Cara membaca log chat WhatsApp, Instagram, dan situs web untuk menemukan pertanyaan yang belum terjawab, lalu menutupnya dengan konten yang tepat.
Pelanggan Anda sudah memberi tahu apa yang belum mereka pahami, tetapi pesannya terkubur di ratusan chat WhatsApp, DM Instagram, dan jendela chat situs. Jika Anda tidak membacanya secara terarah, pertanyaan yang sama akan muncul lagi dan lagi, dan agen AI Anda akan terus menjawab "kurang tahu" atau menebak. Artikel ini membahas cara menemukan celah konten dari log chat, memilah mana yang layak ditutup, menulis perbaikannya, dan memastikan hasilnya benar-benar terasa.
Apa sebenarnya "celah konten" itu
Celah konten adalah selisih antara apa yang ditanyakan pelanggan dan apa yang tersedia di basis pengetahuan agen Anda. Selisih itu tidak selalu berarti "artikelnya tidak ada". Ada beberapa bentuk yang berbeda, dan tiap bentuk butuh perbaikan yang berbeda pula.
- Konten tidak ada. Pelanggan bertanya apakah toko Anda melayani kirim ke luar Jawa dengan asuransi, tetapi tidak ada satu pun dokumen yang membahasnya.
- Konten ada, tetapi usang. Daftar harga atau jam buka di basis pengetahuan masih versi tiga bulan lalu.
- Konten ada, tetapi sulit dipakai. Jawabannya terkubur di PDF 20 halaman, atau ditulis dengan istilah internal yang tidak dipakai pelanggan.
- Konten ada, tetapi ambigu. Dua dokumen saling bertentangan, misalnya satu menyebut retur 7 hari dan satu lagi 14 hari.
Membedakan keempatnya penting. Kalau semua dianggap "kurang artikel", Anda akan menulis banyak konten baru padahal masalahnya hanya satu dokumen lama yang belum diperbarui.
Di mana celah bersembunyi di log chat
Celah jarang terlihat jelas. Biasanya ia menyamar sebagai pola kecil yang berulang. Berikut sinyal yang layak dicari.
Jawaban yang menghindar atau menebak
Cari balasan agen seperti "Mohon maaf, saya belum memiliki informasi tersebut" atau jawaban yang terlalu umum. Ini sinyal paling langsung bahwa dokumen yang relevan tidak ditemukan.
Pelanggan mengulang atau mengubah pertanyaan
Jika pelanggan bertanya, lalu menulis ulang dengan kata lain ("ongkirnya berapa?" lalu "biaya kirim ke Medan berapa sih?"), kemungkinan jawaban pertama tidak menjawab. Pengulangan dalam satu percakapan adalah petunjuk yang kuat.
Permintaan bicara dengan manusia
Percakapan yang berakhir dengan pengambilalihan oleh staf, terutama untuk pertanyaan yang sebenarnya bersifat faktual, sering menandakan konten yang kurang. Pertanyaan seperti "bisa cicilan?" tidak seharusnya butuh manusia kalau kebijakannya sudah tertulis.
Penilaian jempol bawah dan nada negatif
Jempol ke bawah dan percakapan yang bernada kesal layak dibuka satu per satu. Tidak semuanya soal konten, tetapi sebagian besar akan memberi petunjuk.
Topik yang membesar tiba-tiba
Setelah promo, perubahan kebijakan, atau musim tertentu (misalnya menjelang Lebaran), topik baru biasanya melonjak. Konten Anda sering tertinggal beberapa hari dari kenyataan itu.
Rutinitas tinjauan mingguan
Tinjauan yang konsisten dan singkat lebih berguna daripada audit besar yang dilakukan tiga bulan sekali. Cukup sisihkan 30 sampai 45 menit pada hari yang sama setiap minggu, misalnya Senin pagi sebelum jam sibuk.
- 01Kumpulkan chat bermasalah
- 02Kelompokkan berdasarkan penyebab
- 03Pilih yang layak diperbaiki
- 04Perbaiki lalu uji ulang
Langkah praktisnya:
- Saring dulu, jangan baca semua. Fokus pada chat yang diberi jempol bawah, yang diambil alih staf, dan yang berisi jawaban "tidak tahu".
- Tandai dengan alasan singkat. Catat penyebabnya dalam satu kata: "tidak ada", "usang", "membingungkan", "di luar cakupan", atau "butuh data pelanggan".
- Kelompokkan. Pertanyaan yang maknanya sama digabung, walau kata-katanya berbeda.
- Tentukan pemilik. Setiap celah yang dipilih punya satu nama penanggung jawab dan tenggat, misalnya akhir minggu.
