วิธีสร้างฐานความรู้ด้วย AI

ทีมสนับสนุนของคุณต้องตอบคำถามเดิมๆ 20 ข้อทุกสัปดาห์ ลูกค้ากำลังรอคอย ตั๋วสนับสนุนกองพะเนิน ฐานความรู้ช่วยแก้ปัญหานี้ได้ แต่การสร้างขึ้นใหม่ตั้งแต่ต้นมักเป็นคอขวดเสมอ ด้วยเครื่องมือ AI ที่เหมาะสม ทุกอย่างจะเปลี่ยนไป

คู่มือนี้ครอบคลุมวิธีสร้างฐานความรู้ด้วย AI ทีละขั้นตอน ตั้งแต่การหาว่าจะเขียนอะไรไปจนถึงการทำให้บทความทันสมัยอยู่เสมอโดยไม่ต้องมีนักเขียนประจำ

ทำไมโปรเจกต์ฐานความรู้ถึงหยุดชะงัก#

ทีมส่วนใหญ่ไม่ได้ขาดความรู้ แต่ขาดเวลาในการจัดทำเอกสาร วิศวกรสนับสนุนอาวุโสรู้วิธีจัดการกับปัญหาหลัก 10 อันดับแรกของคุณเป็นอย่างดี แต่การเขียนบทความช่วยเหลือที่ชัดเจนและค้นหาได้ง่ายสำหรับแต่ละปัญหานั้นต้องใช้เวลาหลายชั่วโมงที่พวกเขาไม่มี

การสร้างฐานความรู้ด้วย AI จะเปลี่ยนจุดที่ต้องลงแรง แทนที่จะเขียนบทความตั้งแต่ต้น คุณเพียงแค่สั่งให้ AI สร้างบทความจากความเชี่ยวชาญที่มีอยู่ในทีมของคุณอยู่แล้ว คอขวดจะเปลี่ยนจาก "หาเวลาเขียน" เป็น "บันทึกวิดีโอตอนแก้ปัญหา" ซึ่งเป็นกระบวนการที่รวดเร็วกว่ามาก

ขั้นตอนที่ 1: ตรวจสอบตั๋วสนับสนุนของคุณก่อนเริ่มเขียนอะไรก็ตาม#

ข้อผิดพลาดที่ใหญ่ที่สุดที่ทีมมักทำคือการเดาว่าจะเขียนบทความเรื่องอะไร ก่อนที่จะสร้างเนื้อหาแม้แต่ชิ้นเดียว ให้ดึงคำถามสนับสนุนที่พบบ่อยที่สุดในช่วง 90 วันที่ผ่านมาออกมา

สิ่งที่คุณควรมองหาคือ:

• คำถามที่ปรากฏมากกว่า 5 ครั้ง
• ปัญหาที่ใช้เวลาแก้ไขในตั๋วนานกว่า 5 นาที
• หัวข้อที่ลูกค้าแสดงความหงุดหงิดเกี่ยวกับการหาข้อมูลด้วยตัวเอง

รายการนั้นคือแผนเนื้อหาของคุณ Help desk ส่วนใหญ่ (Zendesk, Intercom, Freshdesk) ช่วยให้คุณกรองและส่งออกตั๋วตามแท็กหรือหมวดหมู่ได้ จงใช้เวลาทำขั้นตอนนี้ให้ดี ฐานความรู้ที่ตอบคำถามผิดเรื่องจะไม่ช่วยลดภาระงานใดๆ เลย

จัดกลุ่มหัวข้อออกเป็น 6-10 หมวดหมู่ที่ตรงกับวิธีคิดของลูกค้า ไม่ใช่วิธีที่ทีมภายในของคุณจัดระเบียบ หากลูกค้าเรียกมันว่า "การเรียกเก็บเงิน" หมวดหมู่ของคุณก็คือ "การเรียกเก็บเงิน" ไม่ใช่ "การปฏิบัติการด้านรายได้"

ขั้นตอนที่ 2: วางโครงสร้างบทความก่อนสร้างเนื้อหา#

สำหรับแต่ละบทความที่คุณวางแผนจะสร้าง ให้กำหนด 3 สิ่งนี้ก่อนที่จะแตะเครื่องมือ AI ใดๆ:

1. คำถามที่แน่ชัดที่บทความตอบ — ใช้คำพูดของลูกค้าจากตั๋ว ไม่ใช่คำศัพท์ภายในของคุณ
2. ผลลัพธ์หลังจากอ่าน — ลูกค้าควรจะสามารถทำอะไรได้ด้วยตัวเอง?
3. กลุ่มเป้าหมาย — ผู้ใช้ใหม่, ผู้ดูแลระบบ, หรือระดับแพ็กเกจเฉพาะ?

