Kembali ke blog
Panduan

Cara menulis pangkalan pengetahuan yang benar-benar boleh digunakan AI anda

Lima peraturan praktikal untuk menyusun semula dokumentasi supaya AI yang mengutamakan penaakulan menghasilkan jawapan yang tepat dan berkualiti tinggi — berserta cara mengukur sama ada pangkalan pengetahuan anda benar-benar berkesan.

Respondo Team19 Mei 20269 min bacaan

Intipati utama

  • Kualiti sokongan pelanggan AI sebahagian besarnya ialah kualiti pangkalan pengetahuan — dokumentasi yang anda suapkan kepada AI ialah tuas terbesar yang anda kawal, lebih daripada model atau seni binanya.
  • Ikut lima peraturan: satu topik satu artikel, tajuk berbentuk soalan, arahan langkah demi langkah yang khusus, blok konteks di bahagian atas, dan metadata yang terkini.
  • Dokumentasi yang dioptimumkan untuk manusia mengandaikan seseorang sedang melayari dan mengimbas; dokumentasi yang dioptimumkan untuk AI memetakan setiap artikel dengan kemas kepada satu soalan tertentu supaya perolehan semantik kekal tepat.
  • Anda tidak perlu menulis semula segalanya sekali gus — mulakan dengan 20 kategori soalan teratas yang merangkumi ~80% jumlah tiket, lancarkan, kemudian gunakan corak eskalasi AI untuk mencari dan menampal jurang.
  • Pasukan yang mengikut lima peraturan ini mendapat penyelesaian automatik 60–70%; ukur kejayaan melalui kadar penyelesaian automatik, sebab eskalasi, kadar susulan dan CSAT bagi tiket yang dikendalikan AI.

Penentu terbesar kualiti sokongan pelanggan AI bukanlah model AI. Ia adalah pangkalan pengetahuan yang dibaca oleh AI itu. Pasukan melancarkan sokongan AI, mendapat hasil yang sederhana, lalu menyalahkan AI — sedangkan masalah sebenarnya ialah mereka menyuapkannya dokumentasi yang ditulis untuk manusia yang melayari pusat bantuan, bukan untuk AI yang menjawab satu soalan tertentu.

Tulisan ini tentang menulis pangkalan pengetahuan yang menghasilkan jawapan AI yang benar-benar baik. Ia relevan sama ada anda melancarkan sokongan AI buat kali pertama atau sedang cuba menambah baik kualiti sistem AI yang sedia ada. Ditulis untuk ketua sokongan dan pengasas yang memiliki pangkalan pengetahuan, bukan semestinya untuk penulis teknikal.

Mengapa versi untuk manusia dan versi untuk AI berbeza

Pangkalan pengetahuan yang ditulis untuk manusia mengandaikan seseorang sedang melayari, mengimbas tajuk, melompat ke sana ke mari, menggunakan pertimbangan sendiri untuk mencari bahagian yang relevan dalam artikel yang panjang. Manusia mahir melakukannya. Mereka boleh menerima artikel 2,000 patah perkataan bertajuk “Mengurus Akaun Anda” kerana mereka boleh mengimbas terus ke bahagian yang diperlukan.

AI membaca dengan cara yang berbeza. Ia melakukan perolehan semantik — memadankan soalan pelanggan dengan kandungan untuk mencari petikan yang paling relevan, kemudian membina jawapan daripadanya. Satu artikel panjang yang merangkumi 15 sub-topik lebih buruk untuk tujuan ini berbanding 15 artikel yang fokus, kerana perolehannya kurang tepat dan AI mungkin menarik bahagian yang salah atau mencampuradukkan bahagian secara tidak betul.

Peralihan cara fikirnya: berhenti menulis artikel untuk orang yang melayari, mula menulis artikel untuk soalan yang perlu dijawab. Setiap kepingan kandungan harus memetakan dengan kemas kepada satu soalan tertentu yang mungkin ditanya pelanggan.