- Uji ulang. Setelah konten diperbaiki, ajukan pertanyaan asli pelanggan ke agen dan lihat apakah jawabannya sudah benar.
Soal jumlah, tidak ada angka ajaib. Untuk bisnis kecil yang menerima puluhan chat per minggu, membaca semua chat bermasalah masih realistis. Untuk volume lebih besar, ambil contoh dari chat yang ditandai saja, lalu tambah sampel acak kecil agar Anda tidak hanya melihat masalah yang sudah jelas.
Triase: tidak semua celah layak jadi artikel
Setelah dikelompokkan, Anda akan punya daftar yang lebih panjang daripada waktu yang tersedia. Di sinilah triase dibutuhkan. Contoh berikut bersifat hipotetis: misalkan sebuah toko online menandai 60 chat bermasalah dalam sebulan, lalu menelusuri penyebabnya.
Dari gambaran itu, hanya 21 chat yang benar-benar butuh konten baru. Sebanyak 26 chat (usang dan sulit dipahami) bisa diselesaikan dengan merapikan dokumen yang sudah ada. Delapan chat di luar cakupan sebaiknya dijawab dengan penolakan yang sopan, bukan artikel baru. Lima chat membutuhkan data pesanan, yang tidak bisa diselesaikan dengan menulis artikel sama sekali.
Gunakan tiga pertanyaan untuk memilah:
- Seberapa sering? Pertanyaan yang berulang dari banyak orang didahulukan.
- Seberapa besar dampaknya? Pertanyaan soal pembayaran, pengiriman, dan retur biasanya lebih mendesak daripada pertanyaan yang sifatnya kenyamanan.
- Apakah artikel solusi yang tepat? Kadang jawabannya adalah satu kalimat di dokumen yang sudah ada, kebijakan baru yang harus diputuskan pemilik usaha dulu, atau integrasi data pesanan.
Pertanyaan yang jarang dan sangat spesifik, misalnya permintaan khusus dari satu pelanggan korporat, lebih baik ditangani manusia.
Menulis perbaikan agar bertahan
Perbaikan yang baik tidak hanya menutup satu pertanyaan, tetapi juga bertahan ketika pelanggan menanyakannya dengan cara lain.
Tulis dengan kata-kata pelanggan
Kalau pelanggan menulis "COD", "bayar di tempat", dan "cash on delivery", pastikan ketiganya muncul secara wajar di dokumen. Salin frasa asli dari log chat, bukan istilah internal tim.
Jawab langsung di kalimat pertama
Mulai dengan jawabannya, baru penjelasannya. Contoh: "Ya, kami melayani COD untuk wilayah Jabodetabek dengan batas pesanan Rp500.000. Di luar wilayah itu, pembayaran lewat transfer atau QRIS."
Satu topik, satu dokumen
Dokumen yang mencampur kebijakan retur, garansi, dan cara klaim akan menyulitkan agen menemukan bagian yang tepat. Pisahkan menurut topik, dan beri judul yang menyerupai pertanyaan.
Sertakan batas dan pengecualian
Tulis juga apa yang tidak berlaku: produk yang tidak bisa diretur, wilayah yang tidak terjangkau, jam layanan, dan kapan harus menghubungi staf. Agen yang tahu batasnya tidak akan menebak.
Hapus yang bertentangan
Saat menambah konten baru, cari dokumen lama yang membahas hal sama. Dua jawaban berbeda untuk satu pertanyaan akan menghasilkan jawaban yang tidak konsisten.
Mengukur apakah celah sudah tertutup
Menulis konten bukan garis akhir. Celah baru dianggap tertutup jika pertanyaan yang sama tidak lagi bermasalah di chat berikutnya. Beberapa cara memeriksanya:
- Uji langsung. Ajukan pertanyaan asli dalam beberapa variasi kalimat, termasuk yang singkat dan bernada informal seperti pesan WhatsApp sungguhan.
- Pantau minggu berikutnya. Lihat apakah topik yang sama masih muncul di chat yang ditandai. Penurunan berarti perbaikan berhasil, sedangkan topik yang menetap berarti perlu dicek ulang.
- Perhatikan jempol dan pengambilalihan. Jika pertanyaan tersebut dulu sering berujung pengambilalihan staf, seharusnya frekuensinya turun.
- Simpan daftar yang sudah ditutup. Daftar kecil berisi tanggal dan penyebab akan membantu Anda melihat pola, misalnya dokumen harga yang selalu usang setelah promo.
Jangan terlalu cepat menyimpulkan dari satu minggu. Volume chat naik-turun, jadi bandingkan beberapa minggu sebelum menyatakan sebuah celah tuntas.
