Analitik
Baca analitik tiket Anda dan ubah angka dukungan menjadi keputusan.
Panduan Analitik Tiket
Analitik menjawab pertanyaan yang tidak bisa Anda jawab hanya dengan menggulir Discord: apakah tim Anda semakin cepat, kategori mana yang paling banyak menyita waktu, dan kapan Anda benar-benar perlu staf online.
Halaman Analytics penuh adalah fitur premium. Server gratis hanya melihat pratinjau dengan kartu upgrade — serta grafik aktivitas dan staf 7 hari terakhir langsung di halaman beranda dashboard.
Membuka Analytics
Buka dashboard server Anda.
Klik Analytics → Overview di navigasi samping.
Statistik Cepat
Empat kartu di bagian atas merangkum periode saat ini, masing-masing dengan tren dibandingkan periode sebelumnya.
| Card | What it tells you |
|---|---|
| Total Tickets | Volume dukungan Anda |
| Avg Response Time | Berapa lama anggota menunggu jawaban pertama |
| Avg Resolution | Berapa lama sebuah tiket hidup dari dibuat hingga ditutup |
| Returning Users | Berapa banyak anggota yang kembali dengan tiket baru |
Avg Response Time adalah angka yang dirasakan anggota Anda. Avg Resolution adalah angka yang dirasakan tim Anda. Keduanya adalah masalah yang berbeda dan butuh solusi yang berbeda.
Grafik
Sebagian besar grafik punya pemilih rentang waktu sendiri: 7 hari, 14 hari, 30 hari, kuartal, dan tahunan.
| Chart | What it shows | Use it for |
|---|---|---|
| Ticket Activity | Tiket yang dibuka dan ditutup per hari | Mendeteksi penumpukan — yang ditutup seharusnya mengikuti yang dibuka |
| Category Distribution | Tiket per kategori, dengan kategori teratas Anda | Menentukan apa yang perlu didokumentasikan atau diperbaiki dari sumbernya |
| Staff Performance | Tiket yang ditangani per staf | Mengenali staf andalan Anda dan mendeteksi beban berlebih |
| Response Time | Respons pertama dan rata-rata semua pesan | Mengukur dampak perubahan jadwal |
| Messages per Ticket | Rata-rata pesan yang dipertukarkan per tiket | Nilai tinggi sering berarti langkah Anda terlalu sedikit |
| Returning Support Users | Pengguna dukungan baru vs yang kembali | Tingkat kembali yang tinggi berarti masalahnya sebenarnya belum selesai |
| Ticket Priority Distribution | Bagaimana prioritas tersebar | Mengecek apakah "Urgent" masih benar-benar urgent |
| Ticket Resolution Time | Rata-rata waktu dari dibuat hingga ditutup | Memantau tren jangka panjang |
| Ticket Creation Patterns | Distribusi per jam dan per hari dengan jam puncak dan hari puncak | Merencanakan kapan staf harus online |
Jika sebuah grafik menampilkan Not enough data — Come back later…, artinya memang belum ada cukup tiket yang ditutup dalam rentang itu. Tidak ada yang rusak.
Membaca Angka
Yang dibuka dan yang ditutup makin menjauh
Grafik Ticket Activity menunjukkan lebih banyak tiket dibuka daripada ditutup selama beberapa hari berturut-turut. Itu tanda antrean mulai menumpuk.
Yang membantu: lebih banyak staf pada jam sibuk dari Creation Patterns, global open limit yang lebih rendah sebagai rem darurat, atau penjadwalan auto-close untuk tiket yang sebenarnya sudah selesai.
Satu kategori mendominasi
Grafik Category Distribution menunjukkan 60 % hanya satu topik.
Yang membantu: topik itu sebaiknya masuk FAQ, pesan yang dipin, atau opsi langkah yang menutup tiket dengan tautan ke jawabannya.
Pesan per tiket terus naik
Setiap tiket butuh bolak-balik yang makin banyak.
Yang membantu: ticket steps. Minta versi, platform, atau akun terverifikasi sebelum percakapan dimulai.
Tingkat kembali tinggi
Anggota yang sama terus kembali.
Yang membantu: baca beberapa transkrip dari anggota yang kembali. Entah jawabannya tidak benar-benar melekat, atau bug yang sama terus muncul lagi.
Semuanya "Urgent"
Distribusi prioritas menunjukkan hampir hanya tiket tinggi dan urgent.
Yang membantu: prioritas yang ditetapkan anggota adalah keinginan, bukan fakta. Biarkan LunAI mengklasifikasikan tiket, lalu koreksi dengan /ticket priority.
Riwayat Tiket
Di samping grafik, Tickets → Ticket History menampilkan tiket-tiket individual di balik angka-angka tersebut, dengan halaman detail untuk setiap tiket.
Analytics memberi tahu Anda apa yang berubah. Riwayat dan transkrip memberi tahu Anda mengapa.
Langkah Berikutnya
- Ticket Transcripts (Kisah di balik sebuah titik data)
- LunAI (Prioritisasi otomatis)
- Ticket Categories (Kategori yang lebih baik, analitik yang lebih baik)
How is this guide?