ช่วงเวลาการวางแผน 60 นาทีนี้คุ้มค่า บทความที่เขียนโดยไม่มีผลลัพธ์ที่ชัดเจนมักต้องถูกเขียนใหม่ บทความที่ใช้ภาษาจริงของลูกค้าจะถูกค้นพบได้ง่ายในการค้นหา

ฐานความรู้ที่ใช้งานได้เต็มรูปแบบสำหรับผลิตภัณฑ์ SaaS ขนาดกลางมักครอบคลุมบทความ 50-100 บทความใน 6-8 หมวดหมู่ ฟังดูเหมือนเยอะจนกว่าคุณจะเห็นว่า AI สร้างบทความได้รวดเร็วเพียงใด

ขั้นตอนที่ 3: ใช้เครื่องมือสร้างฐานความรู้ด้วย AI เพื่อสร้างบทความ#

นี่คือจุดที่การประหยัดเวลาเกิดขึ้นจริง มี 2 แนวทางหลัก

ทางเลือกที่ 1: เครื่องมือเขียนด้วย AI

คุณวางคำตอบคร่าวๆ หรือเธรดตั๋วลงในเครื่องมืออย่าง ChatGPT แล้วขอให้มันสร้างบทความช่วยเหลือ วิธีนี้ใช้ได้กับคำถามที่พบบ่อยแบบง่ายๆ แต่คุณภาพจะไม่สม่ำเสมอสำหรับสิ่งที่เกี่ยวข้องกับขั้นตอนการทำงานแบบเห็นภาพ การนำทาง UI หรือกระบวนการหลายขั้นตอน คุณจะต้องเสียเวลาแก้ไขเพื่อให้ถูกต้องและมีโครงสร้าง

ทางเลือกที่ 2: บันทึกวิธีแก้ปัญหา แล้วให้ AI สร้างบทความ

สำหรับคำแนะนำการใช้งานซอฟต์แวร์และหัวข้อที่เต็มไปด้วยขั้นตอน แนวทางนี้รวดเร็วและแม่นยำกว่าอย่างเห็นได้ชัด ด้วยเครื่องมืออย่าง Clevera คุณเพียงแค่บันทึกหน้าจอขณะที่คุณทำตามขั้นตอนการแก้ปัญหา แล้ว AI จะสร้างบทความช่วยเหลือทีละขั้นตอนที่ขัดเกลามาอย่างดีจากบันทึกนั้นโดยอัตโนมัติ ไม่ต้องเขียนเอง

ผลลัพธ์ที่ได้มีความแม่นยำเพราะมาจากสิ่งที่คุณทำบนหน้าจอจริงๆ ไม่ใช่คำอธิบายคร่าวๆ ที่พิมพ์จากความจำ หากกระบวนการมี 14 ขั้นตอน บทความก็จะมี 14 ขั้นตอนตามลำดับที่ถูกต้องโดยไม่มีขั้นตอนใดขาดหายไป

สำหรับทีมสนับสนุนที่สร้างฐานความรู้เกี่ยวกับขั้นตอนการทำงานของซอฟต์แวร์ นี่คือวิธีที่ใช้งานได้จริงที่สุดในการสร้างฐานความรู้ด้วย AI ในระดับสเกล

เมื่อ Clevera สร้างบทความเสร็จแล้ว คุณสามารถเผยแพร่ไปยังแพลตฟอร์มฐานความรู้ของคุณได้โดยตรง สำหรับแพ็กเกจ Pro ขึ้นไป มันสามารถเชื่อมต่อกับ Notion, Confluence, HelpScout, GitHub และอื่นๆ ได้ ดังนั้นจึงไม่ต้องคัดลอกและวางระหว่างเครื่องมือด้วยตนเอง

ขั้นตอนที่ 4: ตรวจสอบทุกบทความก่อนเผยแพร่#

เนื้อหาที่สร้างโดย AI จำเป็นต้องมีการตรวจสอบโดยมนุษย์ ซึ่งไม่ได้หมายถึงการเขียนใหม่ทั้งหมด สำหรับบทความส่วนใหญ่ การตรวจสอบ 10 นาทีก็เพียงพอแล้ว

สิ่งที่ควรตรวจสอบ:

• ความถูกต้อง: บทความสะท้อนถึงวิธีการทำงานของผลิตภัณฑ์ในปัจจุบัน ไม่ใช่เมื่อ 6 เดือนก่อนใช่หรือไม่?
• ความครบถ้วน: ครอบคลุมกรณีพิเศษหรือสถานะข้อผิดพลาดที่ลูกค้าพบหรือไม่?
• น้ำเสียง: ฟังดูเป็นแบรนด์ของคุณ หรือเหมือนเอกสารทั่วไป?
• การเชื่อมโยง: มีการเชื่อมโยงไปยังบทความที่เกี่ยวข้องที่มีอยู่แล้วในฐานความรู้ของคุณหรือไม่?

