Contexte de l'entreprise
Favor est une plateforme de livraison le jour même et de commande de nourriture basée à Austin, Texas. Ils livrent de la nourriture, des courses et des essentiels quotidiens à travers le Texas grâce à un réseau de coureurs (chauffeurs de livraison). Acquis par H-E-B en 2018, Favor combine des partenariats avec des entreprises locales à une livraison rapide et sans contact. En savoir plus sur favordelivery.com.
"Nous sommes répartis sur l’ensemble du grand État du Texas. Nous gérons les livraisons de courses de la famille H-E-B, et avons également notre propre plateforme de livraison." – Evan McMillan, Responsable de l'équipe de soutien de la flotte
Le défi
L'équipe de flotte de Favor est un groupe de niche avec des processus qui diffèrent de ceux de l'équipe de soutien plus large. En conséquence, les résultats de recherche générés par l'AI de Guru étaient encombrés d'informations non pertinentes provenant d'autres équipes, ce qui rendait plus difficile pour les agents de flotte de trouver rapidement les bonnes réponses. Le processus de recherche prenant beaucoup de temps décourageait les membres de l'équipe à vérifier les ressources au total.
"Les gens disaient parfois, 'L'AI de Guru ne fonctionne pas pour nous,' mais c'est vraiment qu'ils ne l'utilisaient pas correctement. Une fois que nous l'avons affiné et ajusté l'invite, la qualité des réponses a complètement changé." – Evan McMillan
La solution
Favor a utilisé les agents du savoir de Guru pour créer un agent AI dédié axé uniquement sur le soutien de l'équipe de flotte.
- Evan McMillan, responsable de l'équipe de soutien, a personnalisé l'invite de l'agent pour se concentrer uniquement sur le contenu lié à la flotte.
- Il a ajusté le ton de l'agent pour correspondre à la culture amicale et accessible de Favor.
- L'agent a été intégré à Slack, ce qui a facilité la tâche de l'équipe pour poser des questions et obtenir des réponses en temps réel.
"Une fois que nous avons pu créer des agents individuels, c'était vraiment passionnant de pouvoir se concentrer sur le type de travail spécifique que nous faisons. L'agent a vraiment commencé à mieux comprendre notre entreprise et à donner des réponses plus ciblées." – Evan McMillan
"L'intégrer à Slack a vraiment tout changé. J'étais hésitant au début à avoir quelque chose qui répond à des questions automatiquement, mais une fois que nous l'avons essayé, cela a complètement débloqué le potentiel. Voir de bonnes réponses apparaître dans Slack a vraiment construit la confiance." – Evan McMillan
L'approche
- Défini le contexte commercial – Evan a fourni un contexte détaillé concernant le modèle commercial de Favor et les processus de soutien de la flotte afin que l'agent AI puisse mieux comprendre comment les segments de clients de Favor (conducteurs, clients et commerçants) interagissent ensemble. Cela a aidé à améliorer la pertinence et la précision des réponses de l'agent.
"Expliquer comment fonctionne l'entreprise afin que l'agent AI puisse comprendre ce qu'est Favor, ce que nous essayons de faire et comment nos segments de clients travaillent ensemble a vraiment aidé à améliorer la qualité des réponses." – Evan McMillan
- Adapté le focus de l'agent AI – Puisque l'équipe de soutien de flotte fonctionne différemment de l'équipe de soutien plus large, Evan a réduit les sources de l'agent à un contenu uniquement lié à la flotte. Cela a éliminé les réponses non pertinentes d'autres équipes et permis à l'agent de fournir des réponses plus précises.
"Mon équipe est spécialisée, donc l'agent AI par défaut tirerait des connaissances d'entreprise plus larges, qui n'étaient pas toujours pertinentes. Limiter aux sources uniquement liées à la flotte a fait une énorme différence." – Evan McMillan
- Affiné le ton de l'agent – Evan a réglé l'agent pour qu'il réponde avec un ton plus conversationnel et de soutien, en accord avec la culture de l'entreprise Favor. Il a positionné l'agent comme un "entraîneur" pour aider les agents non seulement avec des réponses, mais aussi avec l'apprentissage de la façon de gérer des situations.
- Intégré à Slack – L'agent a été intégré dans Slack, ce qui a facilité la tâche des membres de l'équipe pour poser des questions et recevoir des réponses en temps réel. Avoir l'agent dans un canal de communication familier a augmenté l'adoption et l'engagement.
- Itéré et amélioré – Evan a suivi différentes versions de l'invite de l'agent dans un tableau, ce qui lui a permis de revenir facilement à des versions antérieures et de peaufiner les réponses au fil du temps. Il a également expérimenté des instructions de formatage, comme énumérer clairement les étapes lorsque cela est pertinent, pour rendre les réponses plus exploitables.
Le résultat
✅Augmentation de la confiance dans l'utilisation de Guru—plus de membres de l'équipe disent maintenant, "Hé, je me demande si c'est dans Guru. Je vais demander à l'agent AI rapidement."
✅ Efficacité améliorée dans la gestion des problèmes spécifiques à la flotte qui ne suivent pas les procédures standards.
"Cela a été d'une grande aide pour ces questions étranges qui ne rentrent pas dans un processus standard - cela nous fait gagner beaucoup de temps." – Evan McMillan
✅ Réponses plus rapides et plus précises—surtout pour des questions liées à la flotte de niche.
✅ Engagement plus élevé avec le soutien AI basé sur Slack, ce qui conduit à une meilleure adoption et confiance.
"Voir de bonnes réponses apparaître dans Slack a vraiment renforcé la confiance. Maintenant, les gens posent plus de questions et font confiance aux réponses de l'agent." – Evan McMillan
Key Stats
Customer Testimonials
Key Takeaways
Guru Capabilities Leveraged
No items found.
Published on
March 31, 2025
