Команда разработала систему управления статьями с полноценным жизненным циклом:

• черновики, публикация, архив, удаление

• привязка к структуре и бизнес-юнитам

• поддержка разных платформ (web, iOS, Android)

• возможность вариативного контента

Это позволило редакторам гибко управлять знаниями без участия разработчиков.

Реализована древовидная структура хранения данных:

раздел → рубрика → подрубрика → категория → статья

Система автоматически адаптируется под разное количество уровней (от 2 до 5), что делает её универсальной для разных продуктов.

Одна из ключевых функций системы — создание кастомных кнопок обращения в поддержку.

Администратор может:

• создать кнопку с любым текстом и ссылкой

• управлять доступностью по ролям

• размещать кнопку:

• в статьях

• в разделах

• в поиске (если пользователь не нашёл ответ)

• массово включать/отключать кнопки

Это позволяет гибко управлять нагрузкой на поддержку и направлять пользователей в нужные каналы.

Реализовали конструктор опросов:

• формат: « да/нет»  или 5-балльная шкала

• кастомные тексты вопросов

• сценарии для позитивной/негативной оценки

• варианты причин оценки

• возможность оставить комментарий

Опросы можно добавлять в отдельные статьи или массово применять к целым разделам. В результате бизнес получил инструмент для измерения качества контента и поддержки.

Реализовали поиск с учетом:

• полного и частичного совпадения

• синонимов

• опечаток

• транслита

• подсказок (suggestions)

Также заложили возможность подключения ML-моделей в будущем.

Система учитывает статус пользователя:

• авторизованный → полный функционал

• неавторизованный → ограниченный доступ

При этом администратор может настраивать доступ к поддержке и к CSAT.

Для аналитики реализовали логирование:

• поисковых запросов

• переходов по статьям

• кликов по кнопкам поддержки

• прохождения CSAT

• времени взаимодействия

Такой функционал дает возможность  анализировать воронки переходов от поиска к статьям, оценивать эффективность контента по времени взаимодействия и CSAT, а также сегментировать запросы для выявления пробелов в FAQ.  Это позволяет строить продуктовую аналитику и быстрее оптимизировать информацию.