Mengerjakannya di AI SNS CHAT
Berikut alur kerja yang bisa Anda jalankan dengan fitur yang tersedia di AI SNS CHAT. Belum ada laporan otomatis khusus bernama "celah konten", jadi proses penandaan dan pengelompokan tetap dilakukan oleh Anda atau tim.
1. Kumpulkan bahan dari log chat. Buka Activity → Chat logs. Percakapan dari semua kanal selain email, termasuk WhatsApp, Instagram, dan chat situs, ada di sini. Gunakan filter untuk mempersempit, lalu tandai (flag) chat bermasalah. Anda bisa memilih banyak chat sekaligus untuk ditandai, dieskalasi, diselesaikan, atau diekspor. Penilaian jempol atas dan bawah dari pelanggan juga tampil di sini, jadi jempol bawah menjadi titik awal yang praktis.
2. Cari pola topik. Di menu Analytics, bagian Topics dan Question history membantu melihat pertanyaan apa yang sering muncul. Bagian Sentiment membantu menemukan percakapan yang bernada negatif. Analitik lanjutan memerlukan paket Pro.
3. Perbaiki sumber pengetahuan. Di Data sources tersedia Files, Text snippets, Website, Q&A, Notion, dan beberapa sumber lain. Untuk jawaban pendek yang sering ditanyakan, entri Q&A atau Text snippet biasanya paling cepat. Untuk dokumen yang sudah ada, edit sumbernya langsung, lalu hapus versi lama yang bertentangan. Jika dokumentasi Anda berada di layanan seperti Google Drive, Notion, atau Confluence, hubungkan lewat Channels sehingga satu sumber utama tetap terjaga. Daftar lengkapnya ada di halaman fitur.
4. Ajarkan jawaban ideal dari percakapan nyata. Saat staf mengambil alih sebuah chat, balasan bisa diedit menjadi jawaban ideal untuk melatih agen. Cara ini cocok untuk kasus yang jawabannya baru muncul dari pengalaman tim.
5. Uji di Playground. Sebelum berharap pelanggan melihat hasilnya, ajukan pertanyaan asli di Playground. Jika Anda sedang membandingkan model, tersedia juga perbandingan A/B model.
6. Pantau perubahan. Di Workspace settings → Activity, pemilik dan admin dapat melihat siapa menambah atau mengedit sumber data dan kapan. Setiap agen juga punya restore point, sehingga Anda bisa kembali ke versi sebelumnya bila perubahan justru memperburuk jawaban.
Perlu diingat bahwa pencarian web untuk menjawab saat basis pengetahuan kosong hanya tersedia di LINE WORKS. Untuk kanal lain, jawaban bergantung pada konten yang Anda sediakan, sehingga menutup celah lewat basis pengetahuan menjadi cara utama. Rincian paket dan batas penyimpanan dapat dilihat di halaman harga.
Pertanyaan umum
Berapa banyak chat yang perlu ditinjau setiap minggu?
Tidak ada angka baku. Mulailah dari chat yang ditandai: jempol bawah, diambil alih staf, atau berisi jawaban "tidak tahu". Jika volumenya kecil, baca semuanya. Jika besar, ambil sampel dari chat bermasalah dan tambahkan beberapa chat acak agar gambaran Anda tidak bias.
Haruskah saya menulis artikel baru untuk setiap pertanyaan yang tidak terjawab?
Tidak. Sebagian pertanyaan hanya butuh dokumen lama diperbarui atau dirapikan, sebagian lain di luar cakupan bisnis, dan sebagian butuh data pesanan pelanggan yang tidak bisa diselesaikan dengan artikel. Prioritaskan pertanyaan yang sering muncul dan berdampak pada pembayaran, pengiriman, atau retur.
Apakah AI SNS CHAT bisa melaporkan celah konten saya secara otomatis?
Tidak ada laporan otomatis khusus untuk itu. Anda bisa memanfaatkan Chat logs (filter, penandaan, dan penilaian jempol) serta Analytics seperti Topics, Question history, dan Sentiment untuk menemukan pola, lalu mengelompokkannya sendiri. Analitik lanjutan memerlukan paket Pro.
Bagaimana jika agen menjawab salah padahal kontennya sudah ada?
Periksa dulu apakah ada dokumen lain yang bertentangan atau versi usang yang masih tersimpan. Pastikan jawabannya ditulis di awal dokumen dengan kata-kata yang dipakai pelanggan, lalu uji ulang di Playground. Untuk kasus tertentu, edit balasan menjadi jawaban ideal, dan gunakan restore point jika perubahan terakhir justru memperburuk hasil.