Peraturan 1: Satu topik satu artikel

Peraturan paling penting. Jangan tulis “Cara mengurus akaun anda” yang merangkumi penukaran e-mel, penetapan semula kata laluan, kemas kini pengebilan dan perubahan langganan sekali gus. Tulis artikel berasingan yang fokus: “Cara menukar e-mel anda”, “Cara menetapkan semula kata laluan anda”, “Cara mengemas kini butiran pengebilan anda”, “Cara menukar pelan langganan anda”.

Mengapa ini penting untuk AI: perolehan semantik bergantung pada persamaan antara soalan dan kandungan. Artikel yang fokus tentang penetapan semula kata laluan memadani soalan penetapan semula kata laluan dengan tepat. Artikel pengurusan akaun yang berjela memadaninya dengan lemah, dicairkan oleh semua kandungan lain yang terkandung di dalamnya.

Ujian praktikalnya: jika sesebuah artikel boleh menjawab lebih daripada satu soalan pelanggan yang berbeza, ia berkemungkinan besar patut dipecahkan.

Peraturan 2: Namakan setiap artikel seperti soalan yang benar-benar ditanya pengguna

Pelanggan tidak mencari “Tetapan pengesahan dua faktor”. Mereka bertanya “Bagaimana saya menghidupkan pengesahan dua faktor?” atau “Bagaimana saya menjadikan akaun saya lebih selamat?”

Namakan artikel anda dalam bentuk soalan, dilafazkan seperti cara pelanggan melafazkannya. Ini meningkatkan perolehan secara mendadak kerana AI memadankan soalan pelanggan dengan tajuk anda. Semakin hampir tajuk anda dengan cara pelanggan sebenarnya bertanya, semakin baik padanannya.

Ujian praktikalnya: baca tajuk artikel anda dengan kuat. Adakah ia berbunyi seperti sesuatu yang akan ditaip atau disebut pelanggan? Atau ia berbunyi seperti nama ciri dalaman? Nama ciri perlu bertukar menjadi soalan.

Peraturan 3: Arahan khusus mengatasi arahan umum

Bandingkan dua versi arahan yang sama:

Umum: “Pergi ke tetapan keselamatan anda dan hidupkan ciri tersebut.”

Khusus: “Klik ikon profil anda di penjuru kanan atas, pilih Settings, kemudian Security, kemudian togol Two-Factor Authentication kepada On.”

AI menyalin tahap kekhususan dalam pangkalan pengetahuan anda. Jika dokumentasi anda kabur, jawapan AI pun kabur. Jika dokumentasi anda memberi langkah yang tepat, AI memberi langkah yang tepat. Pelanggan boleh mengikut arahan yang khusus; mereka tersekat pada arahan yang umum.

Ujian praktikalnya: bolehkah seseorang yang langsung tidak biasa dengan produk anda mengikut arahan itu tanpa tersekat? Jika tidak, ia terlalu umum.

Peraturan 4: Letakkan blok konteks di bahagian atas

Kebanyakan ciri produk mempunyai syarat — ia terpakai untuk pelan tertentu, wilayah tertentu, jenis akaun tertentu, atau memerlukan kebenaran tertentu. AI perlu tahu syarat ini untuk memberi jawapan yang betul dan tertapis.

Mulakan setiap artikel dengan blok konteks yang ringkas: “Ini terpakai untuk pelan Pro dan Enterprise.” “Tersedia di EU sahaja.” “Memerlukan kebenaran admin.” “Hanya terpakai untuk akaun yang dibuka selepas Januari 2025.”

Mengapa ini penting: tanpa konteks, AI mungkin memberitahu pelanggan pelan Starter cara menggunakan ciri Pro, lalu menimbulkan kekecewaan apabila mereka tidak menemuinya. Dengan konteks, AI boleh berkata “Ciri itu tersedia pada pelan Pro — begini cara menaik taraf, atau ini padanannya pada pelan anda sekarang.”

Ujian praktikalnya: bagi setiap artikel, tanya “adakah ini benar untuk setiap seorang pelanggan, atau hanya sebahagian?” Jika hanya sebahagian, syaratnya wajar diletakkan dalam blok konteks.

