Analytics
Lee las analíticas de tus tickets y convierte las cifras de soporte en decisiones.
Guía de analíticas de tickets
Analytics responde a las preguntas que no puedes contestar desplazándote por Discord: si tu equipo está yendo más rápido, qué categoría consume más tiempo y cuándo necesitas realmente tener personal conectado.
La página completa de Analytics es una función premium. Los servidores gratuitos ven una vista previa con una tarjeta de actualización — y un gráfico de actividad y personal de los últimos 7 días directamente en la página de inicio del panel.
Abrir Analytics
Abre el panel de tu servidor.
Haz clic en Analytics → Overview en la navegación lateral.
Las estadísticas rápidas
Cuatro tarjetas en la parte superior resumen el periodo actual, cada una con una tendencia comparada con la anterior.
| Card | What it tells you |
|---|---|
| Total Tickets | Your support volume |
| Avg Response Time | How long a member waits for the first answer |
| Avg Resolution | How long a ticket lives from creation to close |
| Returning Users | How many members come back with a new ticket |
Avg Response Time es el número que sienten tus miembros. Avg Resolution es el número que siente tu equipo. Son problemas distintos y necesitan soluciones distintas.
Los gráficos
La mayoría de los gráficos tienen su propio selector de rango de tiempo: 7 días, 14 días, 30 días, trimestres y anual.
| Chart | What it shows | Use it for |
|---|---|---|
| Ticket Activity | Opened and closed tickets per day | Spotting backlogs — closed should track opened |
| Category Distribution | Tickets per category, with your top category | Deciding what to document or fix at the source |
| Staff Performance | Tickets handled per staff member | Recognising your workhorses and spotting overload |
| Response Time | First response and average of all messages | Measuring the effect of a schedule change |
| Messages per Ticket | Average messages exchanged per ticket | High values often mean your steps ask too little |
| Returning Support Users | New vs returning support users | A high returning rate means problems are not really solved |
| Ticket Priority Distribution | How priorities are spread | Checking whether "Urgent" still means urgent |
| Ticket Resolution Time | Average time from creation to close | Watching the long-term trend |
| Ticket Creation Patterns | Hourly and daily distribution with peak hour and peak day | Planning when staff should be online |
Si un gráfico dice Not enough data — Come back later…, simplemente todavía no hay suficientes tickets cerrados en ese rango. No hay nada roto.
Interpretar los números
Abiertos y cerrados se separan
Tu gráfico de Ticket Activity muestra más tickets abiertos que cerrados durante varios días seguidos. Eso indica que se está formando una cola.
Qué ayuda: más personal en las horas punta de Creation Patterns, un límite global de apertura más bajo como freno de emergencia, o programación de cierre automático para tickets que ya están resueltos.
Una categoría domina
El gráfico de Category Distribution muestra que el 60 % corresponde a un solo tema.
Qué ayuda: ese tema debería estar en una FAQ, en un mensaje fijado o en una opción de paso que cierre el ticket con un enlace a la respuesta.
Los mensajes por ticket siguen subiendo
Cada ticket necesita cada vez más idas y vueltas.
Qué ayuda: ticket steps. Pide la versión, la plataforma o la cuenta verificada antes de que empiece la conversación.
La tasa de retorno es alta
Los mismos miembros siguen volviendo.
Qué ayuda: lee algunos transcripts de miembros recurrentes. O las respuestas no están funcionando, o el mismo error de fondo sigue apareciendo.
Todo es "Urgent"
La distribución de prioridades muestra casi solo tickets altos y urgentes.
Qué ayuda: la prioridad elegida por los miembros es un deseo, no un hecho. Deja que LunAI clasifique los tickets y corrígelo con /ticket priority.
Historial de tickets
Junto a los gráficos, Tickets → Ticket History enumera los tickets individuales detrás de los números, con una página de detalle por ticket.
Analytics te dice qué cambió. El historial y los transcripts te dicen por qué.
Próximos pasos
- Ticket Transcripts (La historia detrás de un dato)
- LunAI (Priorización automática)
- Ticket Categories (Mejores categorías, mejores analíticas)
How is this guide?