Analitika
Olvasd el a jegy-analitikádat, és alakítsd át a támogatási számokat döntésekké.
Útmutató a jegy-analitikához
Az analitika megválaszolja azokat a kérdéseket, amelyeket Discord görgetés közben nem tudsz megválaszolni: gyorsabb lett-e a csapatod, melyik kategória viszi el a legtöbb időt, és mikor van valójában szükséged arra, hogy a személyzet online legyen.
A teljes Analytics oldal prémium funkció. Az ingyenes szerverek egy előnézetet látnak frissítőkártyával — valamint egy utolsó 7 nap aktivitási és személyzeti diagramot közvetlenül az irányítópult kezdőlapján.
Az Analytics megnyitása
Nyisd meg a szervered irányítópultját.
Kattints a Analytics → Overview elemre az oldalsó navigációban.
A gyors statisztikák
A tetején látható négy kártya összegzi az aktuális időszakot, mindegyiknél trenddel az előző időszakhoz képest.
| 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 |
Az Avg Response Time az a szám, amit a tagjaid éreznek. Az Avg Resolution az a szám, amit a csapatod érez. Két különböző problémáról van szó, és különböző megoldásokat igényelnek.
A diagramok
A legtöbb diagramnak saját időtartomány-választója van: 7 nap, 14 nap, 30 nap, negyedévek és éves nézet.
| 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 |
Ha egy diagram azt írja, hogy Not enough data — Come back later…, akkor egyszerűen még nincs elég lezárt jegy abban a tartományban. Semmi sem hibás.
Az adatok értelmezése
Az open és a closed eltávolodik egymástól
A Ticket Activity diagramon több jegy nyílik meg, mint amennyi lezárul, több napon keresztül egymás után. Ez backlog kialakulását jelzi.
Mi segít: több személyzet a Creation Patterns által mutatott csúcsidőszakokban, alacsonyabb globális nyitási limit vészfékként, vagy automatikus lezárási ütemezés azokhoz a jegyekhez, amelyek valójában már készen vannak.
Egy kategória dominál
A Category Distribution diagram 60 %-ban egyetlen témát mutat.
Mi segít: ez a téma kerüljön be egy FAQ-ba, egy kitűzött üzenetbe vagy egy lépésopcióba, amely lezárja a jegyet, és tartalmazza a válaszra mutató linket.
A jegyenkénti üzenetszám folyamatosan nő
Minden jegy egyre több oda-vissza üzenetet igényel.
Mi segít: jegylépések. Kérd el a verziót, a platformot vagy az ellenőrzött fiókot mielőtt a beszélgetés elkezdődik.
Magas a visszatérési arány
Ugyanazok a tagok újra és újra visszajönnek.
Mi segít: olvass el néhány visszatérő taghoz tartozó átiratot. Vagy a válaszok nem maradnak meg, vagy ugyanaz a mögöttes hiba újra és újra előjön.
Minden "Urgent"
A prioritáseloszlás szinte csak magas és sürgős jegyeket mutat.
Mi segít: a tagok által beállított prioritás inkább kívánság, mint tény. Hagyd, hogy a LunAI osztályozza a jegyeket, majd javítsd ki a /ticket priority paranccsal.
Jegytörténet
A diagramok mellett a Tickets → Ticket History felsorolja az egyes jegyeket a számok mögött, jegyenkénti részletes oldallal.
Az analitika megmutatja, mi változott. A történet és az átiratok megmutatják, miért.
Következő lépések
- Ticket Transcripts (A történet egy adatpont mögött)
- LunAI (Automatikus prioritáskezelés)
- Ticket Categories (Jobb kategóriák, jobb analitika)
How is this guide?