vous obtenez quelques sessions gratuites pour commencer, mais ensuite, vous devez acheter des packs, qui coûtent 100 $ pour 1 000 sessions.

Une « session » correspond à une seule réponse par e-mail ou à toutes les interactions du bot dans un seul chat sur 24 heures. Cela signifie qu'un seul ticket par e-mail nécessitant quelques allers-retours avec l'IA pourrait consommer plusieurs sessions, faisant grimper vos coûts de manière inattendue. Ce modèle basé sur les sessions peut rendre la budgétisation un véritable défi, ce qui contraste fortement avec la tarification transparente d'alternatives comme eesel AI.

Réflexions finales sur l'utilisation de Freshdesk Freddy

En fin de compte, un ticket non résolu est un signal direct que votre documentation de support fait défaut à vos clients. Bien que vous puissiez utiliser Freshdesk Freddy pour repérer les lacunes de connaissances à partir des tickets non résolus, le processus est extrêmement manuel, réactif et limité aux données internes de la plateforme Freshdesk.

Les rapports de Freshdesk peuvent vous donner des indices, mais il faut encore un effort humain considérable pour transformer ces données en améliorations réelles. Une équipe de support moderne a besoin d'une meilleure méthode.

Des outils comme eesel AI sont conçus pour automatiser l'ensemble de ce flux de travail. En connectant toutes vos connaissances dispersées, en exécutant de puissantes simulations sur vos données historiques et en signalant automatiquement les lacunes, vous pouvez passer d'une réaction aux problèmes à leur résolution proactive.

Prenez une longueur d'avance sur vos tickets non résolus

Arrêtez de perdre des heures à fouiller dans les rapports. Laissez l'IA faire le gros du travail pour trouver et combler vos lacunes de connaissances.

eesel AI se connecte directement à votre service d'assistance existant comme Freshdesk en quelques minutes, il n'est donc pas nécessaire de revoir toute votre configuration actuelle. Vous pouvez lancer une simulation sur vos propres tickets historiques instantanément et voir exactement où vous pouvez vous améliorer.

Inscrivez-vous gratuitement pour découvrir les lacunes de connaissances que vous pouvez repérer dès aujourd'hui.