Настройка версий статей для разных уровней агентов

Настройка версий статей для разных уровней агентов

Когда в службе поддержки работают специалисты разного уровня — от стажёров до опытных инженеров — им нужна разная информация из базы знаний. Новичку достаточно базовой инструкции, а senior-сотруднику потребуются технические детали и сценарии эскалации. Если показывать всем одну и ту же статью, одни будут перегружены лишней информацией, другие — не найдут нужного. Решение — настроить версии статей, которые видны только определённым группам агентов.

Почему нужны разные версии статей

Стандартная база знаний работает по принципу «одна статья — один ответ». Но в поддержке это не всегда эффективно. Агент первого уровня ищет короткий скрипт для быстрого ответа, а инженеру нужна полная схема решения с диагностикой. Если объединить всё в одной статье, она станет громоздкой. Если разбить на разные — нарушится логика поиска.

Версионирование статей решает три задачи:

  • Дозирование информации — новичок видит только то, что должен знать на своём уровне.
  • Контроль качества — опытный сотрудник не тратит время на проверку очевидных шагов.
  • Безопасность — внутренние инструкции по работе с критическими данными не попадают к стажёрам.

Как организовать уровни агентов в CRM

Прежде чем настраивать версии, нужно определить роли в системе. Обычно выделяют три уровня:

УровеньТипичные задачиКакую информацию видят
L1 (новичок)Приём обращений, ответы по скриптам, передача сложных вопросовБазовые инструкции, часто задаваемые вопросы, шаблоны ответов
L2 (опытный)Решение типовых проблем, работа в топик-группах Telegram, настройка триггеровПолные статьи с техническими деталями, сценарии эскалации
L3 (эксперт/инженер)Сложные инциденты, интеграции, работа с API, SLA для VIP-клиентовВнутренние инструкции, доступ к логам и тестовым окружениям

В Telegram-CRM для службы поддержки уровни привязываются к учётным записям агентов. Каждому сотруднику назначается роль, и при поиске статьи система показывает только те версии, которые соответствуют его уровню.

Настройка версий статей: пошаговый алгоритм

Шаг 1. Создайте структуру базы знаний

Разбейте статьи на категории по сложности. Например:

  • Базовые — для L1: как создать тикет, как использовать шаблон ответа, как передать обращение.
  • Расширенные — для L2: работа с очередью обращений, настройка времени первого ответа (FRT), интеграция с базой знаний.
  • Технические — для L3: webhook-интеграции, настройка Telegram Bot API, работа с триггерами автоматизации.

Шаг 2. Определите видимость каждой версии

В большинстве CRM-систем для поддержки можно настроть доступ к статьям по группам. Для каждой статьи укажите, какие уровни агентов могут её видеть. Например:

  • Статья «Как ответить клиенту через топик-группу» — доступна L1 и L2.
  • Статья «Настройка SLA для корпоративных клиентов» — только L3.

Шаг 3. Создайте разные версии одной статьи

Если одна тема нужна всем, но в разном объёме, создайте несколько версий с одинаковым заголовком, но разным содержанием. Система автоматически покажет нужную версию в зависимости от уровня агента.

Пример:

  • Версия для L1: «Проблема с подключением — проверьте интернет, перезагрузите устройство, если не помогло — передайте в L2».
  • Версия для L2: «Проблема с подключением — проверьте DNS, настройки прокси, логи на сервере, если не помогло — эскалируйте в L3».

Шаг 4. Настройте приоритет поиска

Когда агент вводит запрос в поиске, система должна показывать сначала статьи его уровня. Если подходящей версии нет — показывать общую статью или подсказку обратиться к супервизору. Это предотвращает ситуацию, когда новичок видит сложную инструкцию и путается.

Шаг 5. Свяжите статьи с тегами и тикетами

Чтобы версионирование работало эффективно, используйте теги для связи статей и обращений. Например, к тикету с тегом «сложный инцидент» автоматически подтягивается статья уровня L3. Подробнее об этом — в статье использование тегов для связи статей базы знаний и тикетов.

Практические советы по разграничению доступа

  • Не делайте слишком много уровней. Три — оптимально. Четыре и больше запутывают агентов и усложняют администрирование.
  • Используйте синонимы для поиска. Агент L1 может искать «сброс пароля», а L2 — «reset credentials». Настройте синонимы, чтобы обе версии находились по разным запросам. Как это сделать — в материале настройка синонимов для поиска статей базы знаний.
  • Регулярно обновляйте версии. Новичок становится опытным — его уровень меняется. Автоматизируйте повышение уровня после прохождения тестов или выполнения заданного числа успешных обращений.
  • Учитывайте ограничения Telegram API. При интеграции базы знаний через Telegram Bot API помните про лимиты сообщений (4096 символов на одно сообщение) и ограничение на хранение медиа. Длинные статьи лучше разбивать на несколько сообщений или выводить ссылку на полную версию.

Как проверить, что версионирование работает

Создайте тестовые учётные записи для каждого уровня. Попросите агентов найти одну и ту же статью — они должны увидеть разный контент. Проверьте:

  • Видят ли L1 только базовые инструкции?
  • Доступны ли L2 технические детали?
  • Скрыты ли от L3 стандартные скрипты (чтобы не засорять поиск)?
Если на каком-то уровне статья не отображается, проверьте настройки групп и видимости. Если отображается не та версия — обновите приоритеты.

Настройка версий статей для разных уровней агентов — это не просто разграничение доступа, а инструмент повышения эффективности поддержки. Новички быстрее находят ответы, не отвлекаясь на лишнюю информацию. Опытные сотрудники получают полные инструкции без необходимости переключаться между документами. А супервизоры контролируют, что каждый агент работает с актуальной для него версией базы знаний.

Следующий шаг — интеграция базы знаний с тикет-системой. Когда статьи автоматически подтягиваются к обращению по ключевым словам, время первого ответа (FRT) сокращается, а качество ответов становится стабильным. О том, как это настроить, читайте в статье интеграция Telegram-CRM с базой знаний.

Яна Федотова

Яна Федотова

Редактор по метрикам и SLA

Анна — редактор, специализирующийся на SLA и метриках поддержки. Она помогает читателям разобраться в показателях эффективности, используя примеры из открытых отчётов и исследований. Её тексты ориентированы на практическое применение без излишней теории.