Peraturan 5: Pastikan metadata sentiasa terkini

Setiap artikel harus membawa metadata: bila ia terakhir dikemas kini, pelan mana yang terpakai, ciri mana yang berkaitan. AI menggunakannya untuk mengutamakan kandungan yang terkini dan relevan berbanding kandungan yang lapuk.

Ini paling penting bagi produk yang kerap berubah. Sesuatu ciri direka semula, artikel lama masih menerangkan aliran lama, dan tanpa metadata tarikh kemas kini terakhir AI tidak dapat membezakan versi mana yang semasa. Pelanggan pula menerima arahan untuk antara muka yang sudah tiada.

Ujian praktikalnya: jika anda menukar sesuatu ciri enam bulan lalu, adakah pangkalan pengetahuan anda masih menerangkan versi lama di mana-mana? Kandungan lapuk benar-benar merosakkan kualiti AI kerana AI memberikan jawapan yang salah dengan penuh yakin.

Peraturan bonus: jangan bergantung pada tangkapan skrin untuk langkah kritikal

AI membaca teks jauh lebih baik daripada ia membaca imej. Jika satu arahan kritikal hanya wujud di dalam tangkapan skrin — “klik butang yang ditunjukkan di sini” — AI tidak dapat menyampaikannya dengan boleh dipercayai.

Terangkan langkah kritikal dalam bentuk teks, kemudian gunakan tangkapan skrin sebagai pengesahan visual. “Klik butang Save biru di bahagian bawah borang” berserta tangkapan skrin jauh lebih berguna kepada AI berbanding tangkapan skrin sahaja dengan anak panah menunjuk ke butang itu.

Ini tidak bermakna tangkapan skrin perlu dibuang. Ia bermakna jangan bergantung padanya untuk maklumat yang perlu dicungkil AI.

Bagaimana rupanya dalam amalan

Ambil satu artikel pangkalan pengetahuan yang tipikal bersepah:

“Pengurusan Akaun — Dalam bahagian ini anda akan mempelajari cara mengurus pelbagai aspek akaun anda termasuk maklumat profil, tetapan keselamatan, pengebilan dan kaedah pembayaran, pengurusan langganan, serta pilihan pemberitahuan. Untuk bermula, pergi ke ruang akaun anda dan anda akan menemui semua pilihan ini...”

Ini buruk untuk AI: satu artikel merangkumi lima topik berbeza, tajuk yang umum, arahan yang kabur, tiada blok konteks, tiada kekhususan.

Versi mesra AI ialah lima artikel:

  1. “Bagaimana saya mengemas kini maklumat profil saya?” — konteks: semua pelan; langkah khusus; terkini setakat [tarikh]
  2. “Bagaimana saya menukar tetapan keselamatan saya?” — konteks: semua pelan; langkah khusus; terkini setakat [tarikh]
  3. “Bagaimana saya mengemas kini kaedah pembayaran saya?” — konteks: pelan berbayar sahaja; langkah khusus; terkini setakat [tarikh]
  4. “Bagaimana saya menukar pelan langganan saya?” — konteks: semua pelan; langkah khusus termasuk kelakuan naik taraf/turun taraf; terkini setakat [tarikh]
  5. “Bagaimana saya mengurus pilihan pemberitahuan saya?” — konteks: semua pelan; langkah khusus; terkini setakat [tarikh]

Maklumat yang sama, disusun semula. Versi pertama menghasilkan jawapan AI yang sederhana. Versi kedua menghasilkan jawapan yang tepat.

Berapa banyak kerja sebenarnya?

Jawapan jujurnya: kurang daripada yang ditakuti pasukan, lebih daripada yang mereka harapkan.

Bagi SaaS tipikal dengan 50–100 artikel bantuan, menyusun semula kepada format mesra AI ialah projek satu hingga dua minggu untuk satu orang. Ia bukan kerja yang glamor, tetapi ia pelaburan berdaya ungkit paling tinggi yang boleh anda buat untuk kualiti sokongan AI.

