Analytiikka
Lue tikettien analytiikkaa ja muuta tukiluvut päätöksiksi.
Opas tikettien analytiikkaan
Analytiikka vastaa kysymyksiin, joihin et saa vastausta selaamalla Discordia: nopeutuuko tiimisi, mikä kategoria vie eniten aikaa ja milloin tarvitset oikeasti henkilökuntaa paikalle.
Koko Analytics-sivu on premium-ominaisuus. Ilmaisilla palvelimilla näkyy esikatselu ja päivityskortti — sekä viimeisten 7 päivän toiminta- ja henkilöstökaavio suoraan hallintapaneelin etusivulla.
Avaa Analytics
Avaa palvelimesi hallintapaneeli.
Klikkaa sivunavigaatiosta Analytics → Overview.
Pikatilastot
Yläreunan neljä korttia tiivistävät nykyisen ajanjakson, ja jokaisessa näkyy myös trendi verrattuna edelliseen.
| Card | What it tells you |
|---|---|
| Total Tickets | Tukipyyntöjesi määrä |
| Avg Response Time | Kuinka kauan jäsen odottaa ensimmäistä vastausta |
| Avg Resolution | Kuinka kauan tiketti elää luomisesta sulkemiseen |
| Returning Users | Kuinka moni jäsen palaa uuden tiketin kanssa |
Avg Response Time on luku, jonka jäsenesi tuntevat. Avg Resolution on luku, jonka tiimisi tuntee. Ne ovat eri ongelmia ja vaativat eri ratkaisuja.
Kaaviot
Useimmissa kaavioissa on oma aikavälivalitsin: 7 päivää, 14 päivää, 30 päivää, neljännekset ja vuosi.
| Chart | What it shows | Use it for |
|---|---|---|
| Ticket Activity | Avatut ja suljetut tiketit päivää kohden | Ruuhkien havaitsemiseen — suljettujen pitäisi seurata avattuja |
| Category Distribution | Tiketit kategorioittain, mukana suosituin kategoria | Sen päättämiseen, mitä kannattaa dokumentoida tai korjata lähteellä |
| Staff Performance | Käsitellyt tiketit työntekijää kohden | Ahkerien tekijöiden tunnistamiseen ja kuormituksen havaitsemiseen |
| Response Time | Ensimmäinen vastaus ja kaikkien viestien keskiarvo | Aikataulumuutoksen vaikutuksen mittaamiseen |
| Messages per Ticket | Tikettiä kohden vaihdettujen viestien keskiarvo | Korkeat arvot tarkoittavat usein, että ohjeistuksesi kysyy liian vähän |
| Returning Support Users | Uudet vs. palaavat tukikäyttäjät | Korkea palaamisaste tarkoittaa, että ongelmia ei oikeasti ratkaista |
| Ticket Priority Distribution | Miten prioriteetit jakautuvat | Sen tarkistamiseen, tarkoittaako "Urgent" yhä kiireellistä |
| Ticket Resolution Time | Keskimääräinen aika luomisesta sulkemiseen | Pitkän aikavälin trendin seuraamiseen |
| Ticket Creation Patterns | Tuntikohtainen ja päivittäinen jakauma sekä huipputunti ja huippupäivä | Sen suunnitteluun, milloin henkilöstön pitäisi olla paikalla |
Jos kaavio sanoo Not enough data — Come back later…, kyseisellä aikavälillä ei yksinkertaisesti ole vielä tarpeeksi suljettuja tikettejä. Mikään ei ole rikki.
Lukujen tulkinta
Avatut ja suljetut erkanevat toisistaan
Ticket Activity -kaaviossa avattuja tikettejä on useana päivänä peräkkäin enemmän kuin suljettuja. Ruuhkaa on syntymässä.
Mikä auttaa: enemmän henkilökuntaa Creation Patterns -kaavion huippuaikoina, alempi global open limit hätäjarruna tai auto-close scheduling tiketeille, jotka on oikeasti jo hoidettu.
Yksi kategoria hallitsee
Category Distribution -kaavio näyttää, että 60 % on yhtä aihetta.
Mikä auttaa: kyseinen aihe kuuluu FAQ:iin, kiinnitettyyn viestiin tai step option that closes the ticket -vaihtoehtoon, jossa on linkki vastaukseen.
Viestien määrä tikettiä kohden kasvaa
Jokainen tiketti vaatii yhä enemmän edestakaista viestittelyä.
Mikä auttaa: ticket steps. Kysy versio, alusta tai vahvistettu tili ennen kuin keskustelu alkaa.
Palaamisaste on korkea
Samat jäsenet palaavat jatkuvasti.
Mikä auttaa: lue muutama palaavien jäsenten transcripts. Joko vastaukset eivät jää mieleen tai sama taustalla oleva bugi puree yhä uudelleen.
Kaikki on "Urgent"
Prioriteettijakauma näyttää lähes pelkästään korkeita ja kiireellisiä tikettejä.
Mikä auttaa: jäsenten asettama prioriteetti on toive, ei fakta. Anna LunAI luokitella tiketit ja korjaa se komennolla /ticket priority.
Tikettihistoria
Kaavioiden vieressä Tickets → Ticket History listaa yksittäiset tiketit lukujen taustalla, ja jokaiselle tiketille on oma tietosivu.
Analytiikka kertoo, mitä muuttui. Historia ja transcripts kertovat, miksi.
Seuraavat askeleet
- Ticket Transcripts (Tarina datapisteen taustalla)
- LunAI (Automaattinen priorisointi)
- Ticket Categories (Paremmat kategoriat, parempi analytiikka)
How is this guide?