กำหนดมาตรฐานคุณภาพที่สม่ำเสมอและใช้กับทุกบทความ เอกสารที่ไม่สม่ำเสมอเป็นเหตุผลหลักที่ทำให้ลูกค้าเลิกเชื่อถือฐานความรู้และกลับไปส่งตั๋วสนับสนุนแทน

ขั้นตอนที่ 5: สร้างกระบวนการบำรุงรักษาตั้งแต่วันแรก#

ฐานความรู้ที่ล้าสมัยสร้างความเสียหายมากกว่าการไม่มีฐานความรู้เสียอีก ลูกค้าพบคำแนะนำที่ล้าสมัย ทำตามแล้วไม่ได้ผล จึงเปิดตั๋วถามว่าทำไมถึงใช้งานไม่ได้ และความเชื่อมั่นในฐานความรู้ก็จะลดลงตั้งแต่นั้นเป็นต้นไป

สร้างการบำรุงรักษาไว้ในกระบวนการของคุณตั้งแต่เริ่มต้น:

• เชื่อมโยงการตรวจสอบบทความเข้ากับรอบการปล่อยฟีเจอร์ของคุณ เมื่อฟีเจอร์เปลี่ยน บทความที่เกี่ยวข้องต้องอัปเดตพร้อมกัน ไม่ใช่สองสัปดาห์ให้หลัง
• ติดตามว่าบทความใดยังคงสร้างตั๋วสนับสนุน หากลูกค้าอ่านบทความแล้วยังติดต่อฝ่ายสนับสนุน แสดงว่าบทความนั้นต้องได้รับการเขียนใหม่ Help desk ส่วนใหญ่สามารถแสดงข้อมูลนี้ได้ด้วยแท็กง่ายๆ
• กำหนดวันที่ตรวจสอบในทุกบทความ ไม่มีอะไรควรถูกทิ้งไว้โดยไม่มีการแตะต้องนานกว่า 90 วันในผลิตภัณฑ์ที่มีการอัปเดตเป็นประจำ

Clevera ช่วยในการอัปเดตผลิตภัณฑ์: เมื่อ UI ของคุณเปลี่ยน คุณสามารถบันทึกขั้นตอนที่อัปเดตใหม่และสร้างบทความขึ้นมาใหม่ได้ แทนที่จะต้องไล่หาในย่อหน้าเพื่อดูว่าอะไรที่ล้าสมัยไปแล้ว สำหรับการแก้ไขเล็กน้อย LiveSync หมายความว่าวิดีโอที่แก้ไขแล้วจะเล่นเวอร์ชันใหม่ในทุกที่ที่ฝังไว้

ขั้นตอนที่ 6: วัดผลการลดภาระงาน ไม่ใช่แค่จำนวนบทความ#

การเผยแพร่บทความ 80 บทความไม่ได้หมายความว่าฐานความรู้ของคุณกำลังทำงาน ตัวชี้วัดที่สำคัญคือการลดจำนวนตั๋วสนับสนุน: ลูกค้าพบคำตอบก่อนที่จะติดต่อฝ่ายสนับสนุนหรือไม่?

ติดตาม:

• จำนวนการดูฐานความรู้เทียบกับปริมาณตั๋ว ในหัวข้อเดียวกัน หากผู้คนอ่านบทความแล้วยังเปิดตั๋ว แสดงว่าบทความนั้นไม่ได้แก้ปัญหา
• คำค้นหาที่ไม่มีผลลัพธ์ — ช่องว่างในเนื้อหาของคุณที่ทำให้เกิดตั๋วสนับสนุน
• การให้คะแนนและคำติชมของบทความ — แพลตฟอร์มฐานความรู้ส่วนใหญ่รองรับการกดถูกใจ/ไม่ถูกใจ บทความที่ได้คะแนนต่ำคือบทความที่รอการเขียนใหม่

ฐานความรู้ไม่มีวันเสร็จสิ้น ทีมที่เห็น การลดลงของปริมาณตั๋วสนับสนุน มากที่สุดจะปฏิบัติต่อมันเหมือนผลิตภัณฑ์ ไม่ใช่โปรเจกต์ เนื้อหาจะถูกเผยแพร่ วัดผล และปรับปรุงในลักษณะเดียวกับฟีเจอร์ต่างๆ

เริ่มต้นใช้งาน#

เริ่มต้นด้วยตั๋วสนับสนุนที่พบบ่อยที่สุด 10 อันดับแรก บันทึกวิดีโอทีมของคุณขณะแก้ปัญหาแต่ละอย่าง ให้เครื่องมือสร้างฐานความรู้ด้วย AI เปลี่ยนบันทึกเหล่านั้นเป็นบทความ ตรวจสอบและเผยแพร่

นั่นคือ 10 บทความในหนึ่งวัน ไม่ใช่หนึ่งสัปดาห์ ทำซ้ำในสัปดาห์ถัดไปกับอีก 10 เรื่อง ภายในหนึ่งเดือน คุณจะมีฐานความรู้ที่ครอบคลุมสิ่งที่ลูกค้าถามจริงๆ ส่วนใหญ่ โดยสร้างจากวิธีแก้ปัญหาจริง ไม่ใช่การเดา

คิวตั๋วจะเงียบลงเร็วกว่าที่คุณคาดไว้