Berita baiknya: anda tidak perlu melakukan semuanya sekali gus. Pendekatan yang munasabah:

  1. Mulakan dengan 20 kategori soalan teratas anda (ini merangkumi ~80% jumlah tiket)
  2. Tulis atau tulis semula 20 itu sebagai artikel mesra AI
  3. Lancarkan sokongan AI dengan asas tersebut
  4. Gunakan corak eskalasi AI untuk mengenal pasti jurang — apabila AI mengeskalasi kerana ia tiada jawapan, itu isyarat untuk menambah atau menambah baik sesuatu artikel
  5. Ulangi penambahbaikan pada minggu-minggu berikutnya

Pendekatan berperingkat ini memberi anda sistem sokongan AI yang berfungsi dengan cepat, kemudian menambah baiknya berdasarkan data sebenar tentang apa yang pelanggan benar-benar tanya.

Cara mengukur sama ada pangkalan pengetahuan anda berkesan

Selepas pelancaran, inilah metrik yang memberitahu anda sama ada pangkalan pengetahuan anda cukup baik:

Kadar penyelesaian automatik AI. Jika ia di bawah 50%, pangkalan pengetahuan anda berkemungkinan mempunyai jurang. Pangkalan pengetahuan yang baik menyokong penyelesaian automatik 60–70%.

Sebab eskalasi. Apabila AI mengeskalasi, kenapa? “Tiada artikel relevan ditemui” bermakna jurang kandungan. “Beberapa artikel bercanggah” bermakna masalah struktur (berkemungkinan perlu dipecahkan atau digabungkan).

Kadar susulan pelanggan. Jika pelanggan kerap membalas semula selepas jawapan AI, jawapan itu tidak lengkap. Selalunya ia masalah kekhususan — jawapannya betul dari segi arah tetapi tidak cukup terperinci untuk benar-benar menyelesaikan masalah.

CSAT bagi tiket yang dikendalikan AI. Jika tiket yang dikendalikan AI mempunyai CSAT lebih rendah daripada yang dikendalikan manusia, kualiti pangkalan pengetahuan biasanya puncanya.

Metrik ini mengubah penambahbaikan pangkalan pengetahuan daripada tekaan kepada gelung maklum balas. AI memberitahu anda di mana jurangnya; anda menampalnya; kualiti pun meningkat.

Intinya

Kualiti sokongan pelanggan AI sebahagian besarnya ialah kualiti pangkalan pengetahuan. Model itu penting, seni binanya penting, tetapi tuas terbesar yang anda kawal ialah dokumentasi yang anda suapkan kepada AI.

Lima peraturan itu — satu topik satu artikel, tajuk berbentuk soalan, arahan yang khusus, blok konteks, metadata terkini — mudah disebut dan memberi kesan besar apabila dilaksanakan. Pasukan yang mengikutinya mendapat penyelesaian automatik 60–70%. Pasukan yang menampal dokumentasi lama berorientasikan manusia lalu mengharapkan keajaiban akan mendapat hasil yang sederhana, kemudian menyalahkan AI.

Pangkalan pengetahuan ialah bahagian sokongan AI yang sepenuhnya anda kawal. Ia berbaloi untuk dilaburkan.

Di mana Respondo masuk

Integrasi pangkalan pengetahuan Respondo merangkak dokumentasi sedia ada anda secara automatik sebagai titik permulaan, kemudian menyerlahkan peluang untuk menyusun semula demi prestasi AI yang lebih baik. AI yang mengutamakan penaakulan memanfaatkan sepenuhnya kandungan yang tersusun rapi — ia memahami konteks dan membina jawapan yang khusus, bukan sekadar mengambil artikel yang paling hampir.

Papan pemuka memaparkan metrik yang memberitahu anda sama ada pangkalan pengetahuan anda berkesan: kadar penyelesaian automatik, sebab eskalasi, kadar susulan. Ini mengubah penambahbaikan pangkalan pengetahuan menjadi gelung maklum balas berasaskan data, bukan tekaan.

Percubaan 14 hari memberi anda masa untuk menyambungkan pangkalan pengetahuan anda, melihat kualiti awal AI, dan mengenal pasti di mana penyusunan semula paling membantu.

