Intercom
Shopify
Stripe
Slack
Notion
Google Workspace
Confluence
Lancez une analyse IA sur
des milliers d'enregistrements.
Une Study pointe un extracteur IA sur un ensemble d'enregistrements, remplit les colonnes que vous avez définies et vous rend une grille. Une ligne par enregistrement, une colonne par question posée.
| Ticket | Cause racine texte court | Remboursement demandé booléen | Domaine produit choix unique | Sentiment choix unique |
|---|---|---|---|---|
| #20831 | Le transporteur a perdu le colis, aucun scan depuis 5 jours | Oui | Livraison | Agacé |
| #20847 | Mauvaise taille expédiée, erreur de préparation en entrepôt | Oui | Fulfilment | Neutre |
| #20852 | Code promo expiré avant le paiement | Non | Facturation | Neutre |
| #20861 | Double débit sur un paiement relancé | Oui | Facturation | Négatif |
| #20874 | analyse en cours… | |||
Un tableur que vous n'avez jamais eu à remplir, sur un travail que vous avez déjà fait.
Au lieu d'ouvrir un ticket après l'autre pour poser la question, vous pointez une Study sur un ensemble d'enregistrements, décrivez les colonnes voulues, et chaque enregistrement est analysé en parallèle. À la main, c'est une semaine. Par le chat, c'est une conversation par ticket.
Un · Entrée
Les enregistrements
Une requête de recherche Zendesk et une plage de dates facultative déterminent le périmètre. Toute expression que vous taperiez dans la recherche Zendesk fonctionne ici.
Deux · Schéma
Les colonnes
Chaque colonne a un type, un libellé et, en option, des consignes indiquant au modèle comment la remplir. C'est ce qui transforme une question vague en question reproductible.
Trois · Sortie
La grille
Une ligne par enregistrement, remplie et triable. Parcourez-la, filtrez-la, exportez-la ou renvoyez-la dans Macha comme source de connaissances.
Des questions qui méritent une Study.
Chacune est une question qu'un responsable support se pose déjà et ne peut généralement pas trancher, car y répondre suppose de lire quelques milliers de tickets.
Revenus
Pour quoi remboursons-nous réellement ?
Lancez-la sur chaque ticket mentionnant un remboursement et obtenez la vraie cause de chacun, pas la macro qui l'a clôturé.
Colonnes qu'elle remplit
Déflexion
Quels tickets n'auraient jamais dû atteindre un humain ?
Classez un trimestre de volume selon qu'un article existant du centre d'aide y répondait déjà. Cette liste est votre backlog d'automatisation.
Colonnes qu'elle remplit
Produit
Que nous dit le support à propos du produit ?
Étiquetez chaque ticket avec le domaine fonctionnel et la nature du problème — bug, manque ou malentendu — puis remettez au produit une liste classée plutôt que des anecdotes.
Colonnes qu'elle remplit
Conformité
Avons-nous dit quelque chose que nous n'aurions pas dû ?
Auditez les réponses sortantes à la recherche de promesses sur les délais, les remboursements ou d'affirmations médicales ou financières, et récupérez le ticket exact avec la citation.
Colonnes qu'elle remplit
Qualité
Où la file dérape-t-elle vraiment ?
Notez la qualité de résolution et le résultat au premier contact sur un mois, puis comparez semaines, marques ou équipes selon la même grille.
Colonnes qu'elle remplit
Voix du client
Que demandent les gens que nous ne vendons pas ?
Extrayez chaque demande explicite d'un produit, d'une taille, d'une région ou d'une intégration que vous ne proposez pas encore, avec les mots employés par le client.
Colonnes qu'elle remplit
Tout se joue dans le schéma.
Une colonne n'est pas qu'un libellé. Elle a un type, pour que la sortie soit exploitable par une machine, et elle peut porter des consignes rédigées par vous, pour que le modèle la remplisse comme vous le feriez.
Consignes de colonne, en langage courant
“Ne cochez vrai que si le client a explicitement réclamé un remboursement. Se plaindre d'un retard n'est pas une demande de remboursement.”
Vrai ou faux. Le type à choisir quand vous comptez.
Une valeur issue d'une liste que vous définissez. Garde des catégories assez propres pour être regroupées.
Plusieurs valeurs de votre liste, pour les tickets qui portent réellement sur deux sujets.
Un chiffre extrait du texte — un montant, un décompte, un nombre de jours.
Une expression. Pratique pour une cause racine ou un nom qu'on veut lire d'un coup d'œil.
Un paragraphe, quand la réponse demande le raisonnement et pas seulement l'étiquette.
Puis faites-en quelque chose.
Une Study terminée n'est pas un rapport qu'on lit une fois. C'est un jeu de données, et il peut retourner directement dans le produit.
Lisez-la dans la grille
Triez et filtrez sur place. Les colonnes que vous avez définies sont celles sur lesquelles vous filtrez : la réponse est à deux clics.
Exportez en CSV
Emportez-la dans un tableur, un outil de BI ou une présentation au comité. Ce sont des données tabulaires ordinaires, sans verrouillage.
Donnez-la à vos agents
Renvoyez le résultat dans Macha comme source de connaissances, pour que l'analyse d'aujourd'hui nourrisse les réponses de vos agents demain.
Quatre fonctionnalités qui se ressemblent. Elles ne le sont pas.
Une Study extrait des faits structurés de vos enregistrements. Aucun agent ne tourne, aucun outil n'est appelé, rien n'est noté — vous obtenez une grille.
Simulations d'agents
Faites tourner votre agent sur de vrais tickets, toutes les écritures bloquées.
Évaluation des agents
Notez les conversations déjà passées selon les instructions propres à l'agent.
AI Knowledge Builder
Transformez les tickets résolus en base de connaissances interrogeable par vos agents.
Questions sur les Studies.
Des réponses courtes. S'il manque quelque chose, demandez-nous : nous vous répondrons franchement.
Prêt à booster votre équipe avec l'IA ?
Démarrez en quelques minutes. Connectez vos outils, configurez vos agents et laissez l'IA s'occuper du reste.
50 $ de crédits offerts · sans limite de temps, sans carte de crédit