Mahu lihat sebaik mana AI mengendalikan dokumentasi anda sekarang? Mulakan percubaan percuma 14 hari anda — sambungkan pangkalan pengetahuan anda dan lihat kadar penyelesaian automatik pada tiket sebenar anda.

Kongsi artikel ini

Soalan lazim

Susun semula dokumentasi anda mengikut soalan tertentu, bukan untuk seseorang yang melayari pusat bantuan. Artikel ini mencadangkan lima peraturan: satu topik satu artikel, tajuk dilafazkan seperti soalan yang benar-benar ditanya pelanggan, arahan langkah demi langkah yang khusus dan bukan yang umum, blok konteks di bahagian atas yang menyatakan syarat seperti pelan atau wilayah, dan metadata terkini seperti tarikh kemas kini terakhir. Ini menjadikan perolehan semantik tepat supaya AI membina jawapan yang jitu dan terperinci.

Punca paling lazim bukan model AI — ia pangkalan pengetahuan yang dibacanya. Pasukan selalunya menyuapkan AI dengan dokumentasi yang ditulis untuk manusia yang melayari pusat bantuan, bukan untuk AI yang menjawab satu soalan tertentu. Artikel panjang yang merangkumi banyak sub-topik mencairkan perolehan, dan dokumentasi yang kabur menghasilkan jawapan yang kabur kerana AI menyalin tahap kekhususan dalam kandungan anda. Kandungan lapuk turut merosakkan, kerana AI akan memberi arahan dengan penuh yakin untuk ciri yang sebenarnya sudah berubah.

Satu topik satu artikel ialah peraturan paling penting. Satu artikel yang merangkumi penukaran e-mel, penetapan semula kata laluan, pengebilan dan langganan memadani mana-mana satu soalan dengan lemah kerana ia dicairkan oleh semua kandungan lain. Memecahkannya kepada artikel yang fokus seperti “Bagaimana saya menetapkan semula kata laluan saya?” membolehkan perolehan semantik memadankan setiap soalan dengan tepat. Ujian praktikalnya: jika sesebuah artikel boleh menjawab lebih daripada satu soalan pelanggan yang berbeza, ia berkemungkinan besar patut dipecahkan.

Pangkalan pengetahuan yang tersusun rapi menyokong kira-kira 60–70% penyelesaian automatik AI. Jika kadar penyelesaian automatik anda di bawah 50%, pangkalan pengetahuan anda berkemungkinan mempunyai jurang. Artikel ini menganggap kadar penyelesaian automatik sebagai isyarat utama sama ada dokumentasi anda cukup baik selepas pelancaran.

Jejaki empat metrik selepas pelancaran: kadar penyelesaian automatik AI (di bawah 50% menandakan jurang, 60–70% sudah baik), sebab eskalasi (“tiada artikel relevan ditemui” bermakna jurang kandungan, “beberapa artikel bercanggah” bermakna masalah struktur), kadar susulan pelanggan (balasan semula yang kerap biasanya bermakna jawapan kurang khusus), dan CSAT bagi tiket yang dikendalikan AI berbanding yang dikendalikan manusia. Metrik ini mengubah penambahbaikan pangkalan pengetahuan menjadi gelung maklum balas: AI menunjukkan di mana jurangnya supaya anda boleh menampalnya.

Bagi SaaS tipikal dengan 50–100 artikel bantuan, menyusun semula kepada format mesra AI ialah projek satu hingga dua minggu untuk satu orang. Anda tidak perlu melakukan semuanya sekali gus: mulakan dengan 20 kategori soalan teratas yang merangkumi kira-kira 80% jumlah tiket, tulis semula yang itu dahulu, lancarkan, kemudian gunakan corak eskalasi AI untuk mengenal pasti dan menampal jurang yang tinggal pada minggu-minggu berikutnya. Pendekatan berperingkat ini memberi sistem yang berfungsi dengan cepat dan menambah baiknya berdasarkan data sebenar.

Bersedia menggerakkan sokongan AI?

14 hari percuma. Platform penuh. Kami pindahkan data anda